UNIVERSIDADE FEDERAL DE CAMPINA GRANDE – UFCG
UNIDADE ACADÊMICA DE CIÊNCIAS ATMOSFÉRICAS – DCA
PÓS-GRADUAÇÃO EM METEOROLOGIA
DISSERTAÇÃO DE MESTRADO
ÍNDICES DE MONITORAMENTO E DETECÇÃO DE MUDANÇAS CLIMÁTICAS
NA PARTE NORTE DO BRASIL
CARLOS HERRIOT FERNANDES DA SILVA JÚNIOR
Campina Grande - PB
Agosto/2010
1
CARLOS HERRIOT FERNANDES DA SILVA JÚNIOR
ÍNDICES DE MONITORAMENTO E DETECÇÃO DE MUDANÇAS CLIMÁTICAS
NA PARTE NORTE DO BRASIL
Dissertação apresentada ao curso de Pós-
Graduação em Meteorologia da Universidade
Federal de Campina Grande em cumprimento às
exigências para a obtenção do título de Mestre
em Meteorologia.
Área de concentração: Meteorologia de Meso e Grande Escalas
Sub-Área: Climatologia Estatística
Orientador: Prof. Dr. José Ivaldo Barbosa de Brito
Campina Grande – PB
Agosto/2010
2
3
4
DEDICATÓRIA
Dedico este trabalho a todos aqueles que sorriem minhas alegrias e choram as minhas
lágrimas. A todos aqueles que mesmo de longe se fazem presentes de perto em minha vida. A
todos os que consciente ou inconscientemente me ajudaram a concluir este desafio ao qual me
propus a vencer.
Ofereço este trabalho a todo aquele que me olhou, e acreditou em mim, e me
incentivou a concluir mais este ciclo da minha vida. A todo aquele que me diz que essa é só
mais uma etapa preparatória para depois alcançar muitas outras vitórias necessárias e
desejáveis, e que crê que eu sou capaz de realmente atingi-las.
Esta obra vai para cada um que possa por ela ser ajudado, seja pelo seu conteúdo, seja
pela sua forma, seja pelo seu exemplo. Dedico-a para aqueles a quem ela pode ser útil, mesmo
que apenas por curiosidade, ou por necessidade, mesmo que apenas em parte, ou em sua
totalidade.
Dedico este trabalho a meus familiares, meus amigos e meus mestres.
É com orgulho que afirmo que este não é um trabalho isolado, individual e singular...
Trata-se do produto de um esforço coletivo, plural e engajado, e cada um dos participantes
desta vitória é alvo desta dedicatória.
5
AGRADECIMENTOS
Dizer ‗obrigado‘ ainda é muito pouco.
Eu que sei cada instante que vivi pra chegar até aqui. O instante da inscrição para
concorrer ao mestrado; a explosão de alegria ao ser aprovado; as aulas que assisti; todas as
provas que fiz; os seminários que apresentei; as horas de estudo em casa; as horas de estudo
em grupo na universidade, ou na casa de amigos; os conteúdos mais difíceis de entender; as
provas mais longas de se fazer; as idas e vindas às salas dos professores buscando
esclarecimentos; a obtenção dos dados de pesquisa; a manipulação e adequação das
informações; a interpretação dos dados; a criação de gráficos e tabelas; cada linha escrita para
composição da dissertação. Olhando desta forma, dois anos parecem caber em um parágrafo,
mas eu que sei cada instante que vivi pra chegar até aqui, e é por isso que agradecer se faz
necessário, porque nenhuma dessas etapas teria acontecido se eu estivesse sozinho.
Agradeço à minha família, destacando as figuras de minha Mãe, minha irmã Tacianne
e também Azinete. Só de pensar em compartilhar de minha gratidão com vocês, já se torna
inegável e incontrolável a manifestação em meus olhos de toda a emoção que me toma.
Agradeço a Azinete por querer me agradar até nas coisas simples, no que aparentemente
poderia passar despercebido, mas que nunca escapou de meus olhos. Agradeço à minha irmã
Tacianne Katiúsca Feitosa da Silva, por ser a melhor irmã do mundo que um irmão poderia
ter, e você vai bem além disso. Provavelmente você seja a pessoa que melhor me entende
nesse mundo e é por isso que sei que essa minha alegria também é sinceramente sua, e nada
me dá mais prazer do que ver você feliz.
Ninguém nesse mundo merece mais agradecimentos do que a minha Mãe, Clair
Feitoza da Silva, a pessoa mais incrível que já conheci em toda a minha vida. Além de me
presentear, juntamente com meu Pai, com o dom da vida, tem o maior coração da face da
Terra, e não digo isso só por ser seu filho, mas porque vejo as multidões de pessoas que a
senhora conquista e cativa. Mãe, você é o maior exemplo que tenho em minha vida, a pessoa
a quem devo imitar em questões de decência, justiça, amabilidade, organização e tantas outras
qualidades que lhe pertencem. Obrigado pelo amor incondicional, obrigado pelo suporte,
obrigado pela educação que me deu, obrigado por me incentivar a estudar cada vez mais e me
apoiar mesmo quando as dificuldades eram as mais instransponíveis; obrigado por acreditar
em mim e investir em mim, por isso a senhora é a maior merecedora de meus agradecimentos
por este trabalho e por toda a minha vida, pois cada alegria e vitória que tenho na vida, são pra
lhe fazer mais feliz!
6
Agradeço a meu Pai, Carlos Herriot Fernandes da Silva, pelo dom da vida. Lembro-me
bem de um dia em que lhe ouvi comentar que gostaria de ver seus filhos indo mais além do
que o que o senhor alcançou... Eu estou me esforçando nisso, Pai!
Agradeço a meu Orientador, José Ivaldo Barbosa de Brito. Muito mais do que um
professor, o senhor é um Paizão que eu encontrei depois de grande, e tenho certeza de que
esta sensação não é sentida só por mim, ela também é compartilhada por cada pessoa que se
faz aluno seu. Agradeço pela paciência quando de minha cirurgia, pela seriedade e empenho
em me ajudar, e agradeço pelo exemplo de conhecimento e profissionalismo que o professor
me deu, atravessando limites para me ajudar na conclusão desta obra.
Agradeço também a todos os meus amigos pelo incentivo e por acreditarem em mim.
Agradeço aos amigos do dia-a-dia, por tornarem minha vida muito mais agradável, por me
darem suporte quando as coisas ficam difíceis, por me incentivarem quando os prazos se
apertavam, por fazerem questão de me ter por perto mesmo quando eu não poderia estar lá.
Os nomes de vocês estão gravados em minha memória e no meu coração: Jonas, Guilherme,
Joacy, Hélder, Dyego, Carlos Leandro, Moisés, Valéria, Walker, Francisco, Adriana e tantos
outros que não estão aqui nominalmente citados, mas que jamais serão esquecidos. Agradeço
também aos amigos do mestrado que compartilharam diretamente comigo da vivência nesse
período de pós-graduação. Graças a vocês, ficou bem mais fácil encarar todas as provas,
trabalhos e seminários. Agradeço nominalmente a Valéria, Walker, Rosaline, Maria, Jefferson
e Argemiro por me ajudarem mais diretamente durante meus estudos. Vocês foram incríveis,
e continuam sendo.
Agradeço a Patrícia Araújo por me incentivar e insistir que eu me inscrevesse no
mestrado. Se estou aqui hoje, é graças a você. Obrigado! Também agradeço aos alunos mais
veteranos que se dispuseram a tirar dúvidas e nos ensinar sempre que precisávamos.
Agradeço a cada um dos professores do DCA. Graças a vocês sou um profissional um
pouco mais aprimorado, devido aos ensinamentos e dicas que adquiri com cada um. Meu
agradecimento é uma das formas de retorno que posso dar a vocês pelo digno desejo de vocês
em querer passar conhecimento adiante. Em específico, agradeço a José Ivaldo Barbosa de
Brito, Tantravahi Ramana Rao e a Ênio Pereira de Souza por serem exemplos para mim, pois
me esforçarei sempre para ser um professor tão competente, conhecedor e humano como
vocês são. Agradeço também ao professor Enilson Palmeira Cavalcanti pela ajuda na
conversão de dados desta pesquisa.
Agradeço a Divanete Rocha da Cruz. Diva, muito mais do que secretária da
Coordenação da Pós-Graduação em Meteorologia da UFCG, você é uma profissional
7
competentíssima e uma amiga inestimável. Sorte dos que convivem com você e eu lhe
agradeço por tudo que você faz pelos alunos de Meteorologia e por tudo que fez por mim,
especificamente. Obrigado pela preocupação quando de minha cirurgia e por me receber
sempre com um enorme sorriso no rosto.
Agradeço também a meu fisioterapêuta Elvis Crispiniano e sua equipe pelo trato
especial em minha recuperação pós-cirurgia. Sem vocês eu não teria condições de voltar a
estudar, por isso vocês também são alvo de meus agradecimentos.
Meus agradecimentos seguem ao Conselho Nacional de Desenvolvimento Científico e
Tecnológico – CNPq pela ajuda financeira durante o curso.
Agradeço ainda a Ênio Pereira de Souza, coordenador da Pós-Graduação de
Meteorologia da UFCG, pelo intuito insaciável de ajudar todos os pós-graduandos.
Meu agradecimento final vai para Deus, por sonhar comigo e me fazer existir, por
permitir que eu me acorde a cada dia e por me dar forças para estudar e trabalhar cada vez
mais para realizar todos os meus sonhos, por me rodear de pessoas especiais, e por me fazer
passar por situações que me ensinam a ser uma pessoa melhor. Meu mais que especial muito
obrigado.
8
RESUMO
O objetivo principal do presente trabalho é estimar os índices de detecção e
monitoramento de mudanças climáticas para a porção norte do Brasil (área ao norte de
18,75ºS) e investigar a relação destes índices com a variabilidade inter-anual e inter-decadal
da temperatura da superfície do mar (TSM) nos oceanos Pacífico e Atlântico. Para tanto,
utilizam-se dados diários de precipitação e temperatura do ar oriundos da reanálise do projeto
ERA40 do ECMWF (European Centre for Medium-Range Weather Forecasts), para o
período de 1º de janeiro de 1961 a 31 de dezembro de 2001. Observa-se que os índices de
extremos climáticos decorrentes da precipitação apresentaram tendência de aumento em quase
toda área de estudo, a exceção foi a parte nordeste da Região Nordeste, enquanto que os
índices extraídos das temperaturas máximas e mínimas não mostram uma tendência padrão
sobre a área em estudo. Em geral, observou-se uma tendência de aumento dos índices
extremos de temperatura no Nordeste, norte de Minas Gerais, Goiás e Tocantins; e diminuição
no Mato Grosso e Região Norte, mas este tipo de configuração não foi uma regra geral para
todos os índices de temperatura. Os índices extremos de precipitação das áreas mais ao norte
foram melhor correlacionados com as TSM do Pacífico Equatorial do que com as do
Atlântico Tropical; para as áreas mais ao sul observou-se o inverso. Os índices extremos de
temperatura do ar apresentam-se bem correlacionados com as TSM do Pacífico Equatorial e
do Atlântico Tropical. Todos os índices de extremos climáticos apresentam uma boa
correlação com os índices da Oscilação Decadal do Pacífico e da Oscilação Multidecadal do
Atlântico. Dessa forma, conclui-se que os índices de extremos climáticos são influenciados
pela variabilidade inter-anual e inter-decadal da TSM dos Oceanos Atlântico Tropical e
Pacífico Equatorial; e que, de modo geral, a área do Brasil ao norte de 18,75ºS tem
experimentado um processo de mudanças climáticas.
Palavras-chave: Mudanças climáticas; índices de monitoramento; temperatura do ar;
precipitação de chuva, parte norte do Brasil
9
ABSTRACT
The main objective of this research is to estimate the indices of detection and
monitoring of climate change for the northern portion of Brazil (the area north of 18.75 ° S)
and investigate the relationship of these indices to the inter-annual variability and inter-
decadal sea surface temperature (SST). For this, daily data of precipitation and air temperature
was used from the reanalysis of the project ERA40 of the ECMWF (European Centre for
Medium-Range Weather Forecasts) for the period from January 1, 1961 to December 31,
2001 available on http://data-portal.ecmwf.int/data/d/era40_daily/. It was observed that the
indices of extreme weather resulting from precipitation tended to increase in almost every
area of study, the exception was the northeastern part of the Northeast region, while the
indices extracted of the maximum and minimum temperatures do not show a trend pattern
over the entire area. In general, a trend of increased indices of the extreme temperatures was
observed in the Northeast region, Minas Gerais, Goiás and Tocantins; and a trend of decrease
in Mato Grosso and in the North region, but this type of configuration was not a general rule
for all temperature indices. The indices of extreme rainfall of the further north areas were
better correlated to the Equatorial Pacific SST than with those of the Tropical Atlantic; for
further south areas, there was a reverse situation. Extremes indices of temperature were well
correlated with the SST of the equatorial Pacific and the Tropical Atlantic. All of the indices
of climate extremes showed a good correlation with the indices of the Pacific Decadal
Oscillation and the Atlantic Multidecadal Oscillation. It is concluded that the indices of
climate extremes are influenced by inter-annual and inter-decadal variability of the SST of the
Tropical Atlantic Ocean and the Equatorial Pacific; and that, in general, the area of Brazil to
the north of 18.75°S has experienced a process of climate change.
Keywords: Monitoring indices, climate changes, air temperature, rain precipitation,
nothern part of Brazil
10
SUMÁRIO
RESUMO ................................................................................................................................... 8
ABSTRACT .............................................................................................................................. 9
LISTA DE ILUSTRAÇÕES .................................................................................................. 12
LISTA DE TABELAS ............................................................................................................ 14
LISTA DE SIGLAS E SÍMBOLOS ...................................................................................... 15
1 INTRODUÇÃO ................................................................................................................... 17
2 OBJETIVOS ........................................................................................................................ 20
2.1 Objetivo Geral .............................................................................................................. 20
2.2 Objetivos Específicos .................................................................................................... 20
3 JUSTIFICATIVA ................................................................................................................ 21
4 REVISÃO DE LITERATURA ........................................................................................... 23
4.1 Considerações sobre mudanças climáticas ................................................................. 23
4.2 Sistemas meteorológicos mais significativos atuantes sobre a área de estudo ........ 27
4.2.1 Zona de Convergência Intertropical .................................................................... 27
4.2.2 Vórtices Ciclônicos de Alto Nível ......................................................................... 28
4.2.3 Distúrbios ondulatórios de leste ........................................................................... 29
4.2.4 Zona de Convergência do Atlântico Sul .............................................................. 30
4.2.5 Linhas de Instabilidade ......................................................................................... 31
4.2.6 Frentes frias ........................................................................................................... 32
4.2.7 Temperatura da superfície do mar ...................................................................... 33
4.2.8 Oscilação Decadal do Pacífico (DPO) e Oscilação Multidecadal do Atlântico
(OMA) .............................................................................................................................. 35
5 MATERIAL E MÉTODOS ................................................................................................ 36
5.1 Material ......................................................................................................................... 36
5.1.1 Dados meteorológicos e descrição da área de estudo ......................................... 36
5.1.2 Características climáticas da região de estudo ................................................... 37
5.1.2.1 Região Norte .................................................................................................... 37
5.1.2.2 Região Nordeste .............................................................................................. 38
5.1.2.3 Região Centro-Oeste ...................................................................................... 38
5.1.3 Softwares utilizados ............................................................................................... 39
5.2 Métodos ......................................................................................................................... 40
5.2.1 Condições para cálculo de índices ........................................................................ 40
11
5.2.1.1 Controle de qualidade dos dados .................................................................. 40
5.2.1.2 Formatação da entrada de dados .................................................................. 41
5.2.2 Índices climáticos básicos do ETCCDMI ............................................................ 42
5.2.3 Calculo dos Coeficientes de Correção .................................................................. 46
6 RESULTADOS E DISCUSSÃO ........................................................................................ 47
6.1 Índices climáticos do ETCCDMI ................................................................................ 47
6.2 Relação entre TSM e índices climáticos ..................................................................... 66
7 CONCLUSÃO ...................................................................................................................... 70
8 SUGESTÕES ....................................................................................................................... 72
9 CONSIDERAÇÕES FINAIS .............................................................................................. 73
10 REFERÊNCIAS BIBLIOGRÁFICAS ............................................................................ 74
APÊNDICES ........................................................................................................................... 83
12
LISTA DE ILUSTRAÇÕES
Figura 1.1 Área selecionada para o estudo contendo o Norte, Nordeste e Parte do
Centro-Oeste do Brasil............................................................................. 19
Figura 3.1(a) CDD estimado pelos modelos ETA/ECHAM4........................................ 22
Figura 3.1(b) CDD estimado pelos modelos ETA/ECHAM3........................................ 22
Figura 3.2(a) DTR estimado pelos modelos ETA/ECHAM4........................................ 22
Figura 3.2(b) DTR estimado pelos modelos ETA/ECHAM3........................................ 22
Figura 4.1 Zona de Convergência Intertropical no Oceano Atlântico....................... 28
Figura 4.2 Zona de Convergência do Atlântico Sul................................................... 31
Figura 4.3 Linhas de Instabilidade sobre o Nordeste................................................. 32
Figura 6.1 Índice de Dias Secos Consecutivos (CDD).............................................. 48
Figura 6.2 Índice de Dias Úmidos Consecutivos (CWD).......................................... 49
Figura 6.3 Índice de Precipitação Máxima em 1 dia (RX1dia)................................. 50
Figura 6.4 Índice de Precipitação Máxima em 5 dias (RX5dia)................................ 51
Figura 6.5 Índice Simples de Precipitação Diária (SDII).......................................... 51
Figura 6.6 Dias úmidos (R10mm).............................................................................. 53
Figura 6.7 Duas muito úmidos (R20mm).................................................................. 53
Figura 6.8 Dias com chuvas extremas (Rnnmm)....................................................... 54
Figura 6.9 Dias muito úmidos (R95p)....................................................................... 55
Figura 6.10 Dias extremamente úmidos (R99p).......................................................... 56
Figura 6.11 Precipitação Total (PRCPTOT)................................................................ 57
Figura 6.12 Maior temperatura máxima (TXx)........................................................... 58
Figura 6.13 Maior temperatura mínima (TNx)............................................................ 59
Figura 6.14 Menor temperatura máxima (TXn)........................................................... 60
Figura 6.15 Menor temperatura mínima (TNn)........................................................... 61
Figura 6.16 Variação da temperatura ao dia (DTR)..................................................... 62
Figura 6.17 Dias com as menores temperaturas mínimas (TN10p)............................. 63
Figura 6.18 Dias com as menores temperaturas máximas (TX10p)............................ 64
13
Figura 6.19 Dias com as maiores temperaturas máximas (TX90p)............................. 65
Figura 6.20 Dias com as maiores temperaturas mínimas (TN90p).............................. 65
Figura 6.21 Regiões do El Niño e Atlânticos Norte e Sul........................................... 67
14
LISTA DE TABELAS
Tabela B1 Índices pluviométricos................................................................................. 84
Tabela B2 Índices de temperatura................................................................................. 89
Tabela C1 Célula 5°N 60°W......................................................................................... 94
Tabela C2 Célula 0° 50°W............................................................................................ 94
Tabela C3 Célula 0° 55°W............................................................................................ 95
Tabela C4 Célula 0° 60°W............................................................................................ 95
Tabela C5 Célula 0° 65°W............................................................................................ 95
Tabela C6 Célula 0° 70°W............................................................................................ 96
Tabela C7 Célula 5°S 40°W.......................................................................................... 96
Tabela C8 Célula 5°S 45°W.......................................................................................... 96
Tabela C9 Célula 5°S 50°W.......................................................................................... 97
Tabela C10 Célula 5°S 55°W.......................................................................................... 97
Tabela C11 Célula 5°S 60°W.......................................................................................... 97
Tabela C12 Célula 5°S 65°W.......................................................................................... 98
Tabela C13 Célula 5°S 70°W.......................................................................................... 98
Tabela C14 Célula 10°S 40°W........................................................................................ 98
Tabela C15 Célula 10°S 45°W........................................................................................ 99
Tabela C16 Célula 10°S 50°W........................................................................................ 99
Tabela C17 Célula 10°S 55°W........................................................................................ 99
Tabela C18 Célula 10°S 60°W........................................................................................ 100
Tabela C19 Célula 10°S 65°W........................................................................................ 100
Tabela C20 Célula 10°S 70°W........................................................................................ 100
Tabela C21 Célula 15°S 40°W........................................................................................ 101
Tabela C22 Célula 15°S 45°W........................................................................................ 101
Tabela C23 Célula 15°S 50°W........................................................................................ 101
Tabela C24 Célula 15°S 55°W........................................................................................ 102
Tabela C25 Célula 15°S 60°W........................................................................................ 102
Tabela D1 Anomalias dos oceanos Pacífico e Atlântico de 1961 a 2001..................... 103
15
LISTA DE SIGLAS E SÍMBOLOS
SIGLAS:
AB Alta da Bolívia
Alt_N Anomalia do Atlântico Norte
Alt_S Anomalia do Atlântico Sul
ASCII American Standard Code for Information Interchange
CDD Dias Secos Consecutivos (Consecutive Dry Days)
CFC Clorofluorcarboneto
CPTEC Centro de Previsão de Tempo e Estudos Climáticos
CWD Dias Úmidos Consecutivos (Consecutive Wet Days)
DCA Departamento de Ciências Atmosféricas
DPO Oscilação Decadal do Pacífico
DTR Índice de variação da temperatura ao dia
ECMWF European Centre for Médium-Range Weather Forecast
ENOS El Niño/Oscilação Sul
ETCCDMI Expert Team on Climate Change Detection Monitoring
INPE Instituto Nacional de Pesquisas Espaciais
IPCC Intergovernmental Panel of Climate Change
LI Linhas de Instabilidade
LIC Linhas de Instabilidade Costeira
LIP1 Linhas de Instabilidade com Propagação do tipo I
LIP2 Linhas de Inbstabilidade com Propagação do tipo II
NB Região Norte do Brasil
NCDC Centro Nacional de Pesquisas Climáticas
NEB Região Nordeste do Brasil
NOAA National Oceanic and Atmospheric Administration
O3 Ozônio
OMA Oscilação Multidecadal do Atlântico
OMM Organização Meteorológica Mundial
PNUD Programa das Nações Unidas para o Desenvolvimento
PRCPTOT Precipitação total
R10mm Número de dias com precipitação acima de 10mm
R20mm Número de dias com precipitação acima de 20mm
R95p Dias muito úmidos
16
R99p Dias extremamente úmidos
Rnnmm Número de dias com chuvas extremas
RX1dia Índice de precipitação máxima em um dia
RX5dia Índice de precipitação máxima em cinco dias
SDII Índice Simples de Precipitação Diária
SST Sea Surface Temperature (Temperatura da Superfície do Mar)
TSM Temperatura da Superfície do Mar
TN10p Dias com as menores temperaturas mínimas
TN90p Dias com as maiores temperaturas mínimas
TNA Temperatura da superfície do mar sobre o Atlântico Norte
TNx Índice de maior temperatura mínima
TNn Índice de menor temperatura mínima
TSA Temperatura da superfície do mar sobre o Atlântico Sul
TX10p Dias com as menores temperaturas máximas
TX90p Dias com as maiores temperaturas máximas
TXn Índice de menor temperatura máxima
TXx Índice de maior temperatura máxima
UFCG Universidade Federal de Campina Grande
UNEP United Nations Environment Programme
VCAN Vórtice Ciclônico de Alto Nível
ZCIT Zona de Convergência Intertropical
ZCAS Zona de Convergência do Atlântico Sul
SÍMBOLOS:
°C graus Celsius
°C/ano graus Celsius por ano
CO2 Dióxido de Carbono (Gás Carbônico)
dia/ano dias por ano
hPa Hectopascal
m/s metros por segundo
mm milímetro
mm/ano milímetros por ano
ppm partes por milhão
std standard deviation (desvio padrão)
17
1 INTRODUÇÃO
A atmosfera terrestre está sob um equilíbrio dinâmico, e são muitos os eventos que
contribuem para que ela apresente as características que possui em cada região do planeta.
Topografia, parâmetros orbitais e radiação solar estão entre os muitos fatores naturais que
moldam a circulação atmosférica e conseqüentemente a climatologia de cada região do globo.
Mesmo eventos não tão freqüentes, como vulcões em erupção e queimadas provocadas
naturalmente, ao acontecerem, forçam flutuações climáticas que podem ser absorvidas pela
natureza com o passar do tempo, gerando efeitos apenas temporários, mas com os quais a
atmosfera se adéqua para se manter em ordem; e por se tratar de um equilíbrio dinâmico, é
possível que o clima de uma região apresente algumas diferenças ao longo do tempo, pois são
freqüentes as flutuações que sofrem as condições climáticas da Terra, como já observara
Sentelhas et al. (2000). É salutar mencionar que considerando um período muito longo de
tempo, o clima da Terra tem passado, além de flutuações, por mudanças naturais, a exemplo
dos ciclos de Milankovitch.
Com o intuito de entender melhor o planeta em que vivemos, passou-se a estudar as
mudanças climáticas, para que houvesse uma determinação dos períodos que elas levam para
ocorrer, e para compreender quais fatores propiciam e induzem às alterações, incluindo as que
estão além das advindas por erupções vulcânicas, mudanças na constante solar e modificações
dos parâmetros orbitais da Terra. A partir de pesquisas propostas, a comunidade científica
começou a perceber modificações ocorrendo de forma não tão gradual e natural no clima
terrestre, em uma escala de tempo muito menor do que as alterações previstas via fatores,
como rotação da Terra e outros aqui supracitados. Conjecturou-se que as atividades humanas
estão levando a uma mudança global do clima, que podem ser somadas às mudanças que
ocorrem sem a ação do homem, que são chamadas de mudanças naturais (HARTMANN,
1994).
A população mundial também passou a perceber efeitos das alterações climáticas -
como enchentes, aumento da temperatura global e derretimento das calotas polares, dentre
outras - e isso tem ajudado a impulsionar os estudos sobre tal assunto. Para avaliar estas
mudanças climáticas, e para uma melhor compreensão do planeta, estudos sobre a
climatologia da Terra passaram a ser realizados, com o objetivo de entender quais são as
alterações esperadas naturalmente e o que tem feito com que outras mudanças inesperadas
estejam acontecendo em toda a atmosfera. Esses estudos possibilitam também que medidas
sejam tomadas para amenizar possíveis efeitos maléficos; e permitem que alertas sejam dados
18
no sentido de inibir certos comportamentos quem acabem por gerar mudanças climáticas
prejudiciais à atmosfera, à superfície e à humanidade, pois os extremos climáticos associados
à temperatura e precipitação podem afetar o consumo de energia, o conforto humano e
turismo (SUBAK et al., 2000; QIAN & LIN, 2005).
Os estudos da climatologia já perceberam que algumas dessas mudanças são
resultantes da ação humana sobre a Terra (IPCC, 2007). Devastação da vegetação,
construções de cidades e altas taxas de emissão de dióxido de carbono (CO2) são exemplos da
ação humana que interfere e modifica a climatologia de uma região, gerando eventos
atmosféricos inesperados e normalmente prejudiciais à natureza e à humanidade (QIAN e
LIN, 2005).
Os efeitos das alterações climáticas atingem a atmosfera e a superfície em todas as
escalas de grandeza, sendo assim, tanto pequenas regiões, quanto grandes blocos da Terra
sofrem diferenciações em sua climatologia.
Por haver necessidade de se compreender como o clima vem mudando, e para qual
novo cenário ele está se modificando, torna-se imperativo realizar estudos em todas as escalas
meteorológicas de mensuração possíveis, pois assim as alterações em pequenas regiões
poderão ser melhor compreendidas, ao se levar em conta as características das macro-regiões
em que se encontram, conceito que é utilizado em modelos numéricos da atmosfera; e ainda
as mudanças nas áreas de escala maior também serão melhor entendidas, já que elas são
influenciadas pelos efeitos das alterações em cada uma das micro-regiões existentes dentro
dela.
Devido ao grande volume de estudos sobre mudanças climáticas e ao uso de diferentes
mecanismos para avaliação e diagnósticos de mudanças climáticas, a Organização
Meteorológica Mundial (OMM) criou, na primeira metade da década de 2001-2010, um grupo
de trabalho para elaborar uma metodologia para análise de mudanças climáticas que fosse
capaz de atender às diversas especificidades de cada Continente ou até mesmo de cada País.
O referido grupo de trabalho desenvolveu esforços para a construção de índices de detecção e
monitoramento de mudanças climáticas em todo o globo. Para tanto, desenvolveram um
software denominado RClimDex, baseado no R e planilha Excel, e com saídas gráficas e
tabelas dos índices estimados (ZHANG & YANG, 2004). Ressalta-se que esta metodologia
tem sido extensivamente utilizada, em todos os continentes. Para a América do Sul é salutar
mencionar o estudo de Haylock et al (2006). Para áreas menores podem ser citados os
trabalhos de Santos e Brito (2007), para o semiárido do Nordeste do Brasil e Santos et al.,
(2010) para o estado de Utah, USA.
19
Para avaliar as possíveis alterações no clima ocorridas em toda a porção Norte do
Brasil (área do Brasil ao norte de 18,75ºS), o presente trabalho se propõe a fazer uso de
índices de detecção e monitoramento de mudanças climáticas, baseados em dados de
temperaturas máxima e mínima diárias e da precipitação total diária, para verificar como tem
se configurado a climatologia de todo este grande bloco do País (Figura 1.1). A área de estudo
tem um alcance de aproximadamente oitenta por cento (80%) da extensão territorial do Brasil,
proporcionando uma macro visão do caminho que a climatologia da porção norte do Brasil
tem trilhado, nos últimos 40 anos.
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 1.1 Área selecionada para o estudo contendo o Norte, Nordeste e parte do Centro-Oeste do Brasil
20
2 OBJETIVOS
2.1 Objetivo Geral
Estimar os índices de detecção e monitoramento de mudanças climáticas para a porção
norte do Brasil (área ao norte de 18,75ºS). Investigar a relação destes índices com a
variabilidade inter-anual e inter-decadal da temperatura da superfície do mar (TSM).
2.2 Objetivos Específicos
Calcular as tendências de dias consecutivos secos e úmidos;
Estimar as tendências do número de dias no ano com precipitação diária superiores a
10 mm/dia, 20 mm/dia e 50 mm/dia;
Determinar as tendências do total anual de precipitação e da intensidade simples da
precipitação diária;
Verificar as tendências da maior precipitação diária no ano, do maior total anual da
precipitação de 5 dias consecutivos e dos valores do 95º e 99º percentis da precipitação diária
em um ano;
Calcular os índices de mudanças climáticas relativos à temperatura e com eles
observar as oscilações da temperatura na área de estudo e o aumento ou diminuição de dias
com temperaturas mais quentes ou mais frias considerando também as temperaturas máximas
e mínimas;
Correlacionar os índices de detecção e monitoramento de mudanças climáticas com as
anomalias de TSM das áreas do niño 1+2, niño 3, niño 3.4, niño 4, Atlântico tropical norte,
Atlântico tropical sul e com os índices das oscilações multidecadal do Atlântico e decadal do
Pacífico.
21
3 JUSTIFICATIVA
Com o propósito geral de entender a natureza, os mecanismos dela e todos os
processos que dela dependem, várias ciências passaram a ser desenvolvidas, com o objetivo
de melhorar a utilização dos recursos naturais e maximizar os bens que assim podem ser
gerados, tudo visando melhorar a condição de existência humana sobre a Terra.
Uma das ciências desenvolvidas com este propósito foi a Meteorologia, tendo em vista
que os eventos meteorológicos possuem crucial importância sobre a natureza e a humanidade
em diversos aspectos e em qualquer época da existência dos homens sobre a Terra.
A meteorologia influencia a vida humana em diversas escalas de tempo e espaço. Ela é
importante desde o simples fato de saber com que roupa se deve sair de casa para se adaptar
ao tempo atual, passando pela necessidade de ter conhecimento sobre as condições
meteorológicas para pouso ou decolagem de aeronaves, e chegando até a importância de se
estabelecer metas que impeçam que o planeta venha a se aquecer abruptamente num curto
período de tempo.
Entender bem o clima de uma região ajuda a determinar quais culturas devem ser
cultivadas, bem como aponta para as melhores criações que a pecuária pode manter naquela
área; esse conhecimento também serve para que cidades preparem mais apropriadamente as
suas estruturas para enfrentar o clima a que se submeterão; dentre tantas outras utilidades.
Como a meteorologia atinge macro regiões e regiões menores, é necessário realizar
estudos que alcancem todas essas escalas. Tratando da área do Brasil ao norte de 18,75ºS,
eventos meteorológicos de grande escala atingem toda essa porção continental, por isso faz-se
importante que se tenha uma visão generalizada de como eles influenciam o clima, nesse
grande bloco do País, ou ainda, se o clima desta grande área do Brasil, compostas por regiões
semiáridas, florestas tropicais chuvosas, cerrados e pantanal, tem apresentado tendências de
aquecimento/resfriamento e aumento/diminuição da umidade nos últimos 40 anos.
A propósito, dos estudos sobre índices de extremos climáticos, o Instituto Nacional de
Pesquisas Espaciais (INPE), através do Centro de Previsão de Tempo e Estudos Climáticos
(CPTEC), em conjunto com o Programa das Nações Unidas para o Desenvolvimento
(PNUD), elaboram mapas de tendências dos índices de detecção e monitoramento de
mudanças climáticas para o período de 1961 a 1990, utilizando dois modelos numéricos
(CPTEC, 2010). Entretanto, os resultados obtidos apresentam valores conflitantes, como
podem ser observados para os dias consecutivos secos (CDD) e Variação da temperatura em
um dia (DTR) (Figuras 3.1 e 3.2). Para os demais índices os resultados do CPTEC-PNUD
22
também apresentam valores contraditórios. Portanto, a elaboração de índices de extremos
climáticos para porção norte do Brasil, utilizando outras fontes de dados é pertinente e
justificável, uma vez que é necessário se ter uma melhor confiabilidade sobre os reais valores
dos índices e de suas tendências.
(a)
(b)
Figura 3.1 (a) CDD estimado pelos modelos ETA/ECHAM4; (b) CDD estimado pelos modelos
ETA/HADCM3. Observa-se claramente resultados conflitantes entre os dois modelos, principalmente na parte
Norte, Nordeste e Centro-Oeste do Brasil.
(a)
(b)
Figura 3.2 (a) DTR estimado pelos modelos ETA/ECHAM4; (b) DTR estimado pelos modelos ETA/HADCM3.
Observa-se claramente resultados conflitantes entre os dois modelos sobre todo Brasil.
23
4 REVISÃO DE LITERATURA
4.1 Considerações sobre mudanças climáticas
Antes de fazer uma analise de alguns trabalhos desenvolvidos sobre mudanças
climáticas, é importante mencionar que com o objetivo de se ter um melhor acompanhamento
dos estudos sobre das mudanças que estão ocorrendo no Planeta Terra, a Organização
Meteorológica Mundial (OMM) e o Programa das Nações Unidas para o Desenvolvimento
(PNUD) criaram o Intergovernmental Panel on Climate Change (IPCC) no ano de 1988, e
desde então este órgão passou a emitir relatórios com a descrição de diagnósticos climáticos e
previsões do clima global.
Embora a natureza permaneça em um equilíbrio, esse equilíbrio é dinâmico, pois
sempre novos eventos estão acontecendo, fazendo com que reações ocorram em prol de se
tentar recuperar o ponto de equilíbrio, mesmo que o novo estado final não seja exatamente
igual aos padrões iniciais.
Como a atmosfera faz parte da natureza terrestre, ela também está sujeita a essas
mudanças para adequação a novos equilíbrios dinâmicos, e essas alterações podem ocorrer de
duas formas: mudanças naturais ou mudanças antrópicas.
Considerando o planeta desde datas em que se tem dados levantados sobre ele, pode-se
dizer que as mudanças naturais são as maiores responsáveis pelas mudanças climáticas
ocorridas na Terra. As alterações climáticas são normais ao comportamento do planeta e as
suas principais causas naturais são de origens geológicas e de parâmetros orbitais (YOUNG,
1991; MURCK et al., 1996; MERRITTS et al., 1997; SKINNER, PORTE, 2000; EEROLA
2001). São vários os mecanismos que promoveram naturalmente as mudanças no mundo, tais
como movimento das placas tectônicas, produzindo alterações geológicas, períodos de
glaciação decorrentes de parâmetros orbitais, fluxo de radiação solar chegando à Terra e
erupções vulcânicas, dentre outros.
O planeta já passou por vários períodos de glaciação e por períodos inter-glaciais.
Esses eventos são importantes porque alguns deles modificam a topografia de regiões, como,
por exemplo, a formação de permafrost, e assim a atmosfera se ajusta àquela nova realidade,
o que acaba gerando mudanças climáticas. Um bom exemplo disso é a superfície de alguns
países do hemisfério Norte, como a Finlândia, em que, blocos de rochas foram arrancados e
transportados por até centenas de quilômetros, cobrindo o país com depósitos glaciais
(SILVA, 2007).
24
Também é responsabilidade do deslocamento das placas tectônicas, juntamente com
os períodos de glaciações e com as ocorrências de terremotos, a separação do único bloco
contíguo em vários continentes, e graças a períodos interglaciais mais quentes e aos de efeito-
estufa, que a vida animal e vegetal pôde se desenvolver nos continentes (EEROLA, 2001).
Outros fatores que podem ser citados dentre os que influenciam o clima são: a deriva dos
continentes, levando continentes para mais perto dos pólos ou dos outros continentes, criando
novas cordilheiras - em caso de colisão; a mudança de correntes marinhas, via movimentação
das placas tectônicas; o derretimento de geleiras e a formação de novas áreas congeladas no
planeta.
Embora os parâmetros orbitais, as rotações da Terra em torno de seu eixo e do Sol, e a
variação de taxa de recebimento de radiação do Sol influenciem as alterações climáticas, eles
sozinhos não causariam mudanças tão drásticas, mas a soma desses elementos com outros
fatores naturais acaba intensificando as mudanças climáticas naturais, e por isso eles não
podem ser descartados. As condições de clima atuais se devem ao fato de a humanidade estar
vivendo um período interglacial. O pico, ou seja, o máximo volume de gelo, da última
glaciação ocorreu há dezoito mil (18.000) anos atrás, de acordo com Berger e Loutre (2002).
Estudos de 1972 previam que a próxima era glacial ocorreria para daqui a vinte mil (20.000)
anos, entretanto, estudos mais recente mostram que atual era inter-glacial deve durar pelos
menos mais quarenta mil (40.000) anos, e em períodos entre duas glaciações, a temperatura
pode variar ciclicamente (BERGER, LOUTRE, 2007).
Como o planeta está sempre sujeito a desertificações, terremotos, erupções vulcânicas,
glaciações e períodos de efeito-estufa, então sempre novas mudanças climáticas naturais
estarão ocorrendo, por conseguinte sempre haverá seres vivos sendo extintos e outros se
adaptando aos novos climas (GOWDAR, MARTINS, 2003).
As atuais mudanças observadas na temperatura média global do ar próximo à
superfície, e conseqüentemente do clima da Terra, não estão ocorrendo apenas pela atuação
da própria natureza. Muitas das mudanças são de responsabilidade da ação do homem sobre o
planeta. A forma de viver da humanidade e os mecanismos de desenvolvimento humano
acabam sendo fontes de mudanças climáticas. Hoje já se sabe que são fatores responsáveis por
alterações climáticas: a emissão de gás carbônico (CO2), que atua no efeito-estufa; a criação
de gases como os Clorofluorcarbonetos (CFC), que não tem nenhuma fonte natural; o
aumento do metano (CH4) na atmosfera, gerado pelo cultivo de arroz e pela criação de gado; e
também o aumento no teor de ozônio (03), devido ao tráfego de automóveis (EEROLA, 2001)
e todos são produtos da ação humana. Além disso, comparada com as mudanças naturais que
25
ocorrem de forma relativamente lenta, em unidade de milhares de anos, exceto as de origens
das erupções vulcânicas, as mudanças atuais têm ocorrido de forma muito rápida, pois, nos
últimos 140 anos verificou-se um aumento médio global da temperatura do ar próximo da
superfície de aproximadamente 0,7ºC (IPCC, 2007).
Pela enorme liberação de CO2 na atmosfera, ele tem se tornado um ―grande vilão‖ no
aquecimento global, e provavelmente o mais famosos dentre todos. As ciências ainda não
atingiram um conhecimento total sobre a Terra, mas por não se conhecer outras fontes
naturais de CO2, concluiu-se que as mudanças devido ao aumento de gás carbônico são
provocadas pelo homem (YOUNG, 1991; MURCK et al., 1996; MERRITTS et al., 1997;
SKINNER, PORTER, 2000).
Embora existam fontes naturais de emissão de CO2 na atmosfera, como as atividades
vulcânicas; nos últimos tempos, tem crescido consideravelmente a quantidade encontrada de
partes por milhão (ppm) dessa substância na atmosfera. Nos primeiros séculos da Revolução
Industrial, de 1760 até 1960, os níveis de concentração de CO2 na atmosfera aumentaram de
aproximadamente 277ppm para 317ppm, o que dá um aumento de 40ppm. Já se
considerarmos as recentes décadas entre 1960 e 2001, esse aumento de dióxido de carbono foi
de 317ppm para 371ppm, totalizando 54ppm em 4 décadas (MARENGO et al, 2007).
O gás carbônico na atmosfera faz com que a radiação refletida pelo solo não se
disperse nas camadas mais altas da atmosfera, ficando preso em níveis mais baixos e assim
aumentando a temperatura do planeta. Esse aumento de temperatura é notório, e o processo de
aquecimento tem ocorrido velozmente, fora dos padrões naturais. O ano de 1998 foi o mais
quente desde o início das observações meteorológicas, em 1861, apresentando 0.54°C acima
da média histórica de 1961 a 1990. Já em 2005, segundo ano mais quente, detectou-se 0.48°C
acima da média, sendo seguido pelo ano de 2003, com 0.44°C acima do esperado. Tais
aumentos estão ligados aos processos industriais, e algumas conseqüências do aquecimento
global já são notórias, como o derretimento das geleiras e um aumento de 10 cm no nível do
mar em um século (MARENGO et al, 2007). São esperados cenários de climas mais extremos
para um futuro não muito distante, envolvendo secas, inundações e ondas de calor mais
freqüentes (SALATI et al., 2010). E não apenas secas e inundações são previstas como efeito
do aquecimento, pois devido à elevação da temperatura, o ar passa a reter uma maior
quantidade de vapor d‘água, logo ocorre uma maior demanda hídrica, e em resposta a isso,
alguns ecossistemas de plantas poderão não resistir. (IPCC, 2007). É oportuno ressaltar que
Thomas et al. (2004) previram que pelo menos 18 espécies estarão em risco de extinção até o
ano de 2050.
26
Para um melhor estudo das mudanças que passaram a acontecer no Planeta, o IPCC
passou a emitir relatórios com a descrição de diagnósticos climáticos e previsões do clima
global. Para a precipitação, houve um aumento de 0,2% a 0,3% na região tropical entre 10° de
latitude Norte e 10° de latitude Sul (IPCC, 2001). De acordo com o relatório do IPCC, houve
um aumento de 0.65°C na média da temperatura global, no século XX.
O Brasil também está sujeito a essas mudanças climáticas, e as áreas mais vulneráveis
a estas mudanças são as regiões Norte (NB) e Nordeste (NEB), como mostrado nos estudos
recentes de Ambrizzi et al. (2007), Marengo et al. (2007) e Obregon e Marengo, 2007.
Sabendo que todo o globo corre riscos com essas mudanças climáticas, torna-se cada
vez mais necessário entender e prever quais os riscos aos quais a Terra está para se submeter.
Embora não haja certeza total sobre todos os processos que estão relacionados ao
aquecimento global, projeções feitas com modelos matemáticos com dados registrados dos
oceanos, biosfera e atmosfera prevêem um aumento entre 1.4°C e 5.8°C até o final do século
XXI, na média de temperatura (IPCC, 2001). Já Kalnay e Cai (2003) prevêem que a
temperatura poderá subir até 0.88°C por década, o que chega bem próximo às previsões do
IPCC.
Na introdução da presente pesquisa foi mencionado que a OMM criou um grupo de
trabalho, o qual desenvolveu um software, o ―RClimDex‖, que tinha como objetivo facilitar
os trabalhos sobre detecção e monitoramento de mudanças climáticas regionais e locais.
Portanto, se faz necessário citar alguns artigos que utilizaram o RClimDex como uma
ferramenta de estudos de diagnósticos sobre mudanças climáticas, principalmente, aqueles
que estimaram índices de extremos climáticos, tanto em escala continental, como Haylock et
al., (2006) que estimaram índices para a América do Sul, exceto Colômbia, Venezuela,Guiana
e Suriname; bem como aqueles que realizaram trabalho de escala regional: Santos e Brito
(2007) para os estados da Paraíba e Rio Grande do Norte, Araújo (2009) para Bahia e Sergipe
e Santos et al. (2010) para o estado de Utah, nos Estados Unidos da América, mostrando o
interesse de grupos de pesquisa em monitorar possíveis mudanças climáticas que ocorram em
alguma parte do globo.
27
4.2 Sistemas meteorológicos mais significativos atuantes sobre a área de estudo
4.2.1 Zona de Convergência Intertropical
A climatologia de grande área da parte norte e nordeste do Brasil é influenciada pela
Zona de Convergência Intertropical (ZCIT)
Devido ao equador térmico atuante nos oceanos, um grande volume de água do mar
sofre evaporação, passando a fazer parte da atmosfera e ali se acumulando. Essa porção densa
de vapor d‘água quente está localizada na faixa latitudinal de máxima temperatura da
superfície do mar, área zonal de baixa pressão atmosférica na superfície, denominada de
cavado equatorial, e onde ocorre confluência e convergência dos ventos alísios. Esta
convergência produz movimento ascendente levando para altitudes mais elevada o vapor
d‘água que estava próximo da superfície dando origem a uma densa camada de nuvens, em
geral, do tipo Cumulonimbos. A faixa zonal onde estão esse conjunto de nuvens é onde está
localizada a ZCIT. Comumente esta faixa de nuvens é chamada de ZCIT. Entretanto, a ZCIT
é formada pelo conjunto dos sistemas meteorológicos supracitados (Figura 4.1).
A ZCIT é o sistema mais importante gerador de precipitação sobre a região equatorial
dos oceanos Atlântico, Pacífico e Índico, bem como sobre sua áreas adjacentes (MELLO et
al., 2009), isso inclui o NEB, podendo ter ainda alguma influência, ao longo da faixa
latitudinal até o extremo ocidente do NB.
Devido ao deslocamento do Sol, posicionando-se em pontos mais ao Sul e ao Norte da
linha do Equador, a ZCIT também possui um deslocamento sazonal ao longo das latitudes.
Esse deslocamento em média varre de 10°N (agosto – setembro) a 2°S (março – abril), mas
sob algumas condições especiais, este deslocamento pode se estender até 14°N e 5°S
(MELLO et al., 2009). Quanto mais a ZCIT descer em direção ao Sul, maior a taxa de
precipitação de chuva no norte do NEB, e conseqüentemente, não apenas parte do norte
nordestino é beneficiada com chuvas, mas também a região central do NEB é alcançada pela
precipitação, ocorrendo precipitação de chuva bem além dos estados do Ceará, Rio Grande do
Norte e o interior de Paraíba e Pernambuco, que normalmente recebem as chuvas
provenientes da ZCIT (UVO, NOBRE, 1989a; UVO, NOBRE, 1989b).
É possível observar também, mas não durante todo o ano, a ocorrência de uma
segunda banda da ZCIT, sendo mais comum no oceano Pacífico do que no Atlântico, mas
segundo Uvo (1998), a formação de uma segunda banda de convecção no Atlântico está
relacionada com anos chuvosos no NEB entre março e abril. Como as chuvas aumentam no
28
NEB quando a ZCIT se desloca mais ao Sul, o aumento da TSM e o enfraquecimento dos
alísios de Sudeste também acabam promovendo mais chuvas no NEB, tendo em vista que a
ocorrência desses dois fatores faz com quem a ZCIT desça para as latitudes mais ao Sul, de
acordo com Chung(1982) e Hastenrath(1984).
Figura 4.1 Zona de Convergência Intertropical no Oceano Atlântico
Fonte: Cptec/Inpe. Disponível em: <http://www.estadao.com.br/noticias/cidades,franca-confirma-desastre-com-
voo-447,380453,0.htm>
4.2.2 Vórtices Ciclônicos de Alto Nível
Originados na alta troposfera, os Vórtices Ciclônicos de Altos Níveis (VCANs) são
sistemas meteorológicos com centros de pressão relativamente baixos, que podem se deslocar
tanto para leste quanto para oeste e que, segundo Palmer (1951), têm tempo de vida variando
de algumas horas a até algumas semanas.
Esses sistemas apresentam um centro relativamente frio, e os movimentos possuem
sentidos diferentes no centro e na periferia, sendo subsidentes no centro e ascendentes nas
bordas. Eles ainda apresentam convergência de massa e promovem uma nebulosidade mais
intensa na direção de seu deslocamento.
Na América do Sul, o surgimento de VCANs sobre o NEB está relacionado a dois
sistemas, que são a Alta da Bolívia (AB), que influencia na quantidade de precipitação que o
vórtice gerará de acordo com posição e a intensidade da AB, conforme foi observado por
29
Lenters e Cook (1997); e o outro sistema ao qual o surgimento de VCANs está relacionado é a
Zona de Convergência do Atlântico Sul (ZCAS),
Aqui no Brasil, esses VCANs atuam numa média de uma a três semanas, e são mais
freqüentes entre os meses de dezembro e fevereiro. Eles influenciam no regime de chuvas do
NEB e também do NB, pois quando eles são formados sobre o continente, promovem chuvas
e nebulosidade em sua periferia e céu claro no centro, por causa dos movimentos verticais
subsidentes do VCAN no centro (KOUSKY, GAN, 1981).
Os primeiros estudos sobre os VCANs foram realizados por Gutman e Schwerdtfeger
(1965) e também por Virgi (1981), abrindo o caminho para que tantos outros passassem a ser
realizados.
4.2.3 Distúrbios ondulatórios de leste
Também conhecido como ondas de leste, esse fenômeno meteorológico tem muito
mais força na região da África, influenciando o clima daquele Continente, mas essas ondas
podem atravessar o Atlântico e até podem se transformar em furacões (ASNANI, 1992). No
NEB, essas ondas têm o papel fundamental na modulação da convecção numa boa parte dos
eventos de meso-escala provenientes do oceano (MACHADO et al, 2009).
Dentre os primeiros estudos realizados sobre a atuação das ondas de leste no Brasil
estão os que foram propostos por Neiva (1975) e Yamazaki (1975), nos quais se constatou a
presença de distúrbios ondulatórios de leste no Atlântico Sul, através da análise espectral de
dados gerados por modelos numéricos de tempo; e também pela análise de imagens geradas
por satélite. Neiva conseguiu perceber ondas com periodicidade de 4 a 6 dias, atuando nos
níveis de 500 hPa e 700 hPa, propagando-se de leste sobre a Região do Atlântico Equatorial
Sul e sobre o litoral norte e nordeste do Brasil.
Esses sistemas atuam do Rio Grande do Norte à Bahia, movendo-se de leste para oeste
atingindo até a região Norte do Brasil, invadindo o interior continental. Ocorrem, em geral, no
período de maio a agosto, mas sua intensidade é variável, dependendo da temperatura da
superfície do mar (TSM), da topografia e do cisalhamento do vento, dentre outros fatores.
Nos estudos realizados por Yamazaki (1975) e por Yamazaki e Rao (1977), foram
detectadas ondas de leste se propagando do Atlântico Tropical Sul da África para o NEB, isto
foi observado através de imagens de satélites, nas quais notou-se a existência de linhas
inclinadas de nebulosidade no Atlântico Sul durante o inverno do hemisférios Sul (junho a
agosto). Yamazaki e Rao (1977) detectaram cerca de 20 linhas de nebulosidade se
30
propagando de 10°E até quase 40°W, com comprimento de onda em torno de 4.000km e
velocidade média de 10m/s. As mesmas linhas de nebulosidade foram notadas em outros
invernos, o que faz crer que as ondas de leste modulam a estação chuvosa no NEB.
4.2.4 Zona de Convergência do Atlântico Sul
Sobre toda a região da Amazônia, pode ser observada uma grande evapotranspiração
proveniente da densa floresta tropical chuvosa, e nesta mesma região ocorre uma grande
atividade convectiva, levando todo esse vapor para a atmosfera. Essa atividade convectiva
começa no oeste da bacia amazônica, no início de agosto, e segue em direção ao sudeste do
Brasil nos meses seguintes.
Dentre os fatores que fazem a umidade proveniente da Amazônia seguirem rumo ao
sudeste brasileiro estão a Cordilheira dos Andes, que impede que a umidade siga para oeste,
tornando-se uma barreira orográfica; e um jato de baixos níveis fluindo nas latitudes
subtropicais, que leva a umidade num eixo noroeste-sudeste, como foi observado por
Carvalho e Jones (2009). Este eixo de umidade noroeste-sudeste se estende do noroeste da
Amazônia até a parte sudeste do Brasil, chegando no oceano Atlântico Sul. Em geral, nas
imagens de satélites, este eixo aparece como uma faixa de nebulosidade, pois ele torna-se uma
região de convergência de umidade, denominada Zona de Convergência do Atlântico Sul
(ZCAS) (Figura 4.2).
Embora o pico de chuvas seja observado sobre o Centro-Oeste e o Sudeste do Brasil, o
NB também recebe chuvas provenientes da ZCAS. As chuvas mais fortes ocorrem entre
dezembro e fevereiro. As atividades convectivas na zona tropical passam a perder força entre
março e começo de abril, ou seja, no início do outono (CARVALHO, JONES, 2009).
Dentre as primeiras observações e comprovações feitas sobre a existência de uma
camada de nebulosidade orientada de noroeste para sudeste sobre a América do Sul, estão as
realizadas por Streten (1973) e por Yusnari (1977), pesquisas estas que utilizaram imagens de
satélites em diferentes canais.
Embora a ZCAS ocorra regularmente em todos os verões, algumas variações são
observadas em cada ocorrência, tanto na organização espacial, na intensidade das chuvas,
quanto na circulação, e são essas mudanças que acabam gerando eventos severos como
alagamentos e deslizamentos de terra, principalmente nos estados de Minas Gerais, Rio de
Janeiro e Bahia.
31
As ZCAS também exerce um importante papel na produção de chuvas na região
Centro-Oeste do Brasil, incluindo o Pantanal Mato-grossense e o Distrito Federal.
.
Figura 4.2 Zona de Convergência do Atlântico Sul
Fonte: Cptec/Inpe Disponível em: <http://g1.globo.com/Noticias/Brasil/0,,MUL1040438-5598,00.html>
4.2.5 Linhas de Instabilidade
As linhas de instabilidade (LI) atuam freqüentemente sobre a costa norte-nordeste da
América do Sul, podendo se propagar para o interior do continente, causando uma
considerável quantidade de precipitação (Figura 4.3). Elas estão ligadas à circulação da brisa
marítima, como pode ser observado em trabalhos como os de Kousky (1980), Cavalcanti
(1982), e Greco et al. (1990), dentre outros.
Por estar ligada à circulação de brisas marítimas, a escala temporal das linhas de
instabilidade está vinculada à variabilidade diurna (brisa marítima e aquecimento terrestre).
Elas extraem calor na camada limite da atmosfera e redistribuem na alta troposfera, por isso
estão envolvidas com a circulação global e com a energética da atmosfera tropical (COHEN
et al, 2009).
Essas LI podem ser classificadas em três tipos: 1) Linhas de Instabilidade Costeira
(LIC), que são as que têm propagação horizontal alcançando até 170km, e não se deslocam
continente adentro; 2) linhas de instabilidade com propagação do tipo I (LIP1), que se
deslocam com 170km a 400km de alcance; e 3)linhas de instabilidade com propagação do
tipo II (LIP2), que alcançam mais de 400km no deslocamento horizontal. As LIP2 se formam
a tarde e propagam-se para o interior da bacia amazônica (COHEN et al, 2009).
32
As LI estão associadas com nuvens do tipo cúmulos, cúmulos-ninbos e também com
nuvens estratiformes. Pela presença de cúmulos-nimbos no sistema, então sempre se pode
esperar fortes chuvas associadas às LI.
Cavalcanti (1982) notou que a posição das LI mudava de acordo com a época do ano,
e que o desenvolvimento delas acompanha o deslocamento sazonal da ZCIT. Já Cohen et al.
(1989) observaram que os sistemas de LI são vistos durante todo o ano, mas com maior
ocorrência entre os meses de abril e agosto. Também observaram que a média de propagação
das LIP1 e LIP2 foi respectivamente de 12m/s e 16m/s, e o ciclo de vida médio para LIC,
LIP1 e LIP2 é de 9, 12 e 16 horas, respectivamente.
Figura 4.3 Linhas de Instabilidade sobre o Nordeste
Fonte: FUCEME (Fundação Cearense de Meteorologia e Recursos Hídricos)
4.2.6 Frentes frias
Durante todo o ano, as frentes frias afetam o tempo na América do Sul, deslocando-se
tanto para o continente quanto para o oceano Atlântico. Embora atuem durante todo o ano, é
durante o inverno que elas chegam em maior número no Brasil, atingindo principalmente as
regiões Sul e Sudeste e sul da Bahia, mas podendo ainda alcançar o oeste da Amazônia e a
costa nordeste do Brasil.
É no inverno que essas frentes vêm acompanhadas de massas de ar com características
das latitudes altas. Já no verão, quando elas se dirigem para o equador, elas interagem com o
ar úmido e quente dos trópicos, o que gera uma convecção profunda dando origem a fortes
33
chuvas sobre o continente, e essa precipitação excessiva pode causar inundações,
deslizamento de encostas, além de granizo e ventos fortes (CAVALCANTI, KOUSKY,
2009).
No verão brasileiro, essas frentes frias costumam se posicionar entre São Paulo e
Bahia, exatamente onde está atuando a ZCAS, podendo promover fortes chuvas e
conseqüentemente inundações e prejuízos humanos e materiais nessa região.
Pela importância desses sistemas atuando sobre o Brasil, vários estudos passaram a ser
feitos e dentre eles estão o de Taljaard (1972), que percebeu uma maior quantidade de frentes
frias invadindo o Brasil durante o inverno do que no verão; o de Oliveira (1989), mostrando
que esses sistemas perdem força quando caminham em direção às latitudes mais baixas; e
também o estudo realizado por Kousky (1979), que percebeu que nos anos de 1961 a 1970, a
maior freqüência de sistemas frontais no sul da Bahia aconteceu entre os meses de março a
dezembro, e que os anos com maior precipitação de chuva nessa região são os que tiveram
maior ocorrência de chegada de frentes frias.
4.2.7 Temperatura da superfície do mar
Embora a temperatura da superfície marítima (TSM) não seja um sistema
meteorológico, essa variável da meteorologia é de grande importância e fundamental
influência sobre o tempo em todo o globo terrestre.
Estudar o clima terrestre implica em estudar os complexos processos que ocorrem
entre o oceano e a atmosfera, que interagem através da camada limite oceânica e da camada
limite atmosférica, onde ocorrem trocas de energia e momento, trocas estas nas quais o
oceano fornece vapor d‘água e energia para a atmosfera, contribuindo para o ciclo hidrológico
e a energética da atmosfera; e a atmosfera fornece água para os oceanos, através da
precipitação, e fornece energia; fatores que afetam a circulação termoalina e as correntes
oceânicas superficiais geradas pelos ventos (PEZZI, SOUZA, 2009).
A TSM tem um fundamental papel nesses processos interativos, pois é por meio dela
que a energia, em forma de fluxo de calor, é trocada entre a atmosfera e o oceano. Pequenas
mudanças na TSM podem acarretar em grandes mudanças na interação ar-mar, o que pode
conseqüentemente provocar impactos significativos nos sistemas meteorológicos.
Um dos exemplos da relevância da TSM sobre a climatologia do Brasil é o El
Niño/Oscilação Sul (ENOS), fenômeno resultante do aquecimento anômalo das águas do
oceano Pacífico Equatorial. A interação oceano-atmosfera é responsável por efeitos que
34
modulam diretamente a precipitação de chuva nas regiões Norte, Nordeste e Sul do Brasil,
bem como influencia nas temperaturas da Região Sudeste brasileira, e todos esses fatores são
modificados na ocorrência de ENOS. Estudos também mostram que em caso de El
Niño/Oscilação Sul, o Atlântico Tropical também tem uma parcela de impacto sobre o NB e o
NEB, pois ele pode intensificar ou minimizar os efeitos do Pacífico (PEZZI, SOUZA, 2009).
Apesar de já haver muitos estudos sobre os efeitos da TSM do Atlântico e Pacífico
sobre o clima da América do Sul, o entendimento a respeito desta relação ainda não é pleno.
Ainda há controvérsias até sobre os mecanismos que geram a variabilidade da TSM no
Atlântico Sul.
Lima e Rao (1994) verificaram que na ocorrência do ENOS mais forte do século, em
1983, a costa leste do NEB apresentou desvios negativos de chuva. Os autores também
perceberam que em 1987, que apresentou mais um episódio quente de El Niño, houve uma
seca moderada no leste do NEB, mas houve uma redução de até 80% de precipitação nos
estados de Alagoas e Sergipe.
Tratando-se do oceano Atlântico tropical, pode-se destacar dois modos de
variabilidade que causam influências no clima da Américas (SERVAIN et al, 2000). O
primeiro é bem similar ao ENOS no Pacífico (ZEBIAK, 1993): durante a fase quente, a TSM
aumenta devido ao enfraquecimento dos ventos alísios do lado oeste na região equatorial. Já
na fase fria, os alísios se intensificam, fazendo com que a TSM diminua. A variação na escala
de tempo para a ocorrência desses eventos frios e quentes é de 2 a 8 anos, sendo que o início
de um evento frio ou quente pode levar apenas semanas ou meses, e é a ocorrência dos
eventos quentes no Atlântico tropical que pode provocar grande impacto no clima do NEB, de
acordo com Crawford et al (1990) e Wagner e da Silva (1994).
O segundo modo é decorrente de um gradiente da TSM entre os hemisférios Norte e
Sul do Atlântico Tropical, que é chamado de Dipolo do Atlântico (MOURA, SHUKLA, 1981;
SERVAIN, 1991; SERVAIN et al., 1999, 2003). Este dipolo envolve variações de fases
opostas na TSM em cada um dos hemisférios, em variadas escalas de tempo, sendo que
quando a região norte da bacia se encontra mais aquecida que a região sul, a ZCIT se
posiciona um pouco mais ao norte da sua posição normal, o que promoverá menos chuvas no
NEB; já quando a bacia sul está mais aquecida, a ZCIT desce mais, e o nordeste brasileiro
recebe maior quantidade de chuvas, como mostram Wainer e Soares (1997).
Considerando ainda a TSM, é necessário ressaltar a influência de outros dois
fenômenos relativos à temperatura do mar: a Oscilação Decadal do Pacífico (DPO – do
inglês: Decadal Pacific Oscilation) e a Oscilação Multidecadal do Atlântico (OMA). A ODP
35
é caracterizada por duas fases: a FASE QUENTE (warm) caracterizada por anomalias
positivas em que as águas assumem valores de temperatura acima da média; e a FASE FRIA
(cool), caracterizada por anomalias negativas, em que as águas da superfície do Pacífico
apresentam valores abaixo da média de temperatura.Outra característica da DPO é a sua
grande persistências. Suas fases quentes e frias podem durar até duas ou três décadas
completas.
Em se tratando da OMA, ela também é um fenômeno relativo a alternâncias de fases
frias e quentes observadas no oceano Atlântico, sendo que suas fases são bem mais longas que
as averiguadas na DPO, levando entre cinqüenta e oitenta anos para que ocorra a alternância.
4.2.8 Oscilação Decadal do Pacífico (DPO) e Oscilação Multidecadal do Atlântico
(OMA)
A sigla DPO vem do inglês Decadal Pacific Oscillation, que é um fenômeno cíclico
observado no oceano Pacífico. O que se observou é que da mesma forma que o Oceano
Pacífico apresentas ciclos de El Niño e La Ninã, que possuem variabilidade temporal mais
curta, tal oceano ainda apresenta um ciclo um pouco mais longo, chegando a durar 20 ou 30
anos para ocorrer uma mudança de fase.
A DPO apresenta duas fases, uma positiva e uma negativa. Na DPO Positiva, os
temperaturas do Oceano Pacífico apresentam uma maioria de valores acima da média normal
observada para a superfície de suas águas, gerando uma maior quantidade de El Niños, q são
bem mais intensos, e diminuindo a ocorrência de La Ninãs. Já na DPO Negativa, as águas do
Pacífico passam a apresentar uma maior quantidade de temperaturas abaixo da média
esperada para este oceano, gerando assim uma maior quantidade de La Niñas, que tendem a
ser mais intensos, e uma menor quantidade de episódios de El Niños, que costumas ser bem
mais curtos.
A OMA apresenta um comportamento semelhante o do El Ninõ/La Ninã (duração de 6
a 18) meses e ao da DPO (duração de 20 a 30 anos), sendo que o prazo para a alternância de
seus ciclos é bem maior, sendo de 5 a 8 décadas. Seu surgimento também é devido a
alterações na média da temperatura da superfície do oceano Atlântico, mas as suas
ocorrências e efeitos ainda não foram largamente estudados e entendidos.
36
5 MATERIAL E MÉTODOS
5.1 Material
5.1.1 Dados meteorológicos e descrição da área de estudo
Para o desenvolvimento da pesquisa, foram usados dados diários de precipitação e
temperatura. Esses dados foram obtidos da reanálise do projeto ERA40 do ECMWF
(European Centre for Medium-Range Weather Forecasts), disponíveis na página <http://data-
portal.ecmwf.int/data/d/era40_daily/> que contém dados de 1957 até 2002, que podem ser
adquiridos gratuitamente, bastando fazer um cadastro simples.
O ERA40 usa uma grade imaginária composta de células de 2.5° de latitude por 2.5°
de longitude e 19 níveis na vertical para varrer o globo terrestre inteiro. Informações
detalhadas sobre o projeto ERA40 podem ser obtidas no site do ECMWF
(http://www.ecmwf.int/), ou em Uppala et al (2005).
Na presente pesquisa foram usadas as informações de precipitação e de temperatura do
ar a 2m de altura. Ressalta-se que na precipitação foi utilizado o total diário, que é a soma das
precipitações observadas as 6h00Z, 12h00Z, 180h00Z e 0h00Z; enquanto que para a
temperatura mínima foi usada a menor temperatura entre as disponíveis nos quatro horários,
que em todos os casos ocorreu no horário das 6h00Z. A temperatura máxima foi a maior
temperatura dos quatro horários, sendo que em todos os dias a máxima verificou-se as
18h00Z.
Foram colhidas informações de 1961 até 2001, totalizando 41 anos de dados sobre
chuva e temperatura, totalizando 104 células, cada uma com 2.5° de latitude e 2.5° de
longitude, sendo que a forma utilizada para descrever cada célula foi informar a latitude e a
longitude do seu ponto central, sendo assim, a célula em 5°S 60°W se estende desde a latitude
3.75°S até 6.25°S, e vai de 58.75°W até 61.25°W, e é por este motivo que as células utilizadas
neste estudo vão de 5°N até 17.5°S de latitude, e de 35°W até 72.5° de longitude,
desconsiderando as células em que não há área continental alguma presente nelas, conforme
pode ser visto no apêndice A.
A janela de dados escolhida cobre toda a região Nordeste, toda a região Norte do
Brasil, e ainda inclui alguma porção da região Centro-Oeste e Sudeste do Brasil, sendo que o
principal foco de estudos está nas regiões Norte e Nordeste. Mais de 80% da extensão
territorial do Brasil está coberta pela pesquisa.
37
5.1.2 Características climáticas da região de estudo
5.1.2.1 Região Norte
O clima da região Norte do Brasil é profundamente influenciado pela bacia
hidrográfica amazônica e pela floresta lá presente. É nesta região que se encontra a maior
extensão de floresta tropical do planeta, tendo mais de 5 milhões de quilômetros, e devido à
sua variada gama de ecossistemas e à sua diversidade de fauna e flora, ela contém
aproximadamente um quarto das espécies animais e vegetais do planeta. Salati e Marques
(1984) já destacavam a importância desta floresta na manutenção do equilíbrio dinâmico entre
clima e vegetação, por ser vital na reciclagem do vapor d‘água.
Nesta região, a precipitação atmosférica anual é, em média, 2.300 mm, e a vazão
média do rio Amazonas no oceano Atlântico fica por volta de 220.000 m³/s, correspondendo a
18% da descarga total de água fresca nos oceanos do mundo (MARENGO, NOBRE, 2009).
Vários estudos têm sido feitos sobre a Amazônia para melhor entender seu clima e sua
influência na climatologia mundial, estudos estes que incluem desde os clássicos da
meteorologia tropical, que já apresentavam aspectos do clima da Amazônia (SERRA,
RATISBONA, 1942; AB‘SABER, 1966; NIMER, 1989), até pesquisas mais recentes, que
estudam os aspectos do clima e da hidrologia da Amazônia (SILVA DIAS, MARENGO,
1999; MARENGO, NOBRE, 2001; MARENGO 2007).
A região Norte do país apresenta um clima equatorial chuvoso, praticamente sem
estação seca. Por se tratar de uma grande extensão territorial, é possível se notar significativas
diferenças da pluviosidade espacial e sazonalmente. O litoral do Amapá, a foz do rio
Amazonas e o setor ocidental da região são os que apresentam o maior total pluviométrico
anual, excedendo 5.000 mm/ano, com maior intensidade entre abril e junho. Outro setor é o
que está na parte central da Amazônia, em torno de 5°S, com precipitação de até 2.500
mm/ano e com maior índice de chuva entre março e maio. O terceiro setor localiza-se na parte
sul da região amazônica, em que os máximos ocorrem entre janeiro e março. Um quarto setor
ainda pode ser destacado, na parte leste da bacia amazônica, próximo a Belém, com
precipitação anual superior a 4.000 mm/ano (MARENGO, NOBRE, 2009).
Com relação à temperatura, elas se mostram muito elevadas na região central, com
médias que ultrapassam os 26 - 28°C. Já no inverno, os eventos que produzem geadas no Sul
e Sudeste podem esfriar a Amazônia, o que ocorre comumente entre maio e setembro.
38
Pertencem à Região Norte os estados do Acre, Amazonas, Pará, Roraima, Amapá,
Tocantins e Rondônia. Contém mais de 42% do território brasileiro, com 3.851.560 km².
5.1.2.2 Região Nordeste
Engloba os estados do Maranhão, Piauí, Ceará, Rio Grande do Norte, Paraíba,
Pernambuco, Alagoas, Sergipe e Bahia, tendo uma extensão territorial de 1.558.196 km².
Embora o NEB se encontre no extremo nordeste da América do Sul, numa área
tropical, o NEB não apresenta uma distribuição de chuvas de áreas tipicamente equatoriais.
Ele apresenta três tipos de clima, com precipitação anual variando entre 300 e 2.200 mm: 1)
clima litorâneo úmido, indo do litoral da Bahia ao Rio Grande do Norte; 2) clima tropical, em
algumas áreas dos Estados da Bahia, Ceará, Maranhão e Piauí; e 3) clima tropical semiárido,
em todo o sertão nordestino. O NEB apresenta uma alta variabilidade inter-anual, em
particular na precipitação, apresentando anos extremamente secos e outros extremamente
chuvosos. Tão variada climatologia é devida aos muitos sistemas meteorológicos atuando
sobre a região.
A média de temperatura do NEB varia entre 20° e 28°C. Nas áreas situadas
acima de 200m e no litoral leste, as temperaturas variam entre 24° e 26°C. Temperaturas
inferiores a 20°C podem ser encontradas na Chapada Diamantina e também no Planalto da
Borborema.
Alguns fatores são determinantes para explicar a climatologia do NEB: a sua variação
sazonal, sua posição geográfica, o relevo, a natureza da superfície e os sistemas de pressão
atuantes na região (KAYANO, ANDREOLI, 2009). O NEB é fortemente influenciado pelos
fortes sistemas sinóticos que ocorrem sobre sua região, tais como Zona de Convergência
Intertropical, Linhas de Instabilidade e Ondas de Leste, dentre outros.
5.1.2.3 Região Centro-Oeste
Contendo uma área de aproximadamente 1.607.000 km², total que corresponde a 18%
do território brasileiro, a Região Centro-Oeste é formada pelos Estados de Mato Grosso, Mato
Grosso do Sul, Goiás e o Distrito Federal. Fica localizada no Planalto Central, em que a
vegetação predominante é a de cerrado. É muito conhecida pela diversidade vegetal e pelo seu
Pantanal, que é a maior área alagada de todo o mundo e que possui uma grande
biodiversidade.
39
Alguns fatores geográficos como relevo, vegetação e latitude, conferem à região
Centro-Oeste uma variabilidade climática complexa, principalmente em relação à
temperatura. A precipitação tem uma distribuição sazonal, o verão é essencialmente quente e
chuvoso, já o inverno é seco e com temperaturas amenas.
As chuvas também possuem uma distribuição espacial, pois nas regiões mais altas de
Goiás e no Mato Grosso do Sul , pode-se observar temperaturas moderadas, com verões
quentes e chuvosos; e na parte norte do Mato Grosso tem-se temperaturas elevadas com
chuvas no verão, e secas no inverno. Mas em todos os Estados, é possível observar
temperaturas elevadas com alto índice pluviométrico, com média em torno de 1.500 mm/ano
(ALVES, 2009).
As temperaturas mais elevadas podem ser vistas na primavera e no verão, sendo que
na primavera são atingidos valores acima de 33°C no norte e 26°C no sul da região. No
inverno, com a entrada de frentes frias, as temperaturas ficam mais amenas, mas dependendo
da força da frente fria, elas podem cair para próximo de zero, com geadas em algumas
localidades.
O principal mecanismo de produção de precipitação em toda a região Centro-Oeste é a
Zona de Convergência do Atlântico Sul (Figura 4.2).
5.1.3 Softwares utilizados
Esse estudou utilizou-se de alguns softwares que possibilitaram a manipulação dos
dados disponíveis de forma a representarem informações mais estruturadas para a obtenção
dos resultados procurados.
Foi usado o Excel 2003, com o qual alguns dados foram tratados e tabelas e gráficos
foram gerados. Um outro software utilizado foi o Surfer, versão 7.0 da Golden Software Inc.,
para que gerar gráficos de interpolação.
Um programa de grande importância foi o RClimDex, desenvolvido para facilitar o
tratamento estatístico de dados meteorológicos. No RClimDex foram gerados os índices que
apontaram para as características e modificações climáticas da área de estudo, ao longo dos
quarenta e um anos de dados disponíveis.
O RClimDex foi desenvolvido com bases no Microsoft Excel por Byron Gleason, um
pesquisador do NCDC (Centro Nacional de Pesquisas Climáticas) da NOAA(National
Oceanic and Atmospheric Administration) e tem sido largamente utilizado em várias áreas
que necessitam de tratamentos de dados meteorológicos.
40
A versão utilizada do RClimDex foi a 1.9.1, que pode ser obtido gratuitamente através
do endereço eletrônico da ETCCDMI (HTTP://cccma.seos.uvic.ca/ETCCDMI).
Mais um software utilizado foi o GRADS, disponível na página do DCA. Com esse
programa foi possível converter os dados do formato original disponível no site do ECMWF
(que estavam no formato nc) para o formato aceito pelo Excel (txt). Só depois de convertidos
para texto que os dados puderam ser usados no RClimDex.
5.2 Métodos
No desenvolver deste trabalho, foram realizadas análises sobre os levantamentos de
precipitação e temperatura de 41 anos de dados provenientes da reanálise do ECMWF
(European Centre for Medium-Range Weather Forecasts), fazendo uso de 104 células de 2.5°
de latitude por 2.5° de longitude que cobrem toda a porção Norte do Brasil.
Com as séries de dados de cada uma das células estudadas, foram calculados índices
baseados em chuva e temperatura sobre todo o período de tempo abordado, podendo assim
verificar possíveis mudanças climáticas na área de estudo, através da variação do
comportamento das precipitações e temperaturas.
Já que o cálculo dos índices de mudanças climáticas é de fundamental importância no
desenvolvimento desta pesquisa, então fez-se oportuno explicar os requisitos necessários para
o uso do RClimDex 1.9.1, que foi o software usado para a geração de tais índices. Tal
explicação é apresentada a seguir.
5.2.1 Condições para cálculo de índices
5.2.1.1 Controle de qualidade dos dados
Para um perfeito funcionamento do RClimDex, é necessário que os dados estejam em
conformidade com o padrão exigido pelo programa. Para tanto é importante observar alguns
procedimentos:
1) É necessário substituir todos os dados faltosos pelo valor -99.9, só assim o RclimDex
entenderá que tais dados não existem e fará seus cálculos tomando esses dados como
indisponíveis. Nesta pesquisa esse procedimento fez-se desnecessário, já que a
reanálise do projeto ERA40 sempre garantia valores diários para todas as células, mas
41
mesmo assim, uma varredura preventiva foi feita para detecção de possíveis dados
faltosos.
2) Substituir os valores inaceitáveis por -99.9. Essa medida precisa ser tomada porque a
ocorrência de eventos extremos de temperatura ou precipitação pode atrapalhar os
cálculos estatísticos do RClimDex. Embora os dados da reanálise sejam confiáveis, o
clima tropical da área de estudo torna-a sujeita a variações constantes e extremos
repentinos, podendo assim aparecer algum valor de precipitação ou de temperatura
que destoe dos outros dados disponíveis, precisando assim substituir tais dados por -
99.9. Neste procedimento, é também importante verificar valores de precipitação
menores que zero e a ocorrência de temperatura mínima maior do que a máxima.
Valores extremos não podem ser assumidos como temperatura mínima ou máxima.
Para entender melhor como o RClimDex julga um valor como sendo extremo, basta
que se entenda que ele considera valor extremo qualquer dado que esteja fora da área
definida pelo usuário. Na versão 1.9.1 do RClimDex, ele define que esta área de aceitação
é n vezes o desvio padrão dos valores diários, ou seja, [média + n*std, média – n*std], em
que std representa o desvio padrão para os valores diários, e n é o valor de entrada dos
dados, definido pelo usuário durante a execução (nessa pesquisa, usou-se valor 3 para n).
5.2.1.2 Formatação da entrada de dados
O RClimDex 1.9.1 exige uma formatação padrão para a entrada de dados, para tanto é
preciso obedecer a alguns padrões:
1) O arquivo precisa ser de texto em ASCII (American standard code for information
interchange);
2) Precisa estar disposto em colunas, e estas contendo os seguintes dados: Ano, Mês,
Dia, Precipitação, Temperatura Máxima, Temperatura Mínima. Vale lembrar que a
unidade de precipitação é milímetro (mm) e a unidade das temperaturas precisa ser
graus Celsius (°C);
3) As colunas precisam ser espaçadas, contendo um ou mais caractere de espaço
separando-as;
4) Os dados precisam obedecer a ordem cronológica, e quando algum dado estiver
indisponível, ele precisa ser substituído por -99.9;
5) Verificar os anos bissextos para incluir o valor de 29 do mês Fevereiro.
42
Para um melhor entendimento do padrão de entrada de dados, está disposto abaixo
parte dos dados de entrada, relativos à célula 12°S 65°W:
1984 11 30 7.065125 31.021 23.353
1984 11 31 -99.9 -99.9 -99.9
1984 12 1 9.247010 30.460 24.327
1984 12 2 0.000000 29.680 22.753
1984 12 3 5.811850 29.453 22.703
O que se entende para a primeira linha é que no dia 30 de novembro de 1984, houve
uma precipitação total de 7,065125mm, com temperatura máxima de 31,021°C e temperatura
mínima de 23,353°C. A grande quantidade de casas decimais provém dos dados da reanálise,
que são obtidos através de médias, mas isso não ofereceu qualquer problema para a execução
do software, mesmo que o excesso de casas decimais se torne insignificante em algumas
medidas, como no caso da precipitação.
O entendimento para as outras linhas é análogo, bastando destacar que a segunda linha
trata de um dia inexistente (31 de novembro), por isso os valores de precipitação e
temperaturas apresentam -99.9. Isto foi usado aqui apenas para exemplificação, tendo em
vista que a esta pesquisa possuía todos os dados de todos os dias do período selecionado. Vale
lembrar também que o valor 0.000000 (zero) na quarta linha da quarta coluna indica que não
houve precipitação alguma neste dia.
Com esses tratamentos, os dados podem ser entendidos e os índices calculados no
RClimDex 1.9.1.
5.2.2 Índices climáticos básicos do ETCCDMI
Visando uma melhor compreensão e padronização das mudanças climáticas e eventos
extremos que vêm ocorrendo nos últimos tempos, a comunidade científica definiu alguns
índices anuais que representassem bem esses eventos, como pode ser verificado no site
http://cccma.seos.uvic.ca/ETCCDMI/index.shtml. Tais índices são baseados em valores
diários de temperatura e precipitação (FRISCH et al., 2002).
Foram criados 27 índices pelo Expert Team on Climate Change Detection Monitoring
and Indices (ETCCDMI), mas eles não consideram eventos extremos e eventos raros, já que
este tipo de dado complicaria as operações estatísticas e as tendências; tais eventos extremos
foram descartados dos cálculos dos índices devido à pequena quantidade de ocorrência deste
43
tipo de dado, baseando-se nos registros históricos . Os índices do ETCCDMI são calculados a
partir de dados diários, a nível anual, sendo que alguns são baseados num valor limiar fixo e
outros em percentis.
Neste estudo não foram usados os 27 índices, porque nem todos seriam úteis para esta
pesquisa (como os que calculam dados apenas para dias bissextos, ou para cobertura de gelo),
por isso aqui estão expostos os que contribuíram com a pesquisa:
1 – RX1dia (Quantidade máxima de precipitação em um dia)
Seja ijRR o total diário de precipitação num dia i e num período j . Logo, os valores
máximos de 1 dia para o período j são:
)max(1 ijj RRdayRx )1(
2 - RX5dia (Quantidade máxima de precipitação em cinco dias)
Seja kjRR a quantidade de precipitação para o intervalo de cinco dias terminando no
dia k do período j . Logo, os valores máximos de 5 dias para o período j são:
)max(5 kjj RRdayRx )2(
3 - SDII (Índice simples de intensidade diária)
Seja wjRR a quantidade diária de precipitação nos dias úmidos, )1( mmRRw num
período j . Se W representa o numero de dias úmidos em j , então:
W
RR
SDII
w
w
wj
j
1 )3(
4 – R10mm (Número de dias úmidos)
Seja ijRR o montante de precipitação diária acumulada num dia i de um período j .
São contados os dias em que:
mmRRij 10 )4(
5 – R20mm ( Número de dias muito úmidos)
Seja ijRR o montante de precipitação diária acumulada num dia i de um período j .
São contados os dias em que:
mmRRij 20 )5(
6 – Rnnmm (Número de dias acima de nn mm)
44
Seja ijRR a quantidade diária de precipitação num dia i de um período j . Se
*nn representa qualquer valor razoável de precipitação diária então, soma-se o numero de dias
em que:
nnRRij mm )6(
* Neste estudo utilizar-se-á 50nn mm , pois com isto pode-se observar o comportamento
deste índice, de chuva extrema, na região.
7 – CDD (Dias consecutivos secos – Consecutive Dry Days)
Seja ijRR a quantidade diária de precipitação num dia i e de um período j . Soma-se o
maior número de dias consecutivos em que:
mmRRij 1 )7(
8 - CWD (Dias consecutivos úmidos – Consecutive Wet Days)
Seja mmRRij 1 a quantidade diária de precipitação num dia i de um período j .
Soma-se o maior número de dias consecutivos em que:
mmRRij 1 )8(
9 – R95p (Dias muito úmidos)
Seja wjRR a quantidade diária de precipitação num dia úmido )0.1( mmRRw num
período j e seja 95wnRR o 95percentil da precipitação nos dias úmidos no período 1961-
2001. Se W representa o número de dias úmidos no período, então:
w
w
wjj RRpR1
95 onde 95wnwj RRRR )9(
10 – R99p (Dias extremamente úmidos)
Seja wjRR a quantidade diária de precipitação num dia úmido )0.1( mmRRw num
período j e seja 99wnRR o 99percentil da precipitação nos dias úmidos no período 1961-
2001. Se W representa o numero de dias úmidos no período, então:
w
w
wjj RRpR1
99 onde 99wnwj RRRR )10(
11 – PRCPTOT (Precipitação total anual dos dias úmidos)
Seja ijRR a quantidade diária de precipitação num dia i de um período j . Se
I representa o número de dias em j , então:
I
i
ijj RRPRCPTOT1
)11(
45
12 – TXx (Maior temperatura máxima)
Máximo valor mensal das temperaturas máximas diárias.
13 – TNx (Maior temperatura mínima)
Máximo valor mensal das menores temperaturas diárias.
14 – TXn (Menor temperatura máxima)
Mínimo valor mensal das maiores temperaturas diárias.
15 – TNn (Menor temperatura mínima)
Mínimo valor mensal das menores temperaturas diárias.
16 – DTR (Variação da temperatura em um dia)
Diferença entre o valor máximo da temperatura e o valor mínimo.
DTR = TXx-TNn (12)
17 – TN10p
Percentagem de dias no ano em que TN foi menor do que o 10° percentil. Quantidade
de dias que apresentaram as menores temperaturas mínimas.
18 – TX10p
Percentagem de dias no ano em que TX foi menor que o 10° percentil. Quantidade de
dias que apresentaram as menores temperaturas máximas.
19 – TN90p
Percentagem de dias no ano em que TN foi maior do que o 90° percentil. Quantidade
de dias que apresentaram as maiores temperaturas mínimas.
20 – TX90p
Percentagem de dias no ano em que TX foi maior do que o 90° percentil. Quantidade
de dias que apresentaram as maiores temperaturas máximas.
Os dados foram armazenados em arquivos de planilha eletrônica, passando a conter
informações anuais sobre cada um dos índices indicados, logo depois de serem processados.
Vale lembrar que além dos gráficos e valores numéricos dos índices, a saída do RClimDex
também apresenta as tendências (linear e não linear) de longo tempo dos índices e a estatística
p (nível de significância estatística) obtida por meio do teste de Fisher.
Para analisar as causas dos diversos valores encontrados para os índices climáticos
regionais, foram calculadas correlações entre tais índices e as anomalias de temperatura da
superfície do mar (TSM) nas regiões de Niño 1+2 (0°S - 10°S, 90°W - 80°W), Niño 3 (5°N -
5°S, 150°W - 90°W), Niño 3.4 (5°N - 5°S, 170°W - 120°W), Niño 4 (5°N - 5°S, 160°E -
150°W), TNA (Temperatura da superfície do mar no Atlântico Norte) (5°N - 20°N, 60°W -
46
30°W) e TSA (Temperatura da superfície do mar no Atlântico Sul) (0º - 20°S, 30ºW - 10°E).
Foi necessária mais uma equiparação desses índices de monitoramento e detecção de
mudanças climáticas, desta vez correlacionado-os com os índices da Oscilação Decadal do
Pacífico (DPO); com os índices da Oscilação Multidecadal do Atlântico (OMA) e com as
anomalias do Atlânticos Norte e Sul.
Calculou-se a significância estatística das correlações pelo teste t de Student. Para
aplicação do teste, faz-se necessário utilizar três maiores níveis de significância, 0.95;GLt que
corresponde a uma significância estatística de 90% )1.0( p , 0.975;GLt correspondendo a uma
significância estatística de 95% )05.0( p e 0.995;GLt com uma correspondente significância
estatística de 99% )01.0( p , em que GL representa o grau de liberdade da amostra, que é
igual a n -2, considerando que n é o número de anos de cada amostra, n = 41 (1961-2001).
5.2.3 Calculo dos Coeficientes de Correlação
O cálculo das correlações entre os índices de extremo climático e as anomalias de
TSM foi feito utilizando o método dos mínimos quadrado, e para saber quão confiável esta
correlação era, obteve-se o valor de t, através do teste t-student.
A correlação foi obtida automaticamente via Excel, que já dispõe em suas rotinas
internas de uma função que relaciona duas tabelas de mesmo tamanho (função CORREL), e o
valor t foi obtido segundo a seguinte equação:
(13) 1
2.
2r
Nrtcal
em que N é o grau de liberdade da amostra. Neste caso N = 41, já que foram usados os
valores obtidos dos 41 anos de dados disponíveis.
Para o teste t-student, considera-se que para valores de t maiores ou iguais a 1,301, o
grau de confiabilidade é de 90%; para t maior ou igual a 1,69, o grau de confiabilidade é de
95% e para obter 99% de confiabilidade, o valor t precisa ser maior ou igual a 2,42 (estes
valores são todos tabelados).
Procedimento semelhante foi executado para a estimativa das correlações entre os
índices de extremo climático e os índices de DPO e OMA.
47
6 RESULTADOS E DISCUSSÃO
6.1 Índices climáticos do ETCCDMI
Os índices de detecção de mudanças climáticas são a forma escolhida para avaliar as
alterações climáticas que vêm ocorrendo na área de estudo, nos 41 anos de dados
selecionados. Os resultados alcançados através da obtenção e avaliação dos dados estão
apresentados aqui, relativos às 104 células analisadas.
Os gráficos foram gerados utilizando o Surfer versão 7.0. Neles estão destacados os
seguintes dados: os pontos nos quais houve tendência positiva do índice, sendo representado
por um sinal de mais (+) e os pontos nos quais houve tendência negativa, sendo representados
por uma circunferência (○). Os dados com significância estatística acima de 90% estão
destacados, assim, os positivos apresentam um sinal de mais em negrito (+), e os negativos
apresentam uma circunferência preenchida (●).
Foram consideradas tendências estatisticamente significativas todas aquelas cujo
valor-p era inferior a 0,1. O valor-p já é gerado automaticamente pelo RClimDex, quando ele
calcula os índices do ETCCDMI, e refere-se a estatística p do teste F de Fisher.
Os valores obtidos para cada um dos índices, em cada uma das células podem ser
visualizados nas tabelas presentes no Apêndice B.
O primeiro índice avaliado é o CDD (Dias Secos Consecutivos). Na Figura 6.1, pode
ser claramente observado que em toda a região de estudo houve uma tendência de diminuição
da quantidade de dias secos consecutivos. Na região central do NEB, chegou a haver uma
tendência de diminuição de 3 dias consecutivos de chuva ao ano, dentro do período estudado,
como pode ser observado na Tabela B1. Quase que a totalidade dos dados obtidos
apresentaram valores significativos, tornando a avaliação bem confiável. De certa forma este
resultados estão semelhantes ao obtidos por Haylock et al (2006) que elaboram estudos para a
América do Sul utilizado dados de estações meteorológicas no período de 1960 a 2000,
enquanto o atual trabalho fez uso da reanálise ERA40. Fazendo uso do modelo numérico ETA
como condições iniciais de reanálise do modelo ECHAM4 e HADCM3, para o período de
1961 a 1990, o INPE/CPTEC-PNUD obtiveram resultados conflitantes, pois para a porção
norte do Brasil o ETA-ECHAM4 apresentou, em geral, diminuição de CDD, enquanto o
ETA-HADCM3 apresentou aumento de CDD. Portanto, os resultados obtidos neste trabalho
estão mais próximo dos verificados com o ETA-ECHAM4.
48
Ressalta-se que para as análises dos demais índices não serão feitas comparações com
os resultados do INPE/CPTEC-PNUD, uma vez que os resultados obtidos por estes órgãos
usando as reanálises do ECHAM4 e do HADCM3 são, em geral, conflitantes. Os resultados
obtidos no presente trabalho ora concordam com os do ETA-ECHAM4, ora com o ETA-
HDCM3.
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.1 Índice de Dias Secos Consecutivos (CDD). Tendência positiva significante marcada com + em
negrito; tendência positiva sem significância marcada com +; Tendência negativa com significância marcada
com ●; e tendência negativa sem significância marcada com ○.
A Figura 6.2 mostra a distribuição espacial da tendência para o índice CWD (Dias
Úmidos Consecutivos). Observa-se que em boa parte da área de estudo houve também uma
diminuição da quantidade de dias chuvosos consecutivos, com significância estatística. As
células que fazem fronteira com os oceanos e as que estão mais próximas a eles apresentam
uma predominância de valores positivos, provavelmente ocasionados por um aumento da
TSM.
Levando em conta que a quantidade de dias secos consecutivos também diminuiu,
como visto anteriormente, entende-se que tem havido uma maior alternância entre dias secos
e chuvosos, nesses 41 anos de estudos. A partir deste resultados pode-se conjecturar que a
atmosfera tem sofrido algum tipo de perturbação e está procurando o equilíbrio. Uma outra
observação interessante é a de que a probabilidade de que um dia seco ocorra após um dia
49
úmido está aumentado, o mesmo vale para os dias chuvosos. Este resultados diferem dos
obtidos por Haylock et al (2006).
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.2 Índice de Dias Úmidos Consecutivos (CWD). Tendência positiva significante marcada com + em
negrito; tendência positiva sem significância marcada com +; Tendência negativa com significância marcada
com ●; e tendência negativa sem significância marcada com ○.
Analisando-se a Figura 6.3, percebe-se que apenas em algumas células no Mato
Grosso houve diminuição no volume máximo de precipitação em 1 dia. Fora esta região,
apenas três células do norte do NEB também apresentaram diminuição deste índice. Dentre
todos os casos de tendência negativa, apenas um teve confiabilidade estatística, no extremo
leste nordestino. Uma das possíveis causa da diminuição das chuvas muito intensas no Mato
Grosso é a diminuição da vegetação da área, que produz um aumento do albedo e
conseqüentemente diminui a energia disponível para manter movimentos convectivos
localmente mais intensos. Entretanto, mesmo nos pontos em que foi observado uma
tendências negativa, este valor não foi muito além de 1mm/ano, provavelmente, a diminuição
dos movimentos convectivos locais tenha sido compensado pelos efeitos da Zona de
Convergência do Atlântico Sul.
Em todo o restante da região estudada, ficou bem clara a tendência de aumento da
quantidade de precipitação máxima em um dia. O maior valor obtido foi de 3mm/ano, na
celular 5°S 45°W, bem no centro do estado do Maranhão, provavelmente este não seja um
valor muito confiável, uma vez que em todos os outros pontos, o aumento tem sido inferior a
50
1mm/ano. Este aumento da precipitação máxima em um dia na parte norte nordeste do Brasil
também foi verificado por Haylock et al. (2006). Isto provavelmente esteja conectado com o
aumento da temperatura das águas da superfície do Oceano Atlântico Tropical Sul
(SERVAIN et al., 2000).
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.3 Índice de Precipitação máxima em 1 dia (RX1dia). Tendência positiva significante marcada com +
em negrito; tendência positiva sem significância marcada com +; Tendência negativa com significância marcada
com ●; e tendência negativa sem significância marcada com ○.
A Figura 6.4, relativa à quantidade máxima de precipitação acumulada em 5 dias, não
foi tão diferente da que se obteve quando se considerava apenas 1 dia de precipitação. A
região do estado do Mato Grosso continuou apresentando tendências negativas com
confiabilidade abaixo de 90% e o extremo leste nordestino ainda apresentou uma célula com
tendência significativa negativa. Isto já era esperado, pois, em geral, RX1dia é um
subconjunto de RX5dia
Quase que o mesmo resultado se repete no gráfico relativo ao índice SDII, que pode
ser visto na Figura 6.5. A maior parte da região estudada apresenta tendência de aumento de
precipitação média ao ano. Embora esteja havendo uma tendência positiva em quase toda a
área, esse aumento não atinge 1mm ao ano. O efeito é bem similar nas tendências negativas,
já que nenhuma delas chega nem a 1mm também. O que diferencia o gráfico do SDII dos de
51
RX1dia e RX5dia é que parte da região do Pará passa a ter tendência negativas, bem como
algumas células que cobrem a área sul da Bahia. Isto ocorre porque a intensidade simples da
precipitação diária é dependente da precipitação máxima em um dia e do total máximo das
chuvas em cinco dias.
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.4 Índice de Precipitação máxima em 5 dias (RX5dia). Tendência positiva significante marcada com +
em negrito; tendência positiva sem significância marcada com +; Tendência negativa com significância marcada
com ●; e tendência negativa sem significância marcada com ○.
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
52
Figura 6.5 Índice simples de precipitação diária (SDII). Tendência positiva significante marcada com + em
negrito; tendência positiva sem significância marcada com +; Tendência negativa com significância marcada
com ●; e tendência negativa sem significância marcada com ○.
Usando-se os dias com quantidade de chuva superior a 10 mm como dias úmidos, cuja
distribuição espacial é apresentada na Figura 6.6, verifica-se que a quantidade de dias úmidos
está aumentando. Esses dias não são necessariamente consecutivos, mas tem ocorrido um
aumento de até 1 dia úmido ao ano em várias células, com alta confiabilidade estatística.
Embora as regiões em que ocorrem tendências negativas de R10mm sejam todas compostas
de tendência que não tem confiabilidade estatística, o que se percebe é que elas se repetem
quase que exatamente nas mesmas células em que houve tendência negativa de SDII.
Considerando-se o índice R20mm, que representa os dia muito úmidos, ou seja os dias
com precipitação acima de 20mm, observa-se na Figura 6.7 que a configuração espacial de
R20mm é uma quase que fiel repetição da configuração de R10mm, sendo que as células do
sul da Bahia aparecem todas com tendência positiva, embora que não apresentem
confiabilidade estatística. Esse aumento também é bem discreto, não atingindo 1mm/ano,
porém é observado que sobre o leste nordestino, Mato Grosso e o centro-sul paraense
continuam com tendências negativas, o que faz entender que ao longo dos 41 anos de estudo,
essas áreas não apresentam valores de alta umidade, entretanto os valores da tendência destes
índices (R10mm e R20mm) não são estatisticamente significativo no Mato Grosso e centro-
sul do Pará. Para o litoral leste do Nordeste a tendência negativa de R20mm é estatisticamente
significativa, provavelmente isto tenha ocorrido porque na segunda metade (1981-2001) do
período analisado ocorreu uma maior freqüência de El Niño do que na primeira metade
(1961-1980).
Como o litoral leste do Nordeste climatologicamente tem uma precipitação bastante
superior a das áreas semiáridas, ele dificilmente é afetado por uma forte precipitação de forma
isolada de um determinado ano. Por outro lado, na área semiárida as precipitação de chuvas
são relativamente muito inferiores às do litoral, portanto, esta área do Nordeste do Brasil é a
mais vulnerável a apresentar tendência positiva de R20mm devido a um único episódio de
chuvas muito intensa.
53
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.6 Dias úmidos(R10mm). Tendência positiva significante marcada com + em negrito; tendência positiva
sem significância marcada com +; Tendência negativa com significância marcada com ●; e tendência negativa
sem significância marcada com ○.
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.7 Dias muito úmidos(R20mm). Tendência positiva significante marcada com + em negrito; tendência
positiva sem significância marcada com +; Tendência negativa com significância marcada com ●; e tendência
negativa sem significância marcada com ○.
54
A Figura 6.8 é relativa à configuração espacial da tendência do índice Rnnmm
(número de dias com chuvas diárias superior ou igual a 50 mm), denominado de dias
extremamente úmido. Este foi um índice que apresentou muitas tendências positivas, mas
todas com aumento muito discreto. Nenhum deles apresentou sequer 0,5 dia/ano de aumento
na tendência, e a quantidade de células com tendência menor do que 0,09dia/ano foi
relativamente grande como mostram a Figura 6.8 e a Tabela B1 do Anexo B. As tendências
negativas também foram pequenas, nenhuma delas apresentou significância estatística , o que
leva a crer que as chuvas extremas diárias, de um modo geral, estão ocorrendo com uma
maior freqüência ao longo dos 41 anos de dados analisados. Isto provavelmente é decorrente
do aumento de TSM do Atlântico Tropical Sul que leva a uma maior taxa de evaporação
induzindo um aumento da umidade transportada para o Continente.
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.8 Dias com chuvas extremas(Rnnmm). Tendência positiva significante marcada com + em negrito;
tendência positiva sem significância marcada com +; Tendência negativa com significância marcada com ●; e
tendência negativa sem significância marcada com ○.
55
As figuras 6.9 e 6.10, que representam os índices de dias muito úmidos (R95p) e
extremamente úmidos (R99p) respectivamente, apresentam uma configuração espacial muito
semelhante, mas os valores das tendências de R95p foram superiores aos de R99p. Para R95p
os máximos foram atingidos nas células 5°S 45°W (50,087mm/ano) e 5°S 47,5°W
(40.264mm/ano), localizadas sobre o Maranhão, dentre os valores com significância
estatística relevante. Considerando o índice R99p, a maior tendência encontrada entre os
valores positivos com significância estatística relevante estão exatamente sobre essas mesmas
células com alto R95p, mas com tendência máxima de pouco mais de 19mm ao ano. Assim
como para o Rnnmm esta configuração de tendências positivas para R95p e R99p
possivelmente é decorrente do aumento de TSM no Atlântico Tropical Sul.
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.9 Dias muito úmidos (R95p). Tendência positiva significante marcada com + em negrito; tendência
positiva sem significância marcada com +; Tendência negativa com significância marcada com ●; e tendência
negativa sem significância marcada com ○.
56
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.10 Dias extremamente úmidos (R99p). Tendência positiva significante marcada com + em negrito;
tendência positiva sem significância marcada com +; Tendência negativa com significância marcada com ●; e
tendência negativa sem significância marcada com ○.
O último gráfico relativo a índices pluviométricos é o da precipitação total anual.
Confirmando todas as outras tendências já observadas, o comportamento de PRCPTOT
acompanha o que foi vistos nos outros índices pluviométricos. Apenas a parte central da área
de estudo e alguns pontos do Nordeste apresentaram tendências negativas, no mais, todas as
células mostraram um aumento gradual da precipitação total de chuva, valendo salientar que
boa parte das tendências positivas apresentaram confiabilidade estatística igual ou superior a
90%. O oeste e norte do NB; as células dispostas entre o Maranhão e o norte da Bahia; e o
estado de Goiás apresentam tendência de aumento da precipitação anual com alta
significância estatística. Várias dessas células apresentaram um aumento de mais de 10mm de
chuva ao ano, enquanto no norte do Mato Grosso apresentou a maior tendência negativa, com
valores próximos a 14mm/ano. De modo geral este aumento da precipitação total anual pode
ser decorrente do aumento observado na TSM no Atlântico Tropical Sul nos últimos 30 anos
(SERVAIN et al., 2000). Entretanto, verifica-se que o aumento não é em toda área, em alguns
pontos observa-se tendência negativa, isto mostra que os efeitos locais também são relevantes
para a produção de precipitação.
57
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.11 Precipitação Total (PRCPTOT). Tendência positiva significante marcada com + em negrito;
tendência positiva sem significância marcada com +; Tendência negativa com significância marcada com ●; e
tendência negativa sem significância marcada com ○.
Analisando agora para os índices de temperatura, a figura 6.12 mostra a configuração
espacial da temperatura máxima. Observou-se uma tendência de decaimento nas Regiões
Norte e Centro-Oeste e um aumento no Nordeste, exceto Maranhão e em algumas áreas da
Bahia. Embora a figura 6.12 mostre uma diminuição da maior temperatura máxima, essa
tendência tem sido ínfima, não chegando nem a 0,09°C ao ano, conforme pode ser visto nas
tabelas com os valores de tendências de todos os índices do Apêndice B. As tendências
positivas também apresentaram valores com essa mesma ordem de grandeza. Isto revela que
as tendências observadas são decorrentes de efeitos locais e globais. É importante ressaltar
que o aumento global da temperatura do ar próximo a superfície não necessariamente produz
aumento da temperatura em todos os locais. Dependendo das condições do escoamento
induzido pelo aquecimento global, em algumas áreas, a temperatura pode até mesmo
diminuir. Também deve ser mencionado que as análise não são para as temperaturas médias,
mínimas e máximas diárias, mas para eventos extremos. No caso da Figura 6.12 usa-se a
maior temperatura máxima registrada no ano, ou seja, entre as 365 máximas diárias, escolhe-
se a maior.
58
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.12 Maior temperatura máxima (TXx). Tendência positiva significante marcada com + em negrito;
tendência positiva sem significância marcada com +; Tendência negativa com significância marcada com ●; e
tendência negativa sem significância marcada com ○.
A Figura 6.13 mostra a configuração espacial do índice TNx, que representa a maior
temperatura mínima ocorrida em um ano. Observa-se que de maneira geral verificou-se uma
tendência de diminuição, sendo quase todas estatisticamente significativas. Embora a
diminuição do valor da maior temperatura mínima tenha ocorrido quase que na totalidade da
área de estudo, essa tendência só ultrapassou o valor de 0,1°C em duas células (17,5°S;
57,5ºW e 17,5ºS; 60ºW), mas levando-se em conta que são 41 anos de dados, pode-se
considerar que houve uma diminuição de quase 0,5°C na maior temperatura mínima no
extremo sudoeste do Mato Grosso. É importante destacar que esta diminuição da maior
temperatura mínima no Mato Grosso pode ter sido causada pelo o desmatamento, pois nas
regiões sem vegetação as temperaturas mínimas noturnas são, em geral, inferiores a de regiões
vegetada tomando em consideração as mesma condições geográficas. Para a região
Amazônica, a princípio não se tem uma explicação consistente, mas provavelmente esteja
relacionada com o aumento da precipitação e conseqüentemente da nebulosidade que impede
a chegada de parte da radiação solar a superfície. Ressalta-se que esta hipótese é apenas uma
59
especulação. Para a parte leste da Região Nordeste observou-se um aumento na tendência da
maior temperatura mínima em um ano. Esta configuração está de acordo com as condições
observada em superfície por outros pesquisadores, como por exemplo, Vincent et al. (2005).
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.13 Maior temperatura mínima (TNx). Tendência positiva significante marcada com + em negrito;
tendência positiva sem significância marcada com +; Tendência negativa com significância marcada com ●; e
tendência negativa sem significância marcada com ○.
O mapa obtido para a menor temperatura máxima (Figura 6.14) mostra que todo o
setor mais a oeste da área de estudo tem apresentado uma tendência negativa, enquanto que a
parte mais a leste vem tendo um aumento de TXn. A região central apresenta uma maioria de
tendências negativas, mas as positivas também estão presentes, podendo-se ainda comentar
que entre as células estatisticamente significantes (localizadas no oeste e leste da área) está
um grupo de células sem tanta confiabilidade estatística, o que faz entender ainda melhor que
esta região é de transição entre o aumento e diminuição da menor temperatura máxima. Assim
como no índice TNx, apenas duas células atingiram valores de tendência negativa superior a
0,1°C ao ano (17,5°S 57,5°W e 17,5°S 60°W), enquanto que todas as tendências positivas não
chegaram nem a 0,09°C/ano. Este tipo de configuração mostra que as causas para uma
aumento ou diminuição da menor temperatura máxima em um ano são provenientes de efeitos
locais e globais e dependendo da região um ou outro efeito é predominante.
60
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.14 Menor temperatura máxima (TXn). Tendência positiva significante marcada com + em negrito;
tendência positiva sem significância marcada com +; Tendência negativa com significância marcada com ●; e
tendência negativa sem significância marcada com ○.
A Figura 6.15 apresenta a configuração espacial do índice TNn, que representa a
menor temperatura mínima em um ano. Este índice é de grande importância, pois o aumento
da temperatura mínima é um forte indicador de aquecimento.
Observa-se na figura, um gradiente de tendência entre o setor sudoeste e o nordeste da
área de estudo. Na região Nordeste, nos estados de Minas Gerais, Goiás, Tocantins e Pará e
no leste do estado do Amazonas verifica-se tendência de aumento da menor temperatura
mínima no ano. Esta configuração de elevação da temperatura mínima da mínima é coerente
com os estudos de outro pesquisadores, realizados para outra parte do Globo, como a
investigação feita por Santos et al. (2010) para o estado de Utah, Estados Unidos da América.
Por outro lado, No Mato Grosso, Rondônia, Acre e oeste do estado do Amazonas observou-se
tendência de diminuição. Mato Grosso, Rondônia e Acre sofreram um intenso desmatamento,
nos últimos 40 anos (*** É necessário acrescentar alguma fonte que comprove isso?). A
retirada da floresta pode ter sido a causa para uma diminuição da temperatura mínima da
61
mínima, uma vez que para as mesmas condições geográfica a temperatura mínima de uma
área vegetada é superior a mínima de uma área desmatada.
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.15 Menor temperatura mínima (TNn). Tendência positiva significante marcada com + em negrito;
tendência positiva sem significância marcada com +; Tendência negativa com significância marcada com ●; e
tendência negativa sem significância marcada com ○.
O índice DTR representa a variação da temperatura ao longo do dia, e pode ser visto
na figura 6.16.
A tendência negativa estatisticamente confiável se encontra no noroeste da área de
estudo. Tendências positivas e confiáveis são observadas sobre o estado do Mato Grosso. Pelo
que foi percebido nos índices TXx e TNn, tanto a maior temperatura máxima está caindo
quanto a menor temperatura mínima está tendo uma diminuição nesta região do Mato Grosso,
então para que haja um aumento da variação da temperatura do dia, observou-se que a maior
temperatura máxima tem diminuído bem menos do que a menor temperatura mínima, daí vem
o aumento da DTR nessa área. Já no Amazonas, os valores de TXx e TNn estão ficando mais
próximos, por isso ocorre uma diminuição da DTR sobre este estado. Vale ainda lembrar que
em todas as células, haja tendência negativa ou positiva, confiável ou não, a magnitude desse
índice não alcança nem 0,09°C ao ano.
62
Esses índices de menor temperatura devem sempre ser fortemente considerados, tendo
em vista que eles são excelentes indicadores de aquecimento de uma região.
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.16 Variação da temperatura ao dia (DTR = TXx-TNn). Tendência positiva significante marcada com +
em negrito; tendência positiva sem significância marcada com +; Tendência negativa com significância marcada
com ●; e tendência negativa sem significância marcada com ○.
A Figura 6.17 apresenta a distribuição espacial da tendência da percentagem de dias
no ano com temperatura mínima menor que o 10º percentil da temperatura mínima diária dos
41 anos de dados. Enquanto a Figura 6.18 mostra a distribuição espacial da tendência da
percentagem de dias no ano com temperatura máxima menor que o 10º percentil da
temperatura máxima diária.
Observa-se que para a temperatura mínima (Figura 6.17) verificou-se uma diminuição
da percentagem dos dias com temperatura mínima inferior ao 10º percentil, em quase toda a
área de estado, a exceção foi no Mato Grosso, Rondônia e Acre. Isto significa que a
temperatura mínima diária em quase toda área aumentou na maioria dos dias, a exceção foi
Mato Grosso, Rondônia e Acre, regiões que sofreram um intenso processo de desmatamento
(*** É necessário dar alguma fonte que comprove isto?).
63
Para a temperatura máxima (Figura 6.18) observou-se um aumento da percentagem
dos dias com temperatura máxima inferior ao 10º percentil nas Regiões Norte e Centro-Oeste,
e uma diminuição na Região Nordeste, ou seja, para o Nordeste a percentagem de dias com a
temperatura máxima menor que o 10º percentil diminui. Portanto, no Nordeste o número de
dias com temperatura máxima superior ao 10º percentil aumentou, ou seja, nos últimos anos
houve um número maior de dias com temperatura máxima mais elevada que nos primeiros
anos da série de dados.
Esse aumento de temperatura pode trazer vários problemas para a sociedade e para o
meio ambiente em geral. A vegetação e alguns animais podem não se adaptar às novas
temperaturas, bem como pode haver uma maior evaporação da água, ocasionando até
problemas de abastecimento de água para cidades. Se ainda for considerado que em geral são
fatores como desmatamento ou emissão de gases na atmosfera que provocam o aquecimento
da temperatura em uma certa região, daí que os efeitos nocivos deste aquecimento ficam mais
evidentes, podendo até aumentar a ocorrência de doenças respiratórias e de pele, e fazer com
quem grupos de animais migre para as cidades, por exemplo.
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.17 Dias com as menores temperaturas mínimas (TN10p). Tendência positiva significante marcada com
+ em negrito; tendência positiva sem significância marcada com +; Tendência negativa com significância
marcada com ●; e tendência negativa sem significância marcada com ○.
64
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.18 Dias com as menores temperaturas máximas (TX10p). Tendência positiva significante marcada com
+ em negrito; tendência positiva sem significância marcada com +; Tendência negativa com significância
marcada com ●; e tendência negativa sem significância marcada com ○.
A configuração espacial da percentagem de dias com temperatura mínima superior ao
90º percentil é mostrada na Figura 6.19 observa-se que na maior parte da Região Nordeste, no
norte de Minas Gerais, em Goiás e leste do Mato Grosso ocorreu um aumento dos dias com a
máxima superior ao 90º percentil. Este tipo de configuração foi observado por outros
pesquisadores, como por exemplo Vincent et al. (2005). Enquanto, na Região Norte
verificou-se uma diminuição dos dias com temperatura máxima superior ao 90º percentil, não
há uma explicação confiável para a diminuição do número de dias com temperatura máxima
superior ao 90º percentil, mas provavelmente esteja relacionado com o aumento da
precipitação e conseqüentemente da nebulosidade impendido que parte da radiação solar
atinja a superfície, produzindo uma diminuição da temperatura máxima diária.
A Figura 6.20 apresenta a configuração espacial da percentagem de dias com
temperatura mínima superior ao 90º percentil. Observa-se que sobre o Nordeste, norte de
Minas Gerais, Goiás e Tocantins ocorreu um aumento dos dias do ano com temperatura
mínima superior ao 90º percentil. Para o Mato Grosso e Região Norte exceto o Tocantins
verificou-se uma diminuição no número de dias com temperatura mínima superior ao 90º
percentil.
65
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.19 Dias com as maiores temperaturas máximas (TX90p). Tendência positiva significante marcada com
+ em negrito; tendência positiva sem significância marcada com +; Tendência negativa com significância
marcada com ●; e tendência negativa sem significância marcada com ○.
-70 -65 -60 -55 -50 -45 -40 -35-20
-15
-10
-5
0
5
Figura 6.20 Dias com as maiores temperaturas mínimas (TN90p). Tendência positiva significante marcada com
+ em negrito; tendência positiva sem significância marcada com +; Tendência negativa com significância
marcada com ●; e tendência negativa sem significância marcada com ○.
66
6.2 Relação entre TSM e índices climáticos
A atmosfera que envolve toda a região de estudo está profundamente sujeita aos
sistemas que ocorrem em sua área e ao seu redor. Cada novo evento meteorológico que
acontece, promove variabilidade em todo o clima brasileiro. A temperatura da Superfície do
Mar (TSM) é um dos fatores com grande influência sobre o clima da área estudada, sendo
assim, o comportamento dos Oceanos Pacífico e Atlântico é de relevante importância para o
clima, por isso realizou-se um estudo comparativo entre os índices de extremo climático e as
anomalias da TSM nas áreas de Niño 1+2; Niño 3; Niño 3.4 e Niño 4, no Pacífico Equatorial,
e as áreas Atl_N e Atl_S, no Atlântico Tropical (Figura 6.21).
No oceano Pacífico, as interações entre oceano e atmosfera dão origem ao fenômeno
climático El Niño, que causa variações e flutuações periódicas em escala sazonal e inter-anual
no clima brasileiro. O oceano Atlântico tropical também impõe sua influência através do forte
ciclo sazonal que ele apresenta, devido ao deslocamento da Zona de Convergência
Intertropical (ZCIT).
Na tentativa de quantificar quão relacionados estão os índices de extremo climático e
as anomalias da TSM, foram selecionados sete índices pluviométricos e cinco índices de
temperatura para serem correlacionados com as anomalias de TSM das seis áreas supracitadas
e mostradas na Figura 6.21 dos oceanos Pacífico e Atlânticos. Os índices pluviométricos
estudados foram: CDD (dias secos consecutivos); CWD (dias úmidos consecutivos);
PRCPTOT (precipitação total); R10mm (dias de chuva acima de 10mm – dias úmidos);
R20mm (dias de chuva acima de 20mm – dias muito úmidos); R95p (Dias muito úmidos) e
SDII (índice simples de intensidade diária).
Os índices de temperatura utilizados foram: DTR (maior máxima – menor mínima);
TNn (menor temperatura mínima), TNx (maior temperatura mínima); TXn (menor
temperatura máxima) e TXx (maior temperatura máxima).
Além das correlações entre os índices e as anomalias da TSM, também foram
analisadas as correlações entre os índices e a DPO (oscilação decadal do Pacífico), e entre os
índices e a OMA (oscilação multidecadal do Atlântico).
67
Figura 6.21 Regiões do El Niño e Atlânticos Norte e Sul
Fonte: UACA/UFCG Disponível no endereço: <http://www.dca.ufcg.edu.br/tsm.htm>
Como mostrado no Capítulo 5 Material e Métodos Seção 5.2.3, o cálculo das
correlações, r, foi feito pelo método dos mínimos quadrado. Para saber se a correlação era
estatisticamente significativa usou-se o teste t-student.
Todas as tabelas apresentando os valores de r obtidos através dos cálculos realizados
podem ser encontradas no Apêndice C, e os valores utilizados para as anomalias do Pacífico e
Atlântico estão no Apêndice D.
Das correlações obtidas, observou-se que o índice TNn é fortemente correlacionado
com todas as anomalias da TSM de todas as áreas dos Niño, que serão chamadas de Niño
daqui por diante. Na latitude de 10°S, essa correlação continua existindo, mas a confiança
estatística vai diminuindo, já que em algumas células da latitude de 15°S essa confiabilidade
chega a menos de 90%.
Na latitude de 5°N, TXx é fracamente correlacionado com Niño, enquanto TXn
apresenta uma correlação com mais de 90% de confiabilidade com as anomalias de Nino 3,
Niño 3.4 e Niño 4. Nas células seguintes, o que se pode notar é que, na latitude de 0°, quanto
mais a oeste a célula está, menor a confiabilidade da correlação entre ela e Niño, isto valendo
tanto para TXn, quanto para TXx, exceto pela célula em 0° 60°W, em que a correlação de
TXn com Niño apresenta alguma confiabilidade. O que se observa é que à medida em que
TXx e TXn vão deixando de se correlacionar fortemente com Niño, eles passam a se
correlacionar melhor com a DPO, com a OMA e com Alt_N, mostrando que quanto mais ao
sul uma célula está, melhor correlacionada com o Atlântico ela fica. Da mesma forma, quanto
68
mais ao norte uma célula está, melhor correlacionada com o Niño. A anomalia Alt_S está
sempre melhor correlacionada com os índices pluviométricos.
TNx parece estar melhor correlacionado com DPO e com as anomalias do Atlântico
que com as anomalias dos Niño. O índice DTR praticamente não possui qualquer correlação
com as anomalias do Niño.
Os índices SDII e PRCPTOT, de uma maneira geral, apresentam uma fraca correlação
com as anomalias dos Niños, entretanto, ainda é possível verificar células com alguma forte
correlação com El Nino, mas pode-se concluir que as regiões do El Niño apresentaram uma
fraca influência sobre a precipitação total da região estudada, bem como teve pouca
correlação com as intensidade simples de chuvas diárias durante o período no período
estudado. Uma outra observação é que as precipitações das áreas mais ao norte estão melhor
correlacionadas com as anomalias dos Niño que com as do Atlântico, porém a medida que se
desloca mais para o sul as correlações se invertem, pois verifica-se uma melhor correlação
com as anomalias do Atlântico. Este tipo de configuração de correlação já tinha sido
observado por outros pesquisadores, como por, exemplo, Uvo e Nobre (1989). A anomalia com fortes correlações mais freqüentes com SDII é a Alt_S, mostrando
que este índice é bem afetado pelas variabilidade da TSM do Atlântico Sul. Portanto, um
aumento da TSM do Atlântico Sul leva a produção de chuvas mais intensa, enquanto uma
diminuição da TSM leva a um decaimento da intensidade da chuvas. Isto ocorre porque um
aumento da TSM levará a um aumento da evaporação, e o vapor d‘água excedente é
transportado para o Continente.
A PRCPTOT é bem influenciada pela DPO e pelas anomalias do Atlântico e na grande
maioria dos casos, trata-se de uma correlação negativa. O índice DPO refere-se a oscilação
decadal do Pacífico Norte. Quando o índice está mais elevado há um aumento das TSM do
Pacífico Norte e isto leva a uma diminuição das chuvas sobre o Atlântico e regiões adjacente
devido a subsidência de grande escala.
Tratando-se do índice DPO, percebe-se que suas correlações são quase todas negativas
nas latitudes de 10°S e de 15°S. R10mm, R20mm e R95p apresentam um padrão bem variado,
ora estando correlacionados fortemente com El Niño, ora com as oscilações do Atlântico.
Ainda vale ressaltar que essas correlações variam de positiva para negativa sem
aparentemente seguir qualquer padrão.
Os índices CDD e CWD não apresentam nenhum padrão fixo em suas correlações,
mas o que se nota é que CDD está bem correlacionado com DPO e sempre negativamente.
69
CWD é um dos índices com correlações mais variadas, assim entende-se que os efeitos das
anomalias são bem específicos em cada célula quando se considera este índice.
De maneira geral observou-se que a maioria dos índices de extremos climáticos foram
bem correlacionados com os índices DPO e OMA. Portanto, a Oscilação Decadal do Pacífico
e a Oscilação Multidecadal do Atlântico tem influencia sobre os extremo climático da parte
norte do Brasil. Como estas são oscilações em escala de tempo muito grande (década), esta
dependência necessita passar por uma investigação mais detalhada.
70
7 CONCLUSÃO
Visando entender melhor a climatologia da porção do Brasil localizada acima da
latitude de 18,75°S, este trabalho se propôs a utilizar índices de mudanças climáticas para
fazer uma análise estatística da temperatura e da precipitação pluvial ao longo de quarenta e
um (41) anos de dados disponíveis.
Tomando por base os resultados obtidos, as conclusões mais contundentes foram:
(I) Houve aumento de todos os índices de precipitação em quase toda a área de
estudo, exceto no extremo nordeste da Região Nordeste, no Estado do Mato
Grosso e no centro sul do Pará, do que se pode concluir que as mudanças são
devidas a fatores globais e locais; e que os fatores locais, como desmatamento
e construção de cidades, podem ser determinantes para ocorrência de
mudanças climáticas. (*** um dos membros da banca pediu que fossem
citados alguns exemplos de fatores locais)
(II) Os índices CDD e CWD apresentaram tendências negativas, logo o número de
dias secos consecutivos e dias úmidos consecutivos diminuiu ao longo da série
de dados, do que se conclui que vem ocorrendo um maior aumento na
freqüência de dias secos seguidos de dias úmidos e vice-versa.
(III) Os dias extremamente chuvosos apresentaram um aumento de ocorrências,
principalmente no norte da Região Norte; nos Estados do Maranhão e Piauí,
provavelmente devido à atuação da ZCIT; e também houve aumento no estado
de Goiás, possivelmente relacionado com a ZCAS.
(IV) Ocorreu aumento no número de dias com temperatura máxima mais elevada e
houve diminuição na quantidade de dias apresentando as menores
temperaturas, porém para a maioria dos demais índices de temperatura, o que
se verificou foi uma diminuição, ou seja, uma queda na temperatura, o que
mostra que estes índices necessitam de uma investigação mais profunda, para
que se obtenha conclusões mais confiáveis.
(V) Os índices de precipitação estão melhor correlacionados com a DPO, a OMA e
com as anomalias do Atlânticos Norte e do Atlântico Sul. A DPO e a OMA
apresentaram muito boa correlação com quase todos os índices em quase todas
as células.
(VI) Os índices de temperatura estão melhor correlacionados com as anomalias
relativas às regiões do El Niño nas latitudes mais baixas, mas quanto mais ao
71
sul estão localizadas as células, mais fraca essa correlação fica, e então surge
uma melhor correlação com as anomalias do Atlântico Norte, DPO e OMA.
(VII) Observou-se uma boa relação entre as mudanças indicadas pelos índices com o
desmatamento, em especial na região do Mato Grosso e Sul do Pará.
Por fim, conclui-se que mudanças climáticas são observadas nas três regiões
brasileiras estudadas: Norte, Nordeste e Centro-Oeste.
72
8 SUGESTÕES
Os seguintes tópicos ficam sugeridos para futuros estudos:
A investigação dos índices de temperatura utilizando a temperatura mensal, e não
apenas a anual, produziria uma melhor explicação de tais índices.
Uma outra sugestão ainda relativa ao tratamento de temperaturas é a de gerar os
gráficos e valores de tendência utilizando todas as temperaturas máximas e mínimas diárias e
não apenas os valores extremos.
Tratando-se das correlações dos índices com as anomalias, seria proveitoso pesquisar a
influência da DPO e da OMA sobre a precipitação e a temperatura, tendo em vista que esses
índices apresentaram excelentes correlações com as células aqui estudas. Seria interessante
também que esse estudo usasse uma quantidade maior de dados, atingindo uma quantidade
bem maior de anos, tendo em vista que a DPO e a OMA apresentam ciclos com longas
durações.
Para obter uma visão mais completa da climatologia local, torna-se interessante
ampliar este estudo aqui realizado para toda a área do Brasil e também para toda a América do
Sul. Como os sistemas sinóticos que chegam no Brasil influenciam o Continente inteiro, os
resultados da atuação deles em toda a América do Sul trariam uma compreensão completa de
como cada um deles molda a climatologia do Continente.
73
9 CONSIDERAÇÕES FINAIS
Como ainda não há um total conhecimento sobre a climatologia do Brasil e dos
eventos meteorológicos que geram as chuvas e que alteram as temperaturas de toda essa
região, torna-se importante realizar estudos diagnósticos que alcancem toda essa área,
permitindo que uma melhor compreensão seja obtida sobre o comportamento do clima e das
variáveis meteorológicas que atuam sobre esta região, o que possibilitará que no futuro sejam
feitos melhores estudos prognósticos sobre esta área.
Os modelos numéricos realizam o nobre esforço de tentar representar as características
físicas da atmosferas na tentativa de gerar previsões mais confiáveis com base nas
informações que possuem, por isso é de suma importância conhecer bem como se comporta o
clima, para que os modelos consigam prever situações mais próximas das observadas, dessa
forma surge a importância de também realizar estudos comparativos entre os dados
diagnosticados e os prognosticados via modelagem numérica.
O estudo aqui presente serve como base diagnóstica científica e estatística da
climatologia de toda a porção do Brasil localizada acima de 18,75°S e o que se espera é que
ele possa ajudar numa melhor compreensão da climatologia brasileira, já que ele apresenta
resultados relativos a índices de mudanças climáticas e às correlações com anomalias que
atingem todo o país.
74
10 REFERÊNCIAS BIBLIOGRÁFICAS
AB‘SABER, A. N. O domínio morfoclimático amazônico. São Paulo: IGEOG/USP, 1966.
ALVES, L. M. Clima da Região Centro-Oeste do Brasil. In: CAVALCANTI, I. F. A.;
FERREIRA, N. J.; SILVA, M. G. A. J.; DIAS, M. A. F. S. (Eds.) Tempo e Clima no Brasil.
São Paulo; Oficina de Textos. cap. 15. p. 235 - 241, 2009.
AMBRIZZI, T.; ROCHA, R.; MARENGO, J. A.; PISNITCHENKO, A. I.; ALVES, L.;
FERNANDEZ, J. P. Cenários regionalizados de clima no Brasil para o século XXI:
Projeções de climas usando três modelos regionais. Relatório n. 3, MINISTÉRIO DO
MEIO AMBIENTE – MMA, SECRETARIA DE BIODIVERSIDADE E FLORESTAS –
SBF, DIRETORIA DE CONSERVAÇÃO DA BIODIVERSIDADE – DCBio. Mudanças
Climáticas Globais e Efeitos sobre a Biodiversidade – Subprojeto: Caracterização do clima
atual e definição das alterações climáticas para o território brasileiro ao longo do século XXI.
Brasília, fev. 2007.
ASNANI, C.G. Tropical Meteorology, Chapter 8, Easterly Waves, Indian Institute of
Tropical Meteorology. 1992.
ARAÚJO, W. S. Detecção de Tendências de Mudanças Climáticas para os Estados da
Bahia e Sergipe por meio de Índices Pluviométricos Diários. 2009, 162 p., Dissertação
(Mestrado em Meteorologia), Universidade Federal de Campina Grande, Campina Grande,
2009.
BERGER, A.; LOUTRE, M. F. Modelling the 100-kyr cycle — an example from LLN
EMICs, Developments in Quaternary Sciences, v. 7, p. 37-44, 2007.
BERGER, A.; LOUTRE, M. F. An exceptionally long interglacial ahead? Science, v. 297, n.
5585, p. 1287-1288, 2002.
CARVALHO, L. M. V.; JONES, C. Zona de Convergência do Atlântico Sul. In:
CAVALCANTI, I. F. A.; FERREIRA, N. J.; SILVA, M. G. A. J.; DIAS, M. A. F. S. (Eds.)
Tempo e Clima no Brasil. São Paulo; Oficina de Textos. cap. 6. p. 96 - 109, 2009.
75
CAVALCANTI, I. F. A. Um estudo sobre interações sobre sistemas de circulação de
escala sinótica e circulações locais. 1982. 113f (INPE-2494-TDL/097). Dissertação
(Mestrado em Meteorologia) – INPE, São José dos Campos, 1982.
Centro de Previsão do Tempo e Estudo Climático (CPTEC) do Instituto Nacional de
Pesquisas Espaciais (INPE). Projeto PNUD – Projeções de Cenários Climáticos: Índices.
Disponível em http://pnud.cptec.inpe.br/pnud_ie.html, acessado em 10 de maio de 2010.
CAVALCANTI, I. F. A.; KOUSKY, V. E. Frentes frias sobre o Brasil. In:
CAVALCANTI, I. F. A.; FERREIRA, N. J.; SILVA, M. G. A. J.; DIAS, M. A. F. S. (Eds.)
Tempo e Clima no Brasil. São Paulo; Oficina de Textos. cap. 9. p. 135 - 147, 2009.
CRAWFORD, R. J. M., W. R. SIEGFRIED, L. V. SHANNON, C. VILLACASTING-
HERRORO. Environmental influences on marine biota of Southern Africa. S. Afr. Journal
Science, n. 86, p. 330-339, 1990.
CHUNG, J. C. Correlations between the tropical Atlantic trade winds and precipitation in
Notheastern Brazil. Journal of Climatology of Northeast Brazil. Journal of climatology, n.2,
p. 35-46, 1982.
COHEN, J.; CAVALCANTI, I. F. A.; BRAGA, R. H. M.; NETO, L. S. Linhas de
Instabilidade na Costa N – NE da América do Sul. In: CAVALCANTI, I. F. A.;
FERREIRA, N. J.; SILVA, M. G. A. J.; DIAS, M. A. F. S. (Eds.) Tempo e Clima no Brasil.
São Paulo; Oficina de Textos. cap. 5. p. 75 - 93, 2009.
COHEN, J. C. P.; SILVA DIAS, M. A. F.; NOBRE C. A. Aspectos climatológicos das linhas
de instabilidade na Amazônia. Climanálise, v. 4, n. 11, p. 34-40, 1989.
EEROLA, T.Climate changes at the Neoproterozoic-Cambriam transition. In: Zhuravlev,
and Riding, R. (Eds.) The Ecology of the Cambrian Radiation. Columbia University Press,
New York, 2001a, p. 90-106.
76
FRICH, P.; ALEXANDER, L. V.; DELLA-MART, A. P.; GLEASON, B.; HAYLOCK, M.;
KLEIN TANK, A. M. G.; PETERSON, T. Observed coherent changes in climatic extremes
during the second half of the twentieth century. Climate Research, v. 19, p. 193–212, 2002.
GRECO, S.; SWAP, R.; GARSTANG, M.; ULANSKI, S.; SHIPHAM, M.; HARRIS, R. C. et
al. Rainfall and surface kinematic conditions over central Amazonia ABLE 2B. Journal.
Geophysics Resources, v. 95-D10, p. 17001-17014, 1990.
GOWDAK, D; MARTINS, E. Meio Ambiente. São Paulo: FTD, 2003. (Coleção Novo.
Pensar n.5).
GUTMAN, G. J.; SCHWERDTFEGER, W. The role of latent and sensible heat for the
development of a high pressure system over the subtropical Andes, in Summer. Journal Heft,
v.18, n.3, 1965.
HARTMANN, D. L., Global Physical Climatology. California: Academic Press, 1994, 411p.
HASTENRATH, S. Predictability of Northeast Brazil Drought. Nature, n.307, p.531-533,
1984.
HAYLOCK, M.R.; PETERSON, T.C.; ALVES, L.M.; AMBRIZZI, T.; ANUNCIAÇÃO,
Y.M.T.; BAEZ, J.; BARROS, V.R.; BERLATO, M.A.; BIDEGAIN, M.; CORONEL, G.;
GARCIA, V.J.; GRIMM, A.M.; KAROLY, D.; MARENGO, J.A.; MARINO, M.B.;
MONCUNILL, D.F.; NECHET, D.; QUINTANA, J.; REBELLO, E.; RUSTICUCCI, M:;
SANTOS, J.L.; TREBEJO, I.; VINCENT, L.A. Trends in total and extreme South American
rainfall 1960–2000 and links with sea surface temperature. Journal of Climate v.19, p.
1490–1512. 2006.
IPCC. Climate change 2001. working group II: Impacts, adaptations and vulnerability.
Disponível em: <http://www.grida.no/climate/ipcc_tar/wg2/pdf/wg2TARchap5.pdf >Acesso
em: 08 Jul. 2010.
IPCC. Climate Change 2007 – The Physical Science Basis. Contribution of Working Group
I to the Fourth Assessment Report of the IPCC. Cambridge: Cambridge University Press,
2007
77
KALNAY, E.; CAI, M. Impact of urbanization and land-use change on climate. Nature,
v.423, n.47, p.528-531, 2003.
KAYANO, M. T.; ANDREOLI, R. V. Clima da Região Nordeste do Brasil. In:
CAVALCANTI, I. F. A.; FERREIRA, N. J.; SILVA, M. G. A. J.; DIAS, M. A. F. S. (Eds.)
Tempo e Clima no Brasil. São Paulo; Oficina de Textos. cap. 14. p. 213 - 233, 2009.
KOUSKY, V.E.; GAN, M.A. Upper tropospheric cyclonic vortices in the tropical South
Atlantic. Tellus, v. 36, n. 6, p. 538-551, 1981.
KOUSKY, V. E. Diurnal rainfall variation in the Northeast Brazil. Monthly Weather
Review, v. 108, p. 488-180, 1980.
KOUSKY, V. E. Frontal influences on Northeast Brazil. Monthly Weather Review, v.107,
p. 1140-1153, 1979.
LENTERS, J. D.; COOK, K. H. On the origin of the Bolivian high and related circulation
features of South American climate. Journal of the Atmospheric Sciences, v.54, p.656-677,
1997.
LIMA, C. M. e RAO, V. B.: Estudo de Casos Extremos (secas/enchentes) no leste da Região
Nordeste do Brasil. Anuais do VIII Congresso Brasileiro de Meteorologia, n. 2, p. 46-48,
1994.
MACHADO, L. A. T.; FERREIRA, N. J.; LAURENT, H.; DIEDHIOU, A. Distúrbios
Ondulatórios de Leste. In: CAVALCANTI, I. F. A.; FERREIRA, N. J.; SILVA, M. G. A. J.;
DIAS, M. A. F. S. (Eds.) Tempo e Clima no Brasil. São Paulo; Oficina de Textos. cap. 4. p.
61 - 74, 2009.
MARENGO, J. A,; NOBRE, C. A. Clima da Região Amazônica. In: CAVALCANTI, I. F.
A.; FERREIRA, N. J.; SILVA, M. G. A. J.; DIAS, M. A. F. S. (Eds.) Tempo e Clima no
Brasil. São Paulo; Oficina de Textos. cap. 13. p. 197 - 121, 2009.
78
MARENGO, J. A. et al. Mudanças climáticas globais e seus efeitos sobre a biodiversidade
– Caracterização do clima atual e definição das alterações climáticas para o territórios
brasileiro ao longo do séculoXXI. 2. Ed. Brasília: Ministério do Meio Ambiente, 2007. v. 1.
p. 214.
MARENGO, J. A.; NOBRE, C. A. The hydroclimatological framework in Amazônia. In:
RICHEY, J. E; McCLAIN, M. E.; VICTORIA, R. L. (Eds.). Biogeochemistry of Amazonia.
Oxford: Oxford University Press, 2001. p. 17-42.
MELLO, A. B. C., CAVALCANTI, I. F. A., SOUZA, P. P. Zona de Convergência
Intertropical do Atlântico. In: CAVALCANTI, I. F. A.; FERREIRA, N. J.; SILVA, M. G.
A. J.; DIAS, M. A. F. S. (Eds.) Tempo e Clima no Brasil. São Paulo; Oficina de Textos. cap.
2. p. 25 - 41, 2009.
MERRITS, D., De Wet, A. & MENKING, K. 1997. Environmental geology. An Earth
system science approach. New York: W.H. Freeman and Company, p. 452, 1997.
MOURA, A. D. AND SHUKLA, J. On the dynamics of droughts in the northeast Brazil:
Observation, theory, and numerical experiments with a general circulation model. Journal of
the Atmospheric Sciences v.38, p. 2653-2675, 1981.
MURCK, B.W., Skinner, B. & Porter, S.C. 1996. Environmental geology. New York: John
Wiley & Sons, Inc., p. 535, 1996.
NEIVA, E. J. F. Na investigation of wave-type disturbances over the Tropical South
Atlantic. 1975 Dissertação (Mestrado em Meteorologia) – Naval Post Graduate School,
Monterrey, California, USA, 1975.
NIMER, E. Climatologia no Brasil, 2. Ed. Rio de Janeiro: Fundação IBGE, 1989.
OBREGÓN, G.; MARENGO, J. Caracterização do clima do século XX no Brasil:
Tendências de chuvas e temperaturas médias e extremas. Relatório n. 2, MINISTÉRIO
DO MEIO AMBIENTE – MMA, SECRETARIA DE BIODIVERSIDADE E FLORESTAS –
SBF, DIRETORIA DE CONSERVAÇÃO DA BIODIVERSIDADE – DCBio. Mudanças
79
Climáticas Globais e Efeitos sobre a Biodiversidade – Subprojeto: Caracterização do clima
atual e definição das alterações climáticas para o território brasileiro ao longo do século XXI.
Brasília, fev. 2007.
OLIVEIRA, A. S. Interações entre sistemas frontais na América do Sul e convecções
sobre a Amazônia. Tec. Rep. INPE-4008-TDL/239, 115f., São José dos Campos – SP, 1989.
PALMER, C. E. On high-level cyclones originating in the tropics. Transaction of America
Geophysics Union, n.32, p.683-695, 1951.
PEZZI, L. P.; SOUZA, R. B.; Variabilidade de mesoescala e interação oceano-atmosfera
no Atlântico Sudoeste. In: CAVALCANTI, I. F. A.; FERREIRA, N. J.; SILVA, M. G. A. J.;
DIAS, M. A. F. S. (Eds.) Tempo e Clima no Brasil. São Paulo; Oficina de Textos. cap. 24. p.
385 - 405, 2009.
QIAN, W., LIN, X. Regional trends in recent precipitation indices in China. Meteorology
and Atmospheric Physics, v. 90, p. 193-207, 2005.
SALATI, E; SANTOS, A. A. dos; NOBRE, C. As mudanças climáticas globais e seus
efeitos nos ecossistemas brasileiros. Disponível em:
<www.comciencia.br/reportagens/clima/clima14.htm> Acesso em: 12 Jun. 2010.
SALATI, E; MARQUES, J. Climatology of the Amazon region. In: SIOLI, H. (Ed.) The
Amazon: limnology and landscape ecology of a mighty tropical river and its basin.
Dordrecht: Dr. W. Junk Publishers, 1984.
SANTOS, C. A. C.; NEALE, C. M. U.; RAO, T. V. R.; SILVA, B. B. Trends in indices for
extremes in daily temperature and precipitation over Utah, USA. International Journal of
Climatology, 2010.
SANTOS C.A.C; BRITO, J.I.B. Análise dos índices de extremos para o semi-árido do Brasil
e suas relações com TSM e IVDN. Revista Brasileira de Meteorologia v. 22, p. 303–312,
2007.
80
SENTELHAS, P. C., PEREIRA A. R., ANGELOCCI, L. R. Meteorologia agrícola, 3ª
edição, Piracicaba: Escola Superior de Agricultura Luiz de Queiroz, 2000.
SERRA, A. L.; RATISBONA, L. R. As massas de ar da América do Sul. Rio de Janeiro:
Ministério da Agricultura, Serviço de Meteorologia, 1942.
SERVAIN J. Simple climatic indices for the tropical Atlantic ocean and some applications.
Journal Geophysics Resources, n. 96, p.15137-14146, 1991.
SERVAIN, J., I. WAINER, A. DESSIER AND J. MCCREARY. Relationship between El
Niño and Dipole-like modes of climatic variability in the tropical Atlantic. Geophysics
Resources Letters, p.485-488, 1999.
SERVAIN, J.; WAINER, I., AYINA L. H. AND H. ROQUET. The Relationship between the
Simulated Climatic Variability Modes of the Tropical Atlantic. International Journal
Climatology, n. 20, p. 939-953, 2000.
SERVAIN, J.; CLAUZET, G., WAINER, I. Modes of tropical Atlantic climate variability
observed by PIRATA. Geophysics Resources Letters, n. 104, p. 16259-16276, 2003.
SILVA, J.G.R. Ciclos orbitais ou ciclos de Milankovitch. Textos de Glossário Geológico
Ilustrado, 2007. (http://www.unb.br/ig/glossario/).
SILVA DIAS, P.; MARENGO, J. A. Águas atmosféricas. In: REBOUÇAS, A. C.; BRAGA
Jr., B; TUNDISI, J. G. (Eds.). Águas Doces no Brasil – Capital ecológico, usos múltiplos,
exploração racional e conservação. São Paulo: IEA/USP, 1999, p. 65-116.
SKINNER, B.J.; PORTER, S. C., The dynamic Earth. An introduction to physical
geology. Fourth edition. New York: John Wiley & Sons, Inc., p. 112, 2000.
STRETEN, N. A. Some characteristics of satellite observed bands of persistent cloudiness
over the Southern Hemisphere. Monthly Weather Review, v. 101, p. 486-495, 1973.
81
SUBAK, S., PALUTIKOF, J. P., AGNEW, M. D., WATSON, S. J., BENTHAM, C. G.,
CANNELL, M. G. R., HULME, M., McNALLY, S., THORNES, J. E., WAUGHRAY, D.,
WOODS, J. C. The impact of the anomalous weather of 1995 on the UK economy. Climatic
Change, v. 44, p. 1-26, 2000.
TALJAARD, J. J. Topics: synoptic meteorology of the Southern Hemisphere. Meteorological
Monographs, v.13, n. 35, p. 129-213, 1972.
THOMAS, C. D.; CAMERON, A.; GREEN, R. E.; BAKKENES, M.; BEAUMONT, L. J.;
COLLINGHAM, C. Y.; ERASMUS, B. F. N.; SIQUEIRA, M. F. de; GRAINGER, A.;
HANNAH, L.; HIGHES, L.; HUNTLEY, B.; JAARSVELD, A. S. van; MIDGLEY, G. F.;
MILLES, L; ORTEGA-HUERTA, M. A.; PETERSON, T. A.; PHILLIPS, L. O.; WILLIANS,
S. E. Extinction risk from climate change. Nature, v. 427, p. 145-148, 2004.
UPPALA, S.M. et al. The ERA-40 re-analysis. Quaternary Journal Royal Meteorological
Society, v.131, p. 2961-3012, 2005.
UVO, C. R. B. Influence of sea surface temperature on rainfall and runoff in
Notheastern South America: analysis and modeling. PhD Thesis, Lund University, Sweden,
1998. 78p.
UVO, C. R. B.; NOBRE, C. A. A Zona de Convergência Intertropical (ZCIT) e a precipitação
no norte do Nordeste do Brasil. Parte I: A Posição da ZCIT no Atlântico Equatorial.
Climanalise, v. 4, n. 07, p. 34 – 40, 1989a.
UVO, C. R. B.; NOBRE, C. A. A Zona de Convergência Intertropical (ZCIT) e a Precipitação
no norte do Nordeste do Brasil. Parte II: A Influência dos ventos e TSM do Atlântico
Tropical. Climanalise, v. 4, v. 10, p. 39 – 48, 1989b.
VINCENT, L. A.; PETERSON, T. .C; BARROS, V. R.; MARINO, M. B.; RUSTICUCCI,
M.; CARRASCO, G.; RAMIREZ, E.; ALVES, L. M.; AMBRIZZI, T.; BERLATO, M. A.;
GRIMM, A. M.; MARENGO, J. A.; MOLION, L.; MONCUNNILL, D. F.; REBELLO, E.;
ANUNCIAÇÃO, Y. M. T.; QUINTANA, J.; SANTOS, J. L.; BAEZ, J., CORONEL, G.;
GARCIA, J.; TREBEJO, I.; BIDEGAIN, M.; HAYLOCK, M. R.; KAROLY, D. Observed
82
trends in indices of daily temperature extremes in South America 1960–2000. Journal of
Climate 18: 5011–5023. 2005.
VIRGI, H. A preliminary study of summertime tropospheric circulation patterns over South
America estimated from cloud winds. Monthly Weather Review, v. 109, p. 599-610, 1981.
WAGNER, R. G., and A. DA SILVA. Surface Conditions associated with anomalous rainfall
in the Guinea coastal region. International Journal Climatology, n. 14, p. 179-199, 1994.
WAINER, I. and SOARES, J. North northeast rainfall and its decadal-scale relationship to
wind stress and sea surface temperature. Geophysics Resources Letters, v.24, n.3, p.277-
280, 1997.
YAMAZAKI, Y. Estudos teóricos e sinóticos dos distúrbios tropicais. 1975. 56f.
Dissertação (Mestrado em Meteorologia) – INPE, São José dos Campos, 1975. Disponível
em: http://urlib.net/sid.inpe.br/iris@1913/2005/04.19.17.13 Acesso em: 09 jul. 2010.
YAMAZAKI, Y.; RAO, V. B. Tropical Cloudiness over South Atlantic Ocean. Journal of
the Meteorological Society of Japan, v.55, n. 2, p. 205-207, 1977.
YOUNG, G.M. The geologic record of glaciation: relevance to the climatic history of
Earth. Geoscience Canada 18, 100-106. 1991.
YUSNARI, T. Stationary waves in the Southern Hemisphere mid-latitude zone reveled from
average brightness charts. Journal of the Meteorological Society of Japan, v. 55, p. 274-
285, 1977.
ZEBIAK, S. E. Air-sea interaction in the equatorial Atlantic region. Journal of Climate, n. 6,
p. 1567-1586, 1993.
ZHANG, X.; YANG, F. 2004. RClimDex (1.0) User Guide. Climate Research Branch
Environment Canada: Downsview, Ontario, Canada.
83
APÊNDICES
APÊNDICE A: Células que cobrem a área de estudo
5°N 60°W
2,5°N 2,5°N 2,5°N 2,5°N 2,5°N 2,5°N 2,5°N
65°W 62,5°W 60°W 57,5°W 55°W 52,5° 50°W
0° 0° 0° 0° 0° 0° 0° 0° 0°
70°W 67,5°W 65°W 62,5°W 60°W 57,5°W 55°W 52,5° 50°W
2,5°S 2,5°S 2,5°S 2,5°S 2,5°S 2,5°S 2,5°S 2,5°S 2,5°S 2,5°S 2,5°S
70°W 67,5°W 65°W 62,5°W 60°W 57,5°W 55°W 52,5° 50°W 47,5°W 45°W
5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S
72,5°W 70°W 67,5°W 65°W 62,5°W 60°W 57,5°W 55°W 52,5° 50°W 47,5°W 45°W 42,5°W 40°W 37,5°W
7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S
72,5°W 70°W 67,5°W 65°W 62,5°W 60°W 57,5°W 55°W 52,5° 50°W 47,5°W 45°W 42,5°W 40°W 37,5°W 35°W
10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S
72,5°W 70°W 67,5°W 65°W 62,5°W 60°W 57,5°W 55°W 52,5° 50°W 47,5°W 45°W 42,5°W 40°W 37,5°W
12,5° 12,5° 12,5° 12,5° 12,5° 12,5° 12,5° 12,5° 12,5° 12,5° 12,5° 12,5°
65°W 62,5°W 60°W 57,5°W 55°W 52,5° 50°W 47,5°W 45°W 42,5°W 40°W 37,5°W
15° 15° 15° 15° 15° 15° 15° 15° 15°
60°W 57,5°W 55°W 52,5° 50°W 47,5°W 45°W 42,5°W 40°W
17,5° 17,5° 17,5° 17,5° 17,5° 17,5° 17,5° 17,5° 17,5°
60°W 57,5°W 55°W 52,5° 50°W 47,5°W 45°W 42,5°W 40°W
Figura 11.1 – Figura ilustrativa das células usadas neste estudo
84
APÊNDICE B: Valores dos Índices de Mudanças Climáticas do ETCCDMI
Tabela B1: Índices Pluviométricos
Lat Lon CDD CWD PRCPTOT R10mm R20mm R95p R99p Rnnmm RX1dia RX5dia SDII
5 -60 Tend. -0,034 -0,199 2,029 -0,006 0,006 0,29 0,498 0 0,048 -0,513 0,005
Val. p 0,693 0,413 0,618 0,973 0,91 0,919 0,79 0,988 0,889 0,327 0,68
2,5 -50 Tend. -0,21 1,319 33,073 1,523 0,58 16,881 -0,245 0,112 0,599 1,339 0,066
Val. p 0,002 0,01 0,004 0 0,004 0,125 0,973 0,19 0,354 0,526 0,032
2,5 -52,5 Tend. -0,208 0,02 18,803 0,893 0,205 9,853 5,967 0,051 0,325 0,578 0,048
Val. p 0,047 0,95 0,001 0 0,016 0,029 0,027 0,103 0,51 0,57 0,004
2,5 -55 Tend. -0,019 0,237 9,777 0,305 0,237 10,113 6,309 0,068 0,878 1,634 0,033
Val. p 0,805 0,334 0,173 0,33 0,007 0,015 0,01 0,003 0,032 0,017 0,09
2,5 -57,5 Tend. 0,096 0,184 12,82 0,9 0,45 21,456 9,831 0,086 0,737 1,585 0,049
Val. p 0,606 0,693 0,316 0,039 0,004 0,006 0,027 0,028 0,129 0,048 0,108
2,5 -60 Tend. -0,835 -0,376 15,906 0,815 0,299 14,763 6,642 0,024 0,782 1,218 0,056
Val. p 0,068 0,092 0,021 0 0,001 0 0,003 0,043 0,014 0,019 0,003
2,5 -62,5 Tend. -1,299 0,286 19,203 0,479 0,081 6,573 2,737 0,01 0,584 0,791 0,027
Val. p 0 0,081 0 0 0,001 0 0,001 0,096 0,014 0,017 0
2,5 -65 Tend. -0,464 -1,035 18,295 0,517 0,444 18,156 6,946 0,113 1,79 2,258 0,058
Val. p 0,032 0,002 0,006 0,013 0 0 0,01 0,001 0,001 0,033 0,001
0 -50 Tend. -0,505 1,22 37,75 1,646 0,544 17,692 4,326 0,063 0,27 1,481 0,081
Val. p 0 0,037 0 0 0,003 0,027 0,271 0,281 0,547 0,178 0,001
0 -52,5 Tend. -0,697 0,187 21,862 0,969 0,253 11,125 3,437 0,026 0,657 0,834 0,045
Val. p 0 0,572 0 0 0,002 0,002 0,066 0,146 0,067 0,152 0,002
0 -55 Tend. -0,529 0,143 25,348 0,938 0,367 17,937 9,585 0,087 1,585 3,525 0,063
Val. p 0,003 0,59 0,001 0 0 0 0 0 0 0 0
0 -57,5 Tend. -0,223 0,116 38,19 1,638 0,61 29,127 14,272 0,42 1,397 3,336 0,096
Val. p 0,439 0,691 0,004 0 0 0,001 0,006 0,001 0,001 0 0
0 -60 Tend. -0,465 0,463 35,151 1,414 0,403 22,369 10,329 0,058 1,225 2,27 0,082
Val. p 0,059 0,243 0,001 0 0 0 0,006 0,037 0 0,003 0
0 -62,5 Tend. -0,895 0,83 27,514 0,898 0,193 11,199 5,565 0,031 0,762 1,43 0,043
Val. p 0 0,051 0 0 0 0 0 0,015 0,04 0,005 0
0 -65 Tend. -0,338 -0,783 12,504 0,398 0,148 7,649 4,023 0,026 0,433 0,864 0,021
Val. p 0,006 0,161 0,032 0,099 0,011 0,013 0,023 0,068 0,264 0,138 0,075
0 -67,5 Tend. -0,215 -1 18,653 0,521 0,361 18,521 9,427 0,089 1,467 2,502 0,046
Val. p 0,009 0,059 0,006 0,092 0 0 0 0 0,002 0 0,004
0 -70 Tend. -0,357 -1,236 16,48 0,606 0,271 13,145 7,384 0,051 1,663 2,682 0,04
Val. p 0,006 0,001 0,01 0,034 0 0,001 0,001 0,016 0,001 0,001 0,008
-2,5 -45 Tend. -0,684 1,341 60,226 1,841 0,884 37,305 17,377 0,293 2,036 5,479 0,152
Val. p 0,003 0,001 0 0 0 0 0 0 0 0 0
-2,5 -47,5 Tend. -0,822 0,129 60,834 2,141 0,864 30,989 11,641 0,213 1,886 3,776 0,12
Val. p 0 0,716 0 0 0 0 0,002 0,001 0 0 0
-2,5 -50 Tend. -0,384 -0,192 25,432 1,043 0,197 2,362 0,097 0,001 0,412 0,452 0,031
Val. p 0,001 0,453 0,065 0,027 0,395 0,792 0,981 0,992 0,384 0,579 0,346
-2,5 -52,5 Tend. -0,373 -0,278 7,538 0,308 0,062 1,814 -1,392 -0,027 0,38 0,816 0,002
Val. p 0,001 0,56 0,37 0,387 0,625 0,738 0,611 0,431 0,357 0,217 0,91
-2,5 -55 Tend. -0,668 0,13 12,886 0,462 0,155 8,618 4,227 0,028 0,678 1,086 0,02
Val. p 0,001 0,707 0,02 0,035 0,017 0,007 0,01 0,011 0,017 0,03 0,111
-2,5 -57,5 Tend. -0,806 -0,58 11,13 0,261 0,159 7,411 5,614 0,027 0,769 0,89 -0,002
Val. p 0 0,106 0,006 0,113 0,001 0,003 0,001 0,024 0,011 0,034 0,815
85
Continuação da Tabela B1
Lat Lon CDD CWD PRCPTOT R10mm R20mm R95p R99p Rnnmm RX1dia RX5dia SDII
-2,5 -60 Tend. -0,51 0,428 27,34 1,069 0,295 17,452 9,372 0,035 1,239 2,082 0,058
Val. p 0 0,36 0,001 0,003 0,002 0,001 0,002 0,017 0 0 0,002
-2,5 -62,5 Tend. -0,293 -0,1 17,032 0,595 0,132 7,327 3,359 0,017 0,334 0,851 0,025
Val. p 0 0,832 0,009 0,032 0,024 0,022 0,091 0,255 0,421 0,127 0,062
-2,5 -65 Tend. -0,235 -1,39 17,411 0,674 0,181 9,841 4,361 0,029 0,884 1,281 0,034
Val. p 0,004 0,045 0,025 0,078 0,027 0,04 0,132 0,217 0,086 0,09 0,073
-2,5 -67,5 Tend. -0,293 -0,562 36,064 1,467 0,394 21,12 8,464 0,098 1,901 3,051 0,079
Val. p 0 0,275 0,001 0 0,005 0,007 0,087 0,084 0,004 0,007 0,003
-2,5 -70 Tend. -0,578 -0,604 23,775 0,782 0,234 12,009 5,852 0,051 1,265 1,851 0,048
Val. p 0 0,108 0,001 0,002 0,002 0,002 0,019 0,039 0,003 0,004 0,002
-5 -37,5 Tend. -0,726 0,03 -5,65 -0,135 -0,073 -4,741 -3,244 -0,029 -1,001 -1,245 -0,072
Val. p 0,35 0,841 0,428 0,451 0,4 0,284 0,207 0,355 0,142 0,44 0,057
-5 -40 Tend. -1,94 -0,088 11,063 0,161 0,136 7,105 2,305 0,076 0,333 2,338 0,022
Val. p 0 0,652 0,208 0,488 0,284 0,182 0,384 0,165 0,518 0,127 0,684
-5 -42,5 Tend. -2,067 0,238 58,804 1,552 0,936 30,255 10,608 0,326 1,918 4,684 0,167
Val. p 0 0,252 0 0 0 0 0 0 0 0 0
-5 -45 Tend. -1,583 0,046 79,616 1,919 1,186 50,087 19,016 0,476 3,321 6,335 0,195
Val. p 0 0,897 0 0 0 0 0 0 0 0 0
-5 -47,5 Tend. -1,384 -0,693 63,789 1,62 1,093 40,264 15,529 0,376 2,924 5,173 0,159
Val. p 0 0,04 0 0 0 0 0 0 0 0 0
-5 -50 Tend. -0,663 -0,504 20,475 0,638 0,358 7,759 0,974 0,064 1,876 2,797 0,039
Val. p 0 0,113 0,278 0,246 0,292 0,541 0,847 0,604 0,006 0,023 0,433
-5 -52,5 Tend. -0,23 -1,459 -8,436 -0,067 -0,035 -4,771 -4,397 -0,042 0,316 0,627 -0,025
Val. p 0,038 0 0,618 0,894 0,899 0,708 0,447 0,696 0,677 0,674 0,577
-5 -55 Tend. -0,283 -1,64 -11,641 -0,192 -0,024 -1,058 -0,954 -0,014 0,637 0,32 -0,031
Val. p 0,057 0 0,245 0,596 0,868 0,881 0,794 0,746 0,178 0,718 0,195
-5 -57,5 Tend. -0,691 -1,036 -3,084 -0,027 0,068 3,421 2,462 0,023 0,469 0,293 -0,011
Val. p 0,004 0,004 0,672 0,901 0,29 0,342 0,283 0,189 0,345 0,68 0,425
-5 -60 Tend. -0,801 -0,078 14,943 0,437 0,111 5,875 3,215 0,021 0,09 0,693 0,03
Val. p 0,001 0,756 0,027 0,05 0,06 0,062 0,119 0,141 0,854 0,343 0,041
-5 -62,5 Tend. -0,256 -0,152 14,258 0,358 0,091 4,651 2,822 0,011 0,162 0,466 0,023
Val. p 0 0,776 0,086 0,316 0,219 0,332 0,331 0,673 0,771 0,55 0,231
-5 -65 Tend. -0,291 -1,025 13,764 0,358 0,203 11,923 6,051 0,05 0,968 1,36 0,031
Val. p 0,083 0,014 0,239 0,465 0,161 0,185 0,259 0,255 0,277 0,261 0,307
-5 -67,5 Tend. -0,483 0,371 37,96 0,953 0,218 14,671 8,923 0,09 1,68 2,913 0,073
Val. p 0 0,32 0,001 0,011 0,049 0,063 0,096 0,099 0,019 0,015 0,01
-5 -70 Tend. -0,671 0,132 23,607 0,477 0,1 6,41 3,794 0,015 1,152 1,596 0,039
Val. p 0 0,677 0,002 0,023 0,064 0,076 0,101 0,414 0,029 0,018 0,01
-5 -72,5 Tend. -0,019 -0,637 2,71 0,031 0,013 1,132 1,069 0,006 0,393 0,328 0,004
Val. p 0,743 0,112 0,646 0,867 0,477 0,575 0,185 0,162 0,22 0,409 0,718
-7,5 -35 Tend. -0,656 0,197 1,846 -0,054 -0,079 -3,207 -3,086 -0,015 -0,906 -1,33 -0,034
Val. p 0,01 0,149 0,722 0,721 0,02 0,128 0,049 0,158 0,031 0,059 0,007
-7,5 -37,5 Tend. -1,095 -0,013 2,369 -0,03 0,005 0,137 0,418 0,005 -0,265 0,18 -0,035
Val. p 0,081 0,877 0,508 0,723 0,902 0,953 0,799 0,818 0,53 0,837 0,113
-7,5 -40 Tend. -3 0,118 19,282 0,466 0,343 10,466 3,583 0,095 0,601 2,679 0,08
Val. p 0 0,26 0,005 0,015 0,001 0,005 0,038 0,011 0,151 0,006 0,024
-7,5 -42,5 Tend. -2,271 -0,045 48,124 1,044 1,01 25,826 8,276 0,326 1,059 3,499 0,189
Val. p 0 0,831 0,001 0,006 0 0,001 0,014 0,001 0,069 0,002 0,002
-7,5 -45 Tend. -1,863 -0,178 41,478 1,092 0,737 24,334 9,433 0,267 1,621 3,402 0,14
Val. p 0 0,256 0,002 0,003 0,002 0,002 0,016 0,002 0,001 0,002 0,006
86
Continuação da Tabela B1
Lat Lon CDD CWD PRCPTOT R10mm R20mm R95p R99p Rnnmm RX1dia RX5dia SDII
-7,5 -47,5 Tend. -1,747 -0,143 30,538 0,866 0,606 18,976 5,479 0,189 1,868 2,62 0,102
Val. p 0 0,426 0,006 0,012 0,008 0,014 0,098 0,007 0,001 0,025 0,017
-7,5 -50 Tend. -1,859 -0,477 17,794 0,829 0,194 6,271 1,719 0,066 1,502 2,052 0,053
Val. p 0 0,092 0,276 0,082 0,541 0,601 0,759 0,517 0,01 0,042 0,302
-7,5 -52,5 Tend. -0,884 -1,182 -2,584 0,378 -0,019 -7,121 -5,443 -0,081 0,632 0,463 -0,002
Val. p 0,024 0 0,913 0,523 0,959 0,705 0,565 0,632 0,378 0,74 0,976
-7,5 -55 Tend. -0,796 -0,83 -12,516 -0,329 -0,054 -4,404 -2,503 -0,053 0,435 0,269 -0,03
Val. p 0,037 0 0,417 0,48 0,827 0,702 0,643 0,576 0,409 0,756 0,458
-7,5 -57,5 Tend. -0,263 -1,58 -12,074 -0,306 0,003 -0,814 -0,778 -0,007 0,002 -0,256 -0,027
Val. p 0,411 0 0,183 0,321 0,98 0,89 0,804 0,819 0,996 0,722 0,181
-7,5 -60 Tend. -0,766 -0,676 0,834 0,098 0,06 2,689 2,293 0,021 0,453 0,618 0,001
Val. p 0,02 0,102 0,883 0,668 0,306 0,434 0,258 0,196 0,357 0,315 0,964
-7,5 -62,5 Tend. -0,446 -1,071 8,083 0,195 0,074 4,179 1,928 0,016 0,444 0,637 0,009
Val. p 0,012 0,001 0,171 0,428 0,17 0,187 0,34 0,318 0,291 0,242 0,426
-7,5 -65 Tend. -0,398 -0,657 15,158 0,483 0,086 6,577 2,707 0,018 0,347 0,383 0,026
Val. p 0,002 0,046 0,049 0,122 0,145 0,119 0,261 0,403 0,533 0,662 0,123
-7,5 -67,5 Tend. -0,683 0,205 22,074 0,463 0,075 5,812 3,498 0,02 0,847 1,565 0,032
Val. p 0 0,579 0,002 0,055 0,054 0,072 0,061 0,15 0,051 0,014 0,015
-7,5 -70 Tend. -0,92 0,634 25,179 0,424 0,049 5,333 1,885 0,005 0,818 0,905 0,034
Val. p 0 0,024 0,001 0,043 0,234 0,077 0,297 0,733 0,07 0,24 0,016
-7,5 -72,5 Tend. -0,59 0,793 34,217 0,906 0,107 11,192 4,56 0,017 0,957 1,285 0,058
Val. p 0 0,021 0 0 0 0 0 0,029 0 0 0
-10 -37,5 Tend. -0,928 0,254 11,207 0,326 0,015 2,135 0,898 0,003 0,31 0,587 0,013
Val. p 0,006 0,003 0,001 0,001 0,54 0,063 0,307 0,695 0,169 0,159 0,291
-10 -40 Tend. -1,855 0,065 13,872 0,288 0,223 7,807 2,237 0,055 0,629 0,882 0,021
Val. p 0 0,35 0,022 0,076 0,03 0,035 0,162 0,079 0,122 0,284 0,547
-10 -42,5 Tend. -1,297 -0,016 17,538 0,386 0,416 11,035 3,087 0,137 0,655 0,881 0,112
Val. p 0,014 0,846 0,081 0,126 0,018 0,044 0,183 0,041 0,237 0,497 0,06
-10 -45 Tend. -1,96 -0,228 16,55 0,436 0,373 10,113 3,509 0,084 0,938 1,721 0,072
Val. p 0 0,067 0,163 0,171 0,093 0,208 0,333 0,276 0,052 0,076 0,226
-10 -47,5 Tend. -1,314 -0,367 5,781 0,096 0,171 5,575 1,599 0,038 0,683 0,728 0,011
Val. p 0,005 0,042 0,442 0,723 0,313 0,33 0,528 0,356 0,084 0,35 0,712
-10 -50 Tend. -0,982 -0,758 4,21 0,213 0,163 4,902 0,396 -0,001 0,287 0,567 0,018
Val. p 0,034 0,001 0,56 0,448 0,225 0,339 0,873 0,98 0,352 0,295 0,446
-10 -52,5 Tend. -0,817 -0,847 5,145 0,375 0,131 4,916 1,373 0,022 0,95 0,994 0,017
Val. p 0,095 0,004 0,551 0,234 0,342 0,411 0,639 0,562 0,046 0,178 0,49
-10 -55 Tend. -0,495 -1,3 -11,899 -0,361 -0,013 -1,205 -1,133 -0,013 -0,008 -0,303 -0,03
Val. p 0,312 0 0,151 0,24 0,926 0,849 0,741 0,717 0,987 0,713 0,241
-10 -57,5 Tend. -0,387 -1,48 -14,814 -0,313 -0,042 -2,671 -1,323 -0,014 0,03 -0,268 -0,026
Val. p 0,34 0 0,04 0,259 0,652 0,562 0,627 0,576 0,94 0,667 0,158
-10 -60 Tend. -0,431 -1,27 -7,093 -0,169 -0,011 -1,289 -0,631 -0,004 0,007 0,114 -0,011
Val. p 0,243 0 0,184 0,481 0,797 0,634 0,663 0,617 0,979 0,747 0,34
-10 -62,5 Tend. -0,8 -0,007 8,278 0,148 0,047 1,474 0,909 0,001 0,215 0,322 0,016
Val. p 0,013 0,979 0,155 0,495 0,269 0,582 0,52 0,898 0,457 0,436 0,191
-10 -65 Tend. -0,576 -0,002 15,286 0,509 0,036 5,024 1,569 0,007 0,658 0,835 0,029
Val. p 0,014 0,995 0,003 0,005 0,355 0,055 0,418 0,72 0,153 0,13 0,008
-10 -67,5 Tend. -0,666 0,274 13,554 0,354 0,041 4,317 1,529 0,004 0,548 0,683 0,017
Val. p 0,001 0,318 0,014 0,046 0,324 0,141 0,422 0,799 0,108 0,196 0,11
-10 -70 Tend. -1,047 0,779 25,866 0,608 0,066 5,206 1,905 -0,002 0,303 0,502 0,041
Val. p 0 0,001 0 0,001 0,062 0,03 0,212 0,779 0,43 0,415 0,001
87
Continuação da Tabela B1
Lat Lon CDD CWD PRCPTOT R10mm R20mm R95p R99p Rnnmm RX1dia RX5dia SDII
-10 -72,5 Tend. -0,865 0,607 34,124 0,91 0,097 10,918 3,81 0,012 0,985 1,602 0,061
Val. p 0 0,072 0 0 0,007 0 0,003 0,073 0,001 0 0
-12,5 -37,5 Tend. -0,507 0,211 11,36 0,376 0,068 2,47 1,604 0,004 0,316 0,264 0,015
Val. p 0,001 0,045 0,017 0,031 0,181 0,202 0,122 0,278 0,031 0,34 0,189
-12,5 -40 Tend. -0,721 0,047 9,837 0,127 0,138 5,091 2,926 0,023 0,562 1,251 0,012
Val. p 0,002 0,683 0,067 0,392 0,059 0,096 0,118 0,246 0,106 0,063 0,398
-12,5 -42,5 Tend. -1,059 -0,076 -0,511 -0,101 0,155 3,041 0,062 0,025 0,336 0,418 0,038
Val. p 0,08 0,213 0,923 0,544 0,172 0,292 0,964 0,416 0,469 0,557 0,299
-12,5 -45 Tend. -1,054 -0,276 10,946 0,263 0,353 7,775 2,954 0,076 0,702 1,96 0,072
Val. p 0,083 0,01 0,322 0,389 0,092 0,268 0,234 0,281 0,173 0,056 0,173
-12,5 -47,5 Tend. -1,188 -0,708 4,225 -0,08 0,236 6,504 1,836 0,042 0,186 0,36 0,015
Val. p 0,021 0 0,652 0,788 0,186 0,3 0,469 0,345 0,705 0,718 0,705
-12,5 -50 Tend. -1,063 -0,585 3,795 0,141 0,175 7,038 2,416 0,031 0,482 0,794 0,014
Val. p 0,031 0,006 0,6 0,546 0,116 0,186 0,382 0,356 0,236 0,341 0,598
-12,5 -52,5 Tend. -0,655 -0,799 7,525 0,343 0,14 6,473 2,577 0,017 0,784 0,837 0,017
Val. p 0,197 0,005 0,261 0,128 0,11 0,141 0,319 0,523 0,092 0,331 0,373
-12,5 -55 Tend. -0,628 -0,26 -3,584 -0,21 -0,028 -1,961 -1,141 -0,007 -0,231 -0,603 -0,02
Val. p 0,198 0,252 0,498 0,267 0,677 0,569 0,574 0,721 0,508 0,301 0,182
-12,5 -57,5 Tend. -0,663 -0,424 -2,126 -0,213 -0,036 -3,493 -1,708 -0,017 -0,392 -0,713 -0,017
Val. p 0,174 0,1 0,698 0,251 0,494 0,211 0,324 0,166 0,268 0,177 0,206
-12,5 -60 Tend. -0,92 -0,248 -4,442 -0,249 -0,013 -1,333 -0,826 -0,01 -0,21 -0,287 -0,012
Val. p 0,011 0,458 0,437 0,281 0,751 0,57 0,552 0,147 0,474 0,495 0,363
-12,5 -62,5 Tend. -0,584 0,186 7,272 0,149 0,03 0,831 0,854 -0,003 0,243 0,32 0,016
Val. p 0,043 0,358 0,106 0,329 0,329 0,679 0,51 0,666 0,488 0,468 0,129
-12,5 -65 Tend. -0,697 0,028 10,643 0,311 0,035 2,87 0,977 -0,003 0,15 0,25 0,011
Val. p 0,001 0,901 0,001 0,004 0,262 0,085 0,415 0,517 0,621 0,484 0,098
-15 -40 Tend. -0,531 0,074 3,508 -0,04 0,086 2,554 0,906 0,006 0,221 0,625 -0,003
Val. p 0,001 0,327 0,412 0,767 0,141 0,278 0,495 0,677 0,404 0,17 0,782
-15 -42,5 Tend. -1,365 -0,108 1,222 -0,007 0,168 3,466 0,558 0,029 0,283 0,846 0,046
Val. p 0,03 0,15 0,791 0,964 0,116 0,219 0,651 0,221 0,341 0,235 0,208
-15 -45 Tend. -1,11 -0,121 10,119 0,341 0,316 8,065 1,98 0,074 0,855 1,518 0,075
Val. p 0,036 0,304 0,195 0,127 0,05 0,152 0,446 0,184 0,044 0,071 0,079
-15 -47,5 Tend. -1,534 -0,296 8,74 0,141 0,325 9,418 3,071 0,051 0,341 0,624 0,023
Val. p 0,002 0,017 0,215 0,585 0,033 0,058 0,145 0,095 0,279 0,39 0,416
-15 -50 Tend. -1,794 -0,321 30,063 0,917 0,551 20,614 7,318 0,148 1,532 3,232 0,107
Val. p 0 0,168 0,004 0,005 0,001 0,002 0,015 0,007 0,001 0,002 0,003
-15 -52,5 Tend. -1,346 -0,099 19,149 0,644 0,277 11,529 4,678 0,067 0,948 1,521 0,053
Val. p 0,002 0,571 0,019 0,02 0,022 0,028 0,074 0,053 0,035 0,042 0,028
-15 -55 Tend. -1,253 -0,706 -3,95 -0,143 -0,023 -1,241 -0,504 -0,002 -0,198 -0,5 -0,02
Val. p 0,006 0,001 0,446 0,5 0,731 0,669 0,757 0,839 0,483 0,268 0,173
-15 -57,5 Tend. -1,275 -0,194 -2,758 -0,289 -0,044 -2,289 -1,58 -0,018 -0,408 -0,715 -0,026
Val. p 0,008 0,269 0,617 0,146 0,457 0,411 0,339 0,209 0,291 0,189 0,096
-15 -60 Tend. -1,109 0,138 2,351 -0,1 0,032 0,98 1,015 0,008 0,308 0,588 -0,006
Val. p 0,003 0,647 0,661 0,669 0,368 0,693 0,471 0,398 0,308 0,315 0,653
88
Continuação da Tabela B1
Lat Lon CDD CWD PRCPTOT R10mm R20mm R95p R99p Rnnmm RX1dia RX5dia SDII
-17,5 -40 Tend. -0,333 0,055 4,568 0,07 0,053 2,06 0,93 0,013 0,071 0,561 0,003
Val. p 0,066 0,48 0,27 0,588 0,448 0,444 0,51 0,356 0,828 0,471 0,858
-17,5 -42,5 Tend. -0,606 -0,003 5,717 0,087 0,222 6,076 1,605 0,025 0,445 0,49 0,014
Val. p 0,009 0,987 0,343 0,63 0,101 0,144 0,335 0,377 0,226 0,544 0,533
-17,5 -45 Tend. -1,605 -0,202 11,386 0,359 0,298 8,52 2,62 0,059 0,995 1,403 0,057
Val. p 0,002 0,031 0,031 0,042 0,005 0,014 0,066 0,025 0,004 0,036 0,029
-17,5 -47,5 Tend. -1,595 -0,222 12,549 0,276 0,278 9,01 2,694 0,035 0,345 0,45 0,022
Val. p 0 0,174 0,013 0,183 0,001 0,006 0,064 0,073 0,248 0,487 0,318
-17,5 -50 Tend. -1,928 0,186 32,556 1,009 0,538 19,067 7,448 0,128 1,064 2,268 0,096
Val. p 0 0,416 0 0 0 0,001 0,001 0,002 0,006 0,007 0,001
-17,5 -52,5 Tend. -1,334 -0,081 17,025 0,628 0,254 8,919 2,385 0,022 0,022 0,36 0,036
Val. p 0,002 0,735 0,004 0,009 0,003 0,005 0,152 0,17 0,958 0,576 0,031
-17,5 -55 Tend. -1,532 -0,413 3,005 0,069 0,04 1,326 0,9 0,002 0,164 0,14 -0,004
Val. p 0,001 0,094 0,475 0,707 0,384 0,517 0,513 0,853 0,616 0,764 0,768
-17,5 -57,5 Tend. -1,499 0,09 6,272 0,056 -0,007 -0,609 -0,486 -0,01 -0,183 -0,333 -0,006
Val. p 0,002 0,699 0,132 0,683 0,847 0,7 0,672 0,18 0,512 0,316 0,516
-17,5 -60 Tend. -1,104 0,132 3,564 -0,057 -0,006 -0,894 -0,611 -0,005 -0,023 -0,483 -0,025
Val. p 0,002 0,408 0,356 0,696 0,85 0,534 0,453 0,532 0,932 0,322 0,003
Os valores p em negrito são os que apresentaram significância estatística de 90% ou
mais, ou seja, os que são menores que 0,1 (valor tabelado).
Tend é a tendência calculada pelo RClimDex. A tendência é expressa nas seguintes
unidades:
CDD: dia por ano;
CWD: dia por ano;
PRCPTOT: milímetro por ano (mm/a);
R10mm: milímetro por ano (mm/a);
R20mm: milímetro por ano (mm/a);
R95p: milímetro por ano (mm/a);
R99p: milímetro por ano (mm/a);
Rnnmm: milímetro por ano (mm/a);
RX1dia: milímetro por ano (mm/a);
RX5dia: milímetro por ano (mm/a);
SDII: mm por ano (mm/a).
89
Tabela B2: Índices de Temperatura
Lat Lon DTR TN10p TN90p TNn TNx TX10p TX90p TXn TXx
5 -60 Tend. -0,024 -0,757 1,041 0,028 0,031 -0,153 0,066 0,018 -0,004
Val. p 0 0 0 0 0 0,181 0,69 0,036 0,7
2,5 -50 Tend. 0,003 -0,179 0,404 0,005 0,012 -0,244 0,441 0,011 0,015
Val. p 0,002 0,193 0,036 0,501 0,004 0,124 0,006 0,148 0,019
2,5 -52,5 Tend. 0,008 -0,275 0,172 0,025 -0,013 -0,242 0,244 0,023 -0,014
Val. p 0,117 0,014 0,333 0 0,159 0,014 0,165 0,018 0,419
2,5 -55 Tend. 0,017 -0,211 0,184 0,024 -0,016 -0,472 0,253 0,02 -0,005
Val. p 0,009 0,184 0,386 0,001 0,266 0 0,145 0,087 0,711
2,5 -57,5 Tend. 0,006 -0,934 0,522 0,035 0,033 -0,537 0,258 0,019 0,024
Val. p 0,619 0 0,038 0 0,058 0 0,438 0,241 0,277
2,5 -60 Tend. -0,032 -0,763 0,179 0,027 -0,005 0,167 -0,227 -0,004 -0,04
Val. p 0 0 0,515 0,002 0,698 0,241 0,443 0,801 0,028
2,5 -62,5 Tend. -0,044 -0,013 -0,646 0,011 -0,053 0,38 -1,023 -0,036 -0,072
Val. p 0 0,935 0,009 0,182 0,001 0,006 0 0,011 0,001
2,5 -65 Tend. -0,05 -0,581 -0,076 0,035 -0,04 0,348 -0,612 -0,04 -0,064
Val. p 0 0 0,744 0 0,016 0,009 0,015 0 0,003
0 -50 Tend. -0,008 -0,684 0,419 0,02 -0,003 -0,364 -0,013 0,021 -0,032
Val. p 0,132 0 0,017 0,013 0,595 0,001 0,941 0,031 0,018
0 -52,5 Tend. -0,01 -0,43 0,121 0,037 -0,038 -0,185 -0,149 0,015 -0,04
Val. p 0,087 0,008 0,466 0 0 0,069 0,383 0,133 0,014
0 -55 Tend. -0,01 -0,286 -0,101 0,022 -0,038 0,002 -0,296 0,008 -0,046
Val. p 0,117 0,084 0,616 0,002 0,013 0,99 0,144 0,521 0,006
0 -57,5 Tend. -0,023 -0,638 -0,06 0,03 -0,053 0,174 -0,147 -0,016 -0,068
Val. p 0,011 0 0,832 0,001 0,012 0,237 0,602 0,308 0,006
0 -60 Tend. -0,037 -0,333 -0,335 0,016 -0,063 0,439 -0,501 -0,044 -0,076
Val. p 0 0,045 0,119 0,029 0,001 0,003 0,032 0 0
0 -62,5 Tend. -0,033 -0,027 -0,769 -0,001 -0,112 0,417 -1,013 -0,037 -0,109
Val. p 0 0,85 0,005 0,906 0 0 0 0,002 0
0 -65 Tend. -0,033 -0,59 -0,241 0,013 -0,058 0,267 -0,639 -0,039 -0,076
Val. p 0 0,001 0,32 0,113 0,004 0,012 0,013 0,001 0,002
0 -67,5 Tend. -0,029 -0,619 -0,194 0 -0,028 0,279 -0,44 -0,06 -0,07
Val. p 0 0,001 0,439 0,976 0,067 0,003 0,059 0 0,001
0 -70 Tend. -0,028 -0,189 -0,531 -0,017 -0,059 0,301 -0,833 -0,073 -0,081
Val. p 0 0,169 0,063 0,073 0,002 0,012 0,002 0 0
-2,5 -45 Tend. -0,023 -0,717 0,457 0,02 0,008 -0,15 -0,379 0,002 -0,019
Val. p 0,002 0 0,017 0,003 0,342 0,14 0,056 0,805 0,234
-2,5 -47,5 Tend. -0,014 -0,717 -0,276 0,023 -0,031 -0,193 -0,543 0,01 -0,064
Val. p 0,048 0 0,189 0 0,009 0,094 0,015 0,319 0,003
-2,5 -50 Tend. -0,003 -0,572 -0,183 0,018 -0,039 -0,206 -0,269 0,019 -0,065
Val. p 0,738 0,001 0,341 0,004 0,002 0,11 0,127 0,081 0,001
-2,5 -52,5 Tend. -0,004 -0,556 -0,038 0,018 -0,049 -0,197 -0,19 0,017 -0,065
Val. p 0,559 0 0,849 0,003 0,006 0,082 0,344 0,158 0,008
-2,5 -55 Tend. -0,018 -0,356 -0,204 0,015 -0,046 0,037 -0,492 0,004 -0,059
Val. p 0,022 0,014 0,366 0,066 0,019 0,762 0,04 0,724 0,008
-2,5 -57,5 Tend. -0,016 -0,573 -0,406 0,022 -0,101 0,148 -0,545 -0,025 -0,098
Val. p 0,003 0 0,027 0,009 0 0,15 0,004 0,012 0
90
Continuação da Tabela B2
Lat Lon DTR TN10p TN90p TNn TNx TX10p TX90p TXn TXx
-2,5 -60 Tend. -0,021 -0,12 -0,621 -0,005 -0,069 0,257 -0,733 -0,043 -0,067
Val. p 0 0,398 0,004 0,576 0,001 0,012 0 0 0,001
-2,5 -62,5 Tend. -0,011 -0,212 -0,778 -0,008 -0,092 0,164 -0,704 -0,037 -0,079
Val. p 0,056 0,17 0,005 0,416 0 0,079 0,008 0,003 0,004
-2,5 -65 Tend. -0,019 -0,614 -0,333 -0,009 -0,07 0,175 -0,447 -0,03 -0,076
Val. p 0,001 0,001 0,211 0,385 0,001 0,074 0,069 0,026 0,001
-2,5 -67,5 Tend. -0,034 -0,415 -0,4 -0,019 -0,057 0,315 -0,773 -0,055 -0,081
Val. p 0 0,002 0,135 0,09 0,001 0,001 0,001 0 0
-2,5 -70 Tend. -0,029 -0,168 -1,044 -0,033 -0,077 0,278 -1,129 -0,068 -0,091
Val. p 0 0,188 0,001 0,016 0 0,002 0 0 0
-5 -37,5 Tend. 0,002 -0,624 0,355 0,039 0,004 -0,376 0,151 0,052 0,01
Val. p 0,81 0,006 0,11 0,002 0,692 0,058 0,436 0 0,354
-5 -40 Tend. 0,01 -0,74 0,532 0,042 0,031 -0,413 0,528 0,068 0,024
Val. p 0,127 0 0,025 0 0,003 0,013 0,022 0 0,002
-5 -42,5 Tend. 0,003 -0,901 0,022 0,042 -0,025 -0,233 0,168 0,038 -0,007
Val. p 0,631 0 0,903 0 0,029 0,041 0,387 0,001 0,577
-5 -45 Tend. -0,01 -0,707 -0,139 0,028 -0,06 -0,095 -0,168 0,019 -0,06
Val. p 0,102 0 0,399 0 0 0,336 0,367 0,024 0,009
-5 -47,5 Tend. 0,002 -0,655 -0,212 0,019 -0,084 -0,127 -0,08 0,015 -0,072
Val. p 0,765 0 0,217 0,023 0 0,289 0,692 0,145 0,004
-5 -50 Tend. 0,004 -0,7 -0,141 0,032 -0,074 -0,127 -0,001 0,007 -0,056
Val. p 0,608 0 0,351 0 0 0,367 0,994 0,558 0,019
-5 -52,5 Tend. 0,002 -0,724 0,257 0,022 -0,035 -0,166 0,238 0,003 -0,029
Val. p 0,853 0 0,159 0,003 0,076 0,254 0,25 0,81 0,28
-5 -55 Tend. 0,004 -0,625 0,011 0,023 -0,05 -0,08 0,116 0,006 -0,034
Val. p 0,691 0 0,958 0,007 0,032 0,608 0,602 0,704 0,246
-5 -57,5 Tend. 0 -0,384 -0,11 0,009 -0,06 0,01 -0,148 -0,022 -0,044
Val. p 0,954 0,004 0,692 0,37 0,031 0,945 0,58 0,132 0,141
-5 -60 Tend. -0,01 -0,017 -1,177 -0,016 -0,077 0,156 -1,075 -0,036 -0,055
Val. p 0,116 0,92 0 0,236 0,001 0,183 0 0,006 0,007
-5 -62,5 Tend. -0,007 -0,096 -1,03 -0,036 -0,084 0,108 -0,835 -0,034 -0,072
Val. p 0,276 0,519 0,001 0,021 0 0,245 0,004 0,011 0,006
-5 -65 Tend. -0,011 -0,512 -0,164 -0,041 -0,048 0,133 -0,148 -0,043 -0,044
Val. p 0,063 0 0,482 0,02 0,011 0,14 0,497 0,004 0,06
-5 -67,5 Tend. -0,035 0,015 -1,271 -0,062 -0,08 0,333 -1,335 -0,06 -0,091
Val. p 0 0,908 0 0,003 0 0,003 0 0 0
-5 -70 Tend. -0,022 -0,203 -1,52 -0,065 -0,066 0,194 -1,359 -0,064 -0,078
Val. p 0,001 0,216 0 0,002 0 0,043 0 0 0
-5 -72,5 Tend. -0,012 -0,366 0,056 -0,033 -0,009 0,077 -0,201 -0,047 -0,018
Val. p 0,126 0,003 0,687 0,063 0,225 0,52 0,235 0,001 0,189
-7,5 -35 Tend. -0,022 -0,497 0,494 0,019 -0,008 -0,167 -0,676 0,013 -0,022
Val. p 0,003 0,001 0,005 0,005 0,189 0,289 0,005 0,033 0,079
-7,5 -37,5 Tend. -0,005 -0,552 0,254 0,031 0,004 -0,282 -0,118 0,011 -0,003
Val. p 0,503 0,006 0,129 0,004 0,69 0,121 0,568 0,393 0,799
-7,5 -40 Tend. 0,013 -0,562 0,153 0,023 0,026 -0,35 0,387 0,053 0,043
Val. p 0,012 0,006 0,42 0,058 0,011 0,038 0,038 0 0
-7,5 -42,5 Tend. 0,006 -0,696 0,371 0,032 -0,015 -0,331 0,362 0,023 0,016
Val. p 0,283 0 0,046 0,001 0,208 0,018 0,065 0,058 0,152
-7,5 -45 Tend. -0,001 -0,633 0,314 0,027 -0,014 0,004 0,347 0,01 0,027
Val. p 0,912 0 0,048 0,001 0,269 0,974 0,063 0,36 0,062
91
Continuação da Tabela B2
Lat Lon DTR TN10p TN90p TNn TNx TX10p TX90p TXn TXx
-7,5 -47,5 Tend. -0,005 -0,573 0,137 0,033 -0,035 0,032 0,212 -0,001 -0,002
Val. p 0,518 0 0,386 0,005 0,085 0,803 0,211 0,933 0,905
-7,5 -50 Tend. -0,009 -0,375 -0,072 0,021 -0,049 0,065 -0,171 -0,004 -0,03
Val. p 0,245 0,001 0,668 0,032 0,019 0,693 0,29 0,766 0,092
-7,5 -52,5 Tend. -0,009 -0,303 -0,222 0,012 -0,037 0,012 -0,313 -0,018 -0,025
Val. p 0,388 0,006 0,261 0,207 0,117 0,949 0,082 0,159 0,296
-7,5 -55 Tend. 0,003 -0,254 -0,26 0,001 -0,05 -0,072 -0,304 -0,024 -0,024
Val. p 0,795 0,045 0,315 0,909 0,051 0,69 0,268 0,08 0,421
-7,5 -57,5 Tend. 0 -0,302 -0,119 0,009 -0,048 -0,056 -0,207 -0,039 -0,023
Val. p 0,993 0,027 0,628 0,552 0,089 0,691 0,417 0,004 0,516
-7,5 -60 Tend. -0,008 -0,25 -0,453 -0,023 -0,062 0,003 -0,516 -0,025 -0,026
Val. p 0,285 0,068 0,07 0,259 0,008 0,983 0,039 0,036 0,385
-7,5 -62,5 Tend. -0,014 -0,225 -0,527 -0,062 -0,054 0,134 -0,556 -0,035 -0,048
Val. p 0,02 0,102 0,029 0,011 0,003 0,167 0,016 0,012 0,067
-7,5 -65 Tend. -0,016 -0,27 -0,871 -0,083 -0,066 0,21 -0,802 -0,054 -0,058
Val. p 0,003 0,046 0,011 0,001 0,003 0,027 0,007 0,002 0,034
-7,5 -67,5 Tend. -0,015 0,043 -1,449 -0,117 -0,09 0,262 -1,337 -0,075 -0,068
Val. p 0,006 0,766 0 0 0 0,015 0 0,001 0,009
-7,5 -70 Tend. -0,016 0,152 -1,664 -0,132 -0,078 0,262 -1,362 -0,093 -0,081
Val. p 0,013 0,27 0 0 0 0,026 0 0 0,001
-7,5 -72,5 Tend. -0,041 -0,08 -0,262 -0,077 -0,03 0,248 -0,962 -0,074 -0,069
Val. p 0 0,445 0,132 0,002 0,004 0,02 0 0,001 0
-10 -37,5 Tend. -0,054 -0,591 0,4 0,026 -0,014 0,093 -0,99 0,005 -0,058
Val. p 0 0,003 0,003 0,003 0,245 0,403 0 0,546 0,001
-10 -40 Tend. -0,016 -0,423 -0,091 0,014 -0,032 -0,03 -0,377 0,008 -0,002
Val. p 0,123 0,044 0,513 0,163 0,019 0,81 0,078 0,442 0,903
-10 -42,5 Tend. 0,002 -0,365 0,362 0,022 -0,015 -0,165 0,285 0,009 0,014
Val. p 0,721 0,018 0,03 0,066 0,252 0,225 0,087 0,572 0,35
-10 -45 Tend. 0,007 -0,368 0,037 0,017 -0,034 -0,066 0,292 -0,006 0,014
Val. p 0,202 0,003 0,827 0,202 0,01 0,631 0,096 0,709 0,264
-10 -47,5 Tend. 0,008 -0,318 -0,093 0,016 -0,055 0,02 0,154 -0,017 -0,026
Val. p 0,351 0,007 0,543 0,282 0 0,89 0,374 0,173 0,089
-10 -50 Tend. -0,001 -0,276 -0,115 0,012 -0,036 0,046 -0,02 -0,021 -0,032
Val. p 0,928 0,03 0,52 0,39 0,089 0,779 0,905 0,05 0,111
-10 -52,5 Tend. -0,003 -0,219 -0,299 0,001 -0,044 0,047 -0,292 -0,038 -0,036
Val. p 0,783 0,06 0,193 0,973 0,067 0,783 0,143 0,004 0,1
-10 -55 Tend. 0,012 -0,228 -0,091 -0,03 -0,051 -0,047 -0,05 -0,034 -0,032
Val. p 0,23 0,086 0,648 0,118 0,033 0,759 0,82 0,011 0,203
-10 -57,5 Tend. 0,014 -0,085 -0,251 -0,069 -0,049 -0,144 -0,178 -0,033 -0,033
Val. p 0,161 0,485 0,202 0,002 0,049 0,31 0,408 0,024 0,237
-10 -60 Tend. 0,007 0,052 -0,613 -0,089 -0,06 -0,049 -0,475 -0,031 -0,023
Val. p 0,448 0,589 0,009 0,001 0,015 0,722 0,044 0,053 0,434
-10 -62,5 Tend. -0,002 0,125 -1,279 -0,127 -0,08 0,144 -1,059 -0,05 -0,04
Val. p 0,791 0,274 0 0 0,002 0,211 0 0,006 0,141
-10 -65 Tend. 0 0,122 -1,133 -0,122 -0,092 0,279 -0,874 -0,091 -0,05
Val. p 0,92 0,272 0,001 0 0 0,003 0,002 0 0,057
-10 -67,5 Tend. 0,005 0,197 -1,17 -0,14 -0,085 0,253 -0,772 -0,094 -0,035
Val. p 0,284 0,081 0 0 0 0,005 0,003 0 0,101
-10 -70 Tend. -0,012 0,295 -1,144 -0,121 -0,099 0,282 -1,037 -0,101 -0,085
Val. p 0,038 0,016 0 0 0 0,008 0 0 0
92
Continuação da Tabela B2
Lat Lon DTR TN10p TN90p TNn TNx TX10p TX90p TXn TXx
-10 -72,5 Tend. -0,029 0,367 -1,015 -0,09 -0,077 0,356 -1,235 -0,078 -0,086
Val. p 0 0,008 0 0 0 0,001 0 0,005 0
-12,5 -37,5 Tend. 0,006 -0,47 0,489 0,013 0,008 -0,645 0,458 0,009 0,016
Val. p 0,052 0,011 0,008 0,057 0,059 0 0,004 0,156 0,016
-12,5 -40 Tend. -0,039 -0,48 0,181 0,015 -0,038 -0,051 -0,799 0,001 -0,069
Val. p 0,005 0,009 0,215 0,092 0,011 0,665 0,004 0,9 0,006
-12,5 -42,5 Tend. 0,006 -0,29 0,419 0,021 -0,008 -0,177 0,274 0,007 0,012
Val. p 0,388 0,056 0,029 0,113 0,663 0,151 0,167 0,667 0,573
-12,5 -45 Tend. 0,014 -0,184 0,207 0,016 -0,025 -0,049 0,435 -0,007 -0,01
Val. p 0,017 0,171 0,262 0,341 0,144 0,731 0,015 0,703 0,484
-12,5 -47,5 Tend. 0,015 -0,168 0,016 -0,004 -0,054 0,063 0,336 -0,018 -0,012
Val. p 0,113 0,199 0,911 0,801 0,001 0,693 0,06 0,234 0,496
-12,5 -50 Tend. 0,008 -0,111 0,08 0,014 -0,045 0,126 0,339 -0,029 -0,014
Val. p 0,411 0,399 0,733 0,464 0,038 0,449 0,143 0,124 0,493
-12,5 -52,5 Tend. 0,004 -0,094 -0,146 -0,01 -0,064 0,141 0,065 -0,019 -0,027
Val. p 0,711 0,5 0,509 0,664 0,015 0,368 0,767 0,208 0,242
-12,5 -55 Tend. 0,015 0,034 -0,358 -0,087 -0,062 0,013 -0,197 -0,027 -0,041
Val. p 0,043 0,798 0,126 0,002 0,012 0,904 0,353 0,089 0,072
-12,5 -57,5 Tend. 0,019 0,238 -1,243 -0,17 -0,086 0,042 -0,915 -0,073 -0,066
Val. p 0,006 0,016 0 0 0,001 0,683 0,001 0 0,005
-12,5 -60 Tend. 0,02 0,347 -1,239 -0,146 -0,091 0,056 -0,818 -0,079 -0,045
Val. p 0,021 0 0 0 0 0,648 0,002 0,001 0,079
-12,5 -62,5 Tend. 0,008 0,494 -1,452 -0,154 -0,093 0,277 -1,128 -0,125 -0,048
Val. p 0,309 0 0 0 0 0,008 0 0 0,048
-12,5 -65 Tend. 0,01 0,38 -0,551 -0,114 -0,082 0,343 -0,39 -0,123 -0,052
Val. p 0,019 0 0,008 0 0 0 0,034 0 0,009
-15 -40 Tend. -0,029 -0,289 0,357 0,018 -0,013 -0,082 -0,598 -0,005 -0,046
Val. p 0,01 0,052 0,008 0,08 0,294 0,432 0,012 0,705 0,025
-15 -42,5 Tend. 0,012 -0,175 0,142 0,013 -0,011 -0,138 0,165 -0,007 0,01
Val. p 0,076 0,197 0,429 0,31 0,544 0,277 0,376 0,69 0,622
-15 -45 Tend. 0,019 -0,124 0,107 0,006 -0,031 -0,02 0,381 0,008 0,013
Val. p 0,001 0,373 0,6 0,756 0,145 0,881 0,021 0,638 0,482
-15 -47,5 Tend. 0,007 -0,279 0,231 0,014 -0,028 0,013 0,485 0,002 0
Val. p 0,281 0,042 0,274 0,455 0,164 0,922 0,008 0,908 0,981
-15 -50 Tend. -0,005 -0,213 0,05 -0,001 -0,058 0,211 0,281 -0,009 -0,014
Val. p 0,542 0,061 0,801 0,952 0,017 0,187 0,123 0,564 0,515
-15 -52,5 Tend. -0,002 -0,079 -0,101 -0,018 -0,074 0,148 0,051 -0,032 -0,031
Val. p 0,836 0,494 0,553 0,492 0,002 0,243 0,75 0,075 0,191
-15 -55 Tend. 0,013 0,056 -0,241 -0,111 -0,073 0,065 -0,127 -0,101 -0,046
Val. p 0,059 0,586 0,193 0,001 0,001 0,426 0,403 0 0,028
-15 -57,5 Tend. 0,016 0,27 -1,265 -0,151 -0,095 0,188 -0,876 -0,162 -0,074
Val. p 0,003 0,004 0 0 0 0,032 0 0 0,001
-15 -60 Tend. 0,013 0,504 -1,332 -0,143 -0,109 0,339 -1,109 -0,161 -0,082
Val. p 0,071 0 0 0 0 0 0 0 0,003
93
Continuação da Tabela B2
Lat Lon DTR TN10p TN90p TNn TNx TX10p TX90p TXn TXx
-17,5 -40 Tend. -0,009 -0,359 0,496 0,021 0,017 -0,242 -0,115 0,033 -0,018
Val. p 0,281 0,007 0,001 0,046 0,164 0,018 0,554 0,002 0,345
-17,5 -42,5 Tend. 0,012 -0,255 0,341 0,02 -0,01 -0,179 0,317 0,031 0,022
Val. p 0,053 0,033 0,037 0,134 0,491 0,103 0,041 0,033 0,362
-17,5 -45 Tend. 0,009 -0,254 0,219 0 -0,026 -0,057 0,392 -0,015 0,017
Val. p 0,185 0,033 0,166 0,993 0,278 0,644 0,007 0,482 0,451
-17,5 -47,5 Tend. -0,007 -0,367 0,095 -0,03 -0,03 0,09 0,116 -0,016 -0,007
Val. p 0,372 0,006 0,527 0,266 0,157 0,362 0,362 0,401 0,737
-17,5 -50 Tend. -0,015 -0,206 -0,057 -0,039 -0,066 0,261 -0,04 -0,036 -0,048
Val. p 0,06 0,045 0,696 0,225 0,004 0,026 0,743 0,109 0,046
-17,5 -52,5 Tend. -0,005 -0,061 -0,094 -0,066 -0,071 0,132 -0,108 -0,057 -0,037
Val. p 0,458 0,516 0,541 0,067 0,001 0,152 0,474 0,039 0,15
-17,5 -55 Tend. 0,002 0,158 -0,495 -0,11 -0,062 0,196 -0,404 -0,125 -0,069
Val. p 0,779 0,09 0,01 0,002 0,005 0,017 0,009 0,001 0,005
-17,5 -57,5 Tend. 0,004 0,337 -1,374 -0,152 -0,119 0,324 -1,135 -0,189 -0,084
Val. p 0,512 0 0 0 0 0 0 0 0,001
-17,5 -60 Tend. 0,004 0,453 -1,327 -0,139 -0,119 0,342 -1,374 -0,171 -0,065
Val. p 0,621 0 0 0 0 0 0 0 0,009
Os valores p em negrito são os que apresentaram significância estatística de
90% ou mais, ou seja, os que são menores que 0,1 (valor tabelado).
Tend é a tendência calculada pelo RClimDex. A tendência é expressa nas seguintes
unidades:
DTR: °C/ano;
TNn: °C/ano;
TNx: °C/ano;
TXn: °C/ano.
TXx: °C/ano;
TN10p: dia/ano;
TN90p: dia/ano;
TX10p: dia/ano;
TX90p: dia/ano.
94
APÊNDICE C: Correlação entre os índices de mudanças climáticas e as Anomalias do
Atlântico e Pacífico
Tabela C1: Célula 5°N 60°W
5°N60°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 0,159 0,007 0,087 0,070 0,236 0,175 0,127 -0,132 0,193 0,472 0,148 0,011
Nino 3 0,254 0,002 0,060 0,043 0,151 0,130 0,095 -0,046 0,118 0,455 0,213 -0,013
Nino 3.4 0,349 -0,063 -0,068 -0,065 -0,062 -0,037 -0,017 -0,005 0,030 0,371 0,310 0,000
Nino 4 0,338 0,020 -0,018 -0,012 0,031 0,039 0,029 0,051 0,013 0,370 0,252 -0,007
DPO -0,021 0,103 -0,200 -0,381 -0,252 -0,304 -0,291 -0,295 0,137 0,397 0,429 -0,086
OMA 0,340 -0,204 0,221 0,284 0,558 0,510 0,475 0,168 0,420 0,535 -0,076 0,384
Atl_N 0,296 -0,266 0,363 0,369 0,561 0,543 0,536 0,003 0,375 0,487 -0,065 0,273
Atl_S -0,018 -0,120 0,129 0,097 0,329 0,287 0,247 -0,325 0,420 0,431 0,114 -0,120
Tabela C2: Célula 0° 50°W
0°50°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,107 0,245 -0,031 0,119 -0,164 -0,204 -0,079 0,129 0,462 0,232 0,403 0,048
Nino 3 -0,004 0,047 -0,190 -0,083 -0,299 -0,307 -0,229 0,147 0,522 0,376 0,458 0,140
Nino 3.4 0,008 -0,285 -0,384 -0,332 -0,459 -0,430 -0,407 0,045 0,558 0,512 0,425 0,182
Nino 4 0,065 -0,135 -0,355 -0,279 -0,444 -0,426 -0,383 0,128 0,523 0,471 0,439 0,209
DPO -0,270 0,018 0,018 0,143 -0,188 -0,194 -0,050 -0,283 0,432 0,145 0,503 -0,192
OMA 0,194 0,310 0,088 0,170 0,122 0,079 0,141 0,440 0,275 0,435 0,085 0,441
Atl_N 0,202 0,101 -0,108 -0,056 -0,131 -0,157 -0,103 0,473 0,393 0,529 0,322 0,393
Atl_S -0,147 0,166 0,370 0,436 0,338 0,263 0,336 -0,193 0,219 0,055 0,164 -0,103
Valores críticos para o Teste t de Student:
t >= 1,301. 90% de confiabilidade
t >= 1,69. 95% de confiabilidade
t >= 2,42. 99% de confiabilidade
em que Nino 1+2, Nino 3, Nino 3.4 e Nino 4 são as regiões do El Niño; DPO é a Oscilação
Decadal do Pacífico; OMA é a Oscilação Multidecadal do Pacífico; Atl_N é a anomalia do
Atlântico Norte; e Atl_S é a anomalia do Atlântico Sul.
95
Tabela C3: 0° 55°W
0°55°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 0,143 -0,037 -0,109 -0,027 0,005 -0,074 -0,074 0,197 0,530 0,116 0,559 0,148
Nino 3 0,205 -0,040 -0,157 -0,167 -0,128 -0,159 -0,159 0,193 0,506 0,288 0,547 0,261
Nino 3.4 0,090 -0,051 -0,086 -0,209 -0,159 -0,135 -0,135 -0,008 0,540 0,440 0,340 0,247
Nino 4 0,203 -0,069 -0,196 -0,272 -0,227 -0,222 -0,222 0,141 0,507 0,419 0,463 0,314
DPO 0,001 -0,208 -0,179 -0,054 -0,018 -0,152 -0,152 0,061 0,549 0,130 0,440 0,032
OMA 0,025 0,434 0,399 0,322 0,377 0,411 0,411 -0,005 0,164 0,024 0,048 0,012
Atl_N 0,146 0,400 0,214 0,109 0,194 0,204 0,204 0,143 0,229 0,237 0,256 0,207
Atl_S -0,256 0,072 0,331 0,443 0,374 0,327 0,327 -0,263 0,079 -0,495 -0,114 -0,486
Tabela C4: Célula 0° 60°W
0°60°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,090 0,251 0,107 0,191 0,190 0,181 0,218 -0,043 0,446 0,111 0,169 -0,011
Nino 3 -0,042 0,163 -0,009 0,050 0,039 0,036 0,073 0,037 0,439 0,269 0,262 0,131
Nino 3.4 0,032 -0,088 -0,132 -0,111 -0,143 -0,141 -0,101 0,043 0,364 0,268 0,206 0,183
Nino 4 0,030 0,030 -0,116 -0,083 -0,099 -0,102 -0,066 0,099 0,383 0,354 0,304 0,232
DPO 0,163 -0,232 -0,129 -0,016 -0,014 -0,032 0,038 0,077 0,441 0,027 0,043 -0,070
OMA -0,108 0,304 0,351 0,402 0,444 0,458 0,379 -0,142 0,003 0,063 -0,034 0,101
Atl_N -0,071 0,268 0,163 0,198 0,247 0,251 0,205 -0,023 0,090 0,138 0,151 0,111
Atl_S -0,103 0,246 0,275 0,289 0,202 0,231 0,267 -0,307 0,177 -0,184 -0,259 -0,204
Tabela C5: Célula 0° 65°W
0°65°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 0,009 0,317 0,044 0,024 0,181 0,139 0,069 -0,150 0,507 0,066 0,160 0,081
Nino 3 0,069 0,311 0,048 0,075 0,171 0,128 0,098 -0,081 0,548 0,140 0,206 0,180
Nino 3.4 0,062 0,127 0,061 0,084 0,102 0,036 0,071 -0,047 0,486 0,040 0,122 0,137
Nino 4 0,106 0,285 0,021 0,053 0,093 0,043 0,055 0,001 0,509 0,148 0,228 0,231
DPO -0,115 0,128 0,300 0,235 0,299 0,246 0,298 -0,367 0,343 -0,285 -0,109 -0,280
OMA 0,310 -0,250 -0,459 -0,345 -0,158 -0,160 -0,364 0,279 0,201 0,475 0,164 0,487
Atl_N 0,288 -0,200 -0,307 -0,224 0,011 -0,022 -0,187 0,135 0,381 0,275 0,162 0,344
Atl_S -0,132 -0,228 0,073 0,211 0,041 0,116 0,118 -0,226 0,099 -0,072 -0,123 -0,121
Valores críticos para o Teste t de Student:
t >= 1,301. 90% de confiabilidade
t >= 1,69. 95% de confiabilidade
t >= 2,42. 99% de confiabilidade
96
Tabela C6: Célula 0° 70°W
0°70°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,224 -0,148 0,159 0,177 0,014 0,079 0,136 -0,180 0,272 0,025 0,017 -0,158
Nino 3 -0,145 -0,094 0,110 0,131 -0,056 0,035 0,100 -0,073 0,414 0,096 0,123 -0,054
Nino 3.4 -0,097 -0,098 0,025 -0,030 -0,060 -0,005 0,012 0,070 0,427 0,033 0,057 0,005
Nino 4 -0,082 -0,034 0,022 0,017 -0,140 -0,054 0,007 0,054 0,478 0,124 0,191 0,032
DPO -0,324 -0,299 0,076 0,037 0,052 0,018 0,011 -0,161 -0,052 -0,217 -0,285 -0,287
OMA 0,295 -0,341 -0,292 -0,211 0,026 -0,082 -0,139 0,187 0,121 0,395 0,120 0,351
Atl_N 0,138 -0,273 -0,104 -0,051 -0,037 -0,073 -0,040 0,084 0,149 0,225 0,119 0,202
Atl_S -0,029 -0,241 0,139 0,200 0,435 0,358 0,254 -0,187 -0,155 -0,065 -0,213 -0,100
Tabela C7: Célula 5°S 40°W
5°S40°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 0,047 -0,255 -0,229 -0,227 -0,246 -0,168 -0,080 0,537 0,552 0,213 0,522 0,320
Nino 3 0,166 -0,312 -0,358 -0,330 -0,366 -0,316 -0,192 0,509 0,565 0,154 0,494 0,313
Nino 3.4 0,170 -0,272 -0,313 -0,279 -0,253 -0,280 -0,154 0,302 0,428 0,153 0,351 0,318
Nino 4 0,252 -0,306 -0,380 -0,334 -0,362 -0,351 -0,205 0,410 0,471 0,101 0,385 0,287
DPO -0,135 -0,014 0,148 0,105 0,190 0,266 0,272 0,321 0,265 0,289 0,391 0,350
OMA 0,133 -0,224 -0,156 -0,222 -0,139 -0,074 -0,073 0,349 0,384 0,311 0,052 0,406
Atl_N 0,253 -0,228 -0,237 -0,315 -0,153 -0,084 -0,015 0,422 0,490 0,275 0,200 0,279
Atl_S -0,259 0,250 0,293 0,284 0,159 0,191 0,009 -0,243 0,074 0,073 0,187 0,210
Tabela C8: Célula 5°S 45°W
5°S45°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,315 0,075 0,315 0,291 0,249 0,295 0,267 -0,007 -0,003 -0,043 -0,034 -0,094
Nino 3 -0,166 0,057 0,200 0,164 0,143 0,212 0,181 0,080 0,025 0,094 0,012 0,053
Nino 3.4 -0,022 -0,053 0,156 0,108 0,160 0,197 0,193 0,004 0,183 0,111 0,064 0,110
Nino 4 -0,045 0,022 0,106 0,065 0,077 0,139 0,112 0,080 0,045 0,175 0,014 0,142
DPO -0,416 -0,247 0,588 0,483 0,601 0,599 0,568 -0,332 0,128 -0,290 0,058 -0,215
OMA 0,255 0,099 0,015 -0,049 0,073 0,121 0,121 0,500 0,226 0,456 -0,043 0,531
Atl_N 0,161 0,081 0,084 0,053 0,102 0,192 0,184 0,339 0,300 0,309 0,034 0,380
Atl_S -0,145 0,203 0,287 0,255 0,285 0,242 0,277 -0,233 0,337 -0,121 0,214 -0,172
Valores críticos para o Teste t de Student:
t >= 1,301. 90% de confiabilidade
t >= 1,69. 95% de confiabilidade
t >= 2,42. 99% de confiabilidade
97
Tabela C9: Célula 5°S 50°W
5°S50°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,359 -0,179 0,056 0,081 0,029 0,033 0,071 0,092 0,418 -0,061 0,127 -0,101
Nino 3 -0,179 -0,054 -0,028 -0,008 -0,064 -0,038 0,045 0,120 0,443 0,094 0,253 0,017
Nino 3.4 0,066 -0,106 -0,085 -0,060 -0,096 -0,075 0,019 0,036 0,488 0,141 0,224 0,092
Nino 4 -0,016 -0,029 -0,083 -0,068 -0,113 -0,076 0,054 0,094 0,433 0,188 0,282 0,097
DPO -0,346 -0,270 0,186 0,213 0,202 0,142 0,130 -0,123 0,490 -0,275 0,159 -0,272
OMA 0,188 -0,051 -0,502 -0,573 -0,429 -0,434 -0,262 0,615 0,402 0,388 0,396 0,556
Atl_N 0,136 -0,090 -0,285 -0,362 -0,223 -0,202 -0,028 0,450 0,404 0,297 0,389 0,373
Atl_S -0,208 -0,142 -0,046 -0,024 -0,039 -0,072 -0,100 -0,011 0,205 -0,086 0,066 -0,067
Tabela C10: Célula 5°S 55°W
5°S55°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,110 0,031 0,004 0,017 0,057 0,084 0,020 0,024 0,472 0,064 0,065 0,062
Nino 3 -0,056 0,151 -0,011 0,008 0,019 0,050 0,011 0,042 0,497 0,060 0,056 0,059
Nino 3.4 -0,066 0,056 -0,039 0,019 -0,036 -0,023 -0,031 0,000 0,412 0,022 0,020 0,024
Nino 4 -0,033 0,203 -0,002 0,025 -0,005 0,022 0,016 0,025 0,461 0,026 0,020 0,026
DPO -0,315 -0,150 0,104 0,169 0,087 0,101 0,068 -0,265 0,393 0,130 0,157 0,122
OMA 0,533 -0,149 -0,640 -0,570 -0,549 -0,520 -0,583 0,655 0,406 -0,202 -0,218 -0,191
Atl_N 0,294 -0,064 -0,424 -0,352 -0,325 -0,305 -0,372 0,433 0,443 0,073 0,058 0,082
Atl_S 0,008 -0,262 -0,139 -0,083 -0,077 -0,096 -0,147 0,021 0,175 0,132 0,124 0,130
Tabela C11: Célula 5°S 60°W
5°S60°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,138 -0,073 -0,122 -0,191 -0,100 -0,135 -0,170 0,011 0,328 -0,011 0,244 -0,098
Nino 3 -0,055 -0,111 -0,204 -0,244 -0,131 -0,181 -0,220 0,059 0,428 0,095 0,334 -0,020
Nino 3.4 -0,045 -0,187 -0,231 -0,215 -0,098 -0,163 -0,192 0,035 0,411 0,092 0,257 -0,012
Nino 4 0,013 -0,142 -0,265 -0,277 -0,151 -0,211 -0,250 0,074 0,460 0,161 0,379 0,027
DPO -0,267 -0,318 -0,079 -0,158 -0,059 -0,131 -0,109 -0,162 0,188 -0,279 -0,045 -0,289
OMA 0,250 0,072 -0,216 -0,122 -0,188 -0,123 -0,199 0,467 0,355 0,370 0,276 0,376
Atl_N 0,086 0,043 -0,245 -0,212 -0,283 -0,212 -0,272 0,367 0,389 0,205 0,334 0,174
Atl_S -0,102 0,016 0,278 0,246 0,162 0,223 0,273 -0,196 -0,089 -0,181 -0,228 -0,184
Valores críticos para o Teste t de Student:
t >= 1,301. 90% de confiabilidade
t >= 1,69. 95% de confiabilidade
t >= 2,42. 99% de confiabilidade .
98
Tabela C12: Célula 5°S 65°W
5°S CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,117 -0,022 0,100 0,100 0,118 0,101 0,085 -0,077 0,225 0,009 0,175 0,021
Nino 3 -0,066 0,029 0,075 0,087 0,082 0,081 0,071 -0,098 0,345 0,142 0,271 0,028
Nino 3.4 -0,098 0,063 0,094 0,100 0,050 0,076 0,087 -0,242 0,379 0,107 0,245 -0,126
Nino 4 -0,057 0,088 0,064 0,086 0,042 0,054 0,061 -0,133 0,404 0,185 0,312 -0,007
DPO -0,196 0,058 0,529 0,519 0,527 0,519 0,512 -0,426 -0,007 -0,246 -0,179 -0,300
OMA 0,215 -0,131 -0,371 -0,367 -0,264 -0,271 -0,333 0,427 -0,037 0,355 0,146 0,467
Atl_N 0,200 -0,220 -0,379 -0,375 -0,287 -0,276 -0,349 0,346 0,081 0,354 0,168 0,368
Atl_S 0,120 -0,276 0,226 0,222 0,304 0,291 0,273 -0,137 -0,034 -0,007 -0,041 0,031
Tabela C13: Célula 5°S 70°W
5°S70°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,101 0,111 0,204 0,292 0,095 0,103 0,193 -0,138 0,108 0,020 0,106 -0,020
Nino 3 -0,015 0,129 0,097 0,198 0,059 0,050 0,093 -0,085 0,264 0,086 0,245 0,043
Nino 3.4 -0,030 0,140 0,009 0,033 0,023 -0,013 -0,014 -0,103 0,302 0,026 0,231 -0,026
Nino 4 0,053 0,110 -0,007 0,076 0,021 -0,008 -0,005 -0,030 0,360 0,135 0,319 0,084
DPO -0,313 0,004 0,292 0,314 0,276 0,248 0,304 -0,364 -0,168 -0,303 -0,136 -0,337
OMA 0,190 -0,180 -0,262 -0,271 -0,146 -0,219 -0,291 0,351 0,120 0,324 0,112 0,393
Atl_N 0,054 0,013 -0,120 -0,166 -0,164 -0,218 -0,187 0,201 0,133 0,133 0,127 0,207
Atl_S -0,221 0,263 0,315 0,315 0,490 0,450 0,345 -0,149 -0,150 -0,221 -0,061 -0,146
Tabela C14: Célula 10°S 40°W
10°S40°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,004 0,007 0,035 0,027 0,034 0,113 0,173 0,085 0,444 0,266 0,227 0,297
Nino 3 0,104 0,055 -0,017 -0,035 -0,029 0,097 0,175 0,100 0,422 0,314 0,236 0,309
Nino 3.4 0,079 0,286 0,151 0,128 0,129 0,276 0,310 -0,101 0,188 0,114 0,145 0,110
Nino 4 0,161 0,173 0,025 -0,002 0,000 0,155 0,223 0,034 0,327 0,269 0,181 0,247
DPO -0,252 0,341 0,407 0,369 0,390 0,422 0,447 -0,252 -0,063 -0,248 0,025 -0,025
OMA 0,410 -0,083 -0,209 -0,186 -0,105 -0,100 -0,091 0,498 0,243 0,363 0,274 0,466
Atl_N 0,325 0,071 -0,219 -0,171 -0,112 -0,113 0,091 0,344 0,107 0,415 0,219 0,319
Atl_S -0,121 0,019 0,294 0,291 0,226 0,211 0,086 -0,165 0,010 0,005 0,228 -0,047
Valores críticos para o Teste t de Student:
t >= 1,301. 90% de confiabilidade
t >= 1,69. 95% de confiabilidade
t >= 2,42. 99% de confiabilidade
99
Tabela C15: Célula 10°S 45°W
10°S45°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,116 -0,204 0,015 0,002 0,043 0,077 0,091 0,262 0,377 0,243 0,039 0,285
Nino 3 0,007 -0,206 -0,027 -0,047 0,005 0,062 0,082 0,246 0,438 0,335 0,049 0,277
Nino 3.4 0,064 -0,203 0,057 0,038 0,108 0,150 0,179 0,153 0,226 0,188 -0,060 0,165
Nino 4 0,091 -0,181 -0,026 -0,043 0,008 0,067 0,092 0,177 0,368 0,326 -0,003 0,219
DPO -0,246 -0,131 0,407 0,382 0,456 0,449 0,468 -0,062 -0,060 -0,274 -0,373 0,063
OMA 0,286 0,037 -0,144 -0,238 -0,151 -0,064 -0,148 0,337 0,277 0,433 0,395 0,334
Atl_N 0,252 -0,059 -0,100 -0,213 -0,061 0,044 -0,016 0,327 0,205 0,452 0,246 0,276
Atl_S -0,290 0,143 0,268 0,281 0,185 0,190 0,129 -0,073 0,052 -0,204 0,257 -0,020
Tabela C16: Célula 10°S 50°W
10°S50°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,081 -0,156 0,005 0,046 0,053 0,038 0,096 -0,006 0,389 0,049 0,083 0,055
Nino 3 0,016 -0,087 -0,036 0,024 0,020 0,018 0,064 0,028 0,430 0,148 0,106 0,147
Nino 3.4 0,111 -0,159 -0,111 -0,029 0,037 0,031 0,027 0,085 0,316 0,226 -0,052 0,207
Nino 4 0,106 -0,055 -0,063 0,003 0,013 0,016 0,050 0,051 0,389 0,224 0,060 0,212
DPO -0,257 -0,385 0,183 0,269 0,418 0,378 0,375 -0,219 -0,026 -0,058 -0,319 -0,139
OMA 0,548 -0,110 -0,293 -0,287 -0,205 -0,244 -0,186 0,334 0,636 0,575 0,275 0,601
Atl_N 0,400 -0,146 -0,254 -0,205 -0,071 -0,097 -0,083 0,240 0,635 0,485 0,269 0,466
Atl_S -0,128 -0,186 0,036 0,018 0,075 -0,004 0,029 -0,077 0,100 0,068 0,064 -0,011
Tabela C17: Célula 10°S 55°W
10°S55°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,217 0,013 0,143 0,152 0,267 0,249 0,172 0,016 0,237 -0,084 0,030 -0,032
Nino 3 -0,065 0,058 0,127 0,123 0,217 0,207 0,140 0,024 0,333 -0,011 0,090 0,039
Nino 3.4 0,118 -0,052 -0,042 -0,027 0,018 -0,005 -0,042 0,037 0,267 0,008 -0,014 0,065
Nino 4 0,066 0,087 0,072 0,072 0,126 0,115 0,073 0,021 0,350 0,049 0,095 0,092
DPO -0,200 -0,172 0,214 0,232 0,318 0,294 0,277 -0,244 -0,115 -0,284 -0,325 -0,210
OMA 0,529 -0,134 -0,572 -0,522 -0,452 -0,464 -0,520 0,643 0,345 0,573 0,457 0,626
Atl_N 0,286 -0,108 -0,297 -0,273 -0,237 -0,256 -0,265 0,336 0,320 0,337 0,287 0,387
Atl_S -0,001 -0,156 -0,238 -0,185 -0,192 -0,218 -0,245 0,153 -0,076 -0,055 0,015 0,062
Valores críticos para o Teste t de Student:
t >= 1,301. 90% de confiabilidade
t >= 1,69. 95% de confiabilidade
t >= 2,42. 99% de confiabilidade
100
Tabela C18: Célula 10°S 60°W
10°S60°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,090 -0,158 0,011 0,096 0,059 0,088 0,045 -0,055 0,155 0,027 0,219 -0,007
Nino 3 -0,021 -0,075 -0,024 0,079 -0,044 0,044 -0,007 -0,020 0,275 0,083 0,275 0,053
Nino 3.4 0,011 -0,054 -0,174 -0,090 -0,251 -0,152 -0,203 0,077 0,276 0,046 0,230 0,072
Nino 4 0,028 -0,019 -0,072 0,027 -0,133 -0,026 -0,067 0,026 0,335 0,111 0,297 0,087
DPO -0,161 -0,173 -0,090 -0,011 -0,059 0,008 -0,079 -0,046 -0,153 -0,264 -0,103 -0,166
OMA 0,570 -0,239 -0,614 -0,572 -0,529 -0,562 -0,520 0,582 0,127 0,539 0,535 0,608
Atl_N 0,431 -0,098 -0,447 -0,423 -0,498 -0,447 -0,413 0,322 0,137 0,392 0,436 0,405
Atl_S 0,128 -0,133 -0,084 -0,103 0,137 -0,005 -0,046 0,142 -0,227 -0,021 -0,178 0,016
Tabela C19: Célula 10°S 65°W
10°S65°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,206 -0,073 0,126 0,212 0,222 0,259 0,166 -0,089 0,030 0,027 0,010 0,127
Nino 3 -0,044 -0,111 0,075 0,194 0,208 0,248 0,147 -0,125 0,193 0,123 0,044 0,158
Nino 3.4 0,042 -0,074 0,044 0,163 0,033 0,128 0,101 -0,042 0,247 0,082 -0,009 0,056
Nino 4 0,067 -0,121 -0,008 0,132 0,104 0,151 0,074 -0,077 0,288 0,185 0,078 0,166
DPO -0,213 -0,217 0,181 0,329 0,162 0,253 0,231 0,107 -0,229 -0,282 -0,289 -0,162
OMA 0,248 0,298 -0,136 -0,086 -0,140 -0,123 -0,027 0,370 0,093 0,293 0,222 0,485
Atl_N 0,227 0,055 -0,142 -0,091 -0,012 -0,056 -0,064 0,192 0,121 0,198 0,149 0,272
Atl_S 0,055 0,177 0,219 0,316 0,100 0,209 0,298 0,059 -0,174 -0,132 -0,205 0,017
Tabela C20: Célula 10°S 70°W
10°S70°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,186 0,213 0,262 0,252 0,200 0,323 0,303 -0,147 -0,012 -0,094 0,023 -0,036
Nino 3 -0,011 0,100 0,143 0,193 0,157 0,274 0,218 -0,099 0,130 0,015 0,092 0,103
Nino 3.4 0,045 -0,067 -0,065 0,030 0,016 0,052 -0,006 0,033 0,177 0,072 0,072 0,179
Nino 4 0,103 -0,022 -0,013 0,069 0,070 0,147 0,068 -0,008 0,226 0,117 0,156 0,215
DPO -0,357 0,248 0,348 0,339 0,204 0,265 0,333 -0,251 -0,232 -0,451 -0,339 -0,385
OMA 0,173 0,012 -0,065 0,014 -0,019 -0,056 -0,027 0,422 0,048 0,149 -0,012 0,288
Atl_N 0,135 -0,091 -0,061 0,013 0,026 -0,013 -0,019 0,337 0,051 0,141 -0,121 0,279
Atl_S -0,092 0,305 0,252 0,302 0,049 0,207 0,259 -0,098 -0,294 -0,181 -0,175 -0,176
Valores críticos para o Teste t de Student:
t >= 1,301. 90% de confiabilidade
t >= 1,69. 95% de confiabilidade
t >= 2,42. 99% de confiabilidade
101
Tabela C21: Célula 15°S 40°W
15°S40°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,185 0,080 0,208 0,217 0,264 0,258 0,256 -0,121 0,422 -0,003 0,235 0,000
Nino 3 -0,097 0,033 0,139 0,140 0,238 0,237 0,201 -0,058 0,332 0,018 0,230 0,086
Nino 3.4 -0,031 -0,026 0,004 -0,022 0,179 0,173 0,062 0,000 0,058 -0,032 0,194 0,035
Nino 4 -0,017 0,020 0,090 0,092 0,217 0,226 0,176 0,002 0,195 0,025 0,238 0,114
DPO -0,272 0,076 0,103 0,029 0,366 0,341 0,140 -0,224 0,160 -0,166 0,083 -0,330
OMA 0,330 -0,264 -0,390 -0,349 -0,172 -0,247 -0,233 0,399 0,307 0,466 -0,033 0,453
Atl_N 0,060 -0,008 -0,140 -0,108 -0,050 -0,086 -0,068 0,160 0,050 0,160 -0,024 0,184
Atl_S -0,088 -0,154 -0,085 -0,104 -0,068 -0,080 0,058 0,100 0,066 0,349 -0,021 0,239
Tabela C22: Célula 15°S 45°W
15°S45°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,024 -0,031 0,132 0,190 0,132 0,132 0,146 0,109 0,323 0,057 0,163 0,164
Nino 3 0,044 -0,048 0,153 0,238 0,159 0,145 0,178 -0,016 0,330 0,060 0,066 0,085
Nino 3.4 0,061 -0,153 0,172 0,276 0,238 0,177 0,252 -0,061 0,095 -0,040 -0,107 -0,035
Nino 4 0,087 -0,061 0,141 0,245 0,164 0,121 0,177 -0,116 0,251 0,041 -0,012 0,019
DPO -0,445 0,035 0,450 0,464 0,479 0,458 0,496 0,096 -0,115 -0,372 -0,157 -0,144
OMA 0,404 -0,229 -0,100 -0,042 -0,050 -0,044 0,030 0,096 0,390 0,452 0,401 0,569
Atl_N 0,248 -0,183 0,025 0,071 0,039 0,072 0,104 0,023 0,210 0,211 0,202 0,252
Atl_S 0,080 -0,258 0,077 0,135 0,125 0,046 0,134 0,297 0,018 0,097 0,095 0,316
Tabela C23: Célula 15°S 50°W
15°S50°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,262 -0,101 0,166 0,129 0,173 0,225 0,158 -0,124 0,372 0,015 -0,141 0,049
Nino 3 -0,184 -0,032 0,171 0,148 0,166 0,219 0,186 -0,149 0,406 0,035 -0,200 0,084
Nino 3.4 -0,137 0,056 0,252 0,247 0,265 0,299 0,309 -0,139 0,186 -0,048 -0,227 0,077
Nino 4 -0,121 0,043 0,188 0,175 0,180 0,228 0,221 -0,162 0,328 0,042 -0,235 0,104
DPO -0,505 -0,018 0,601 0,558 0,644 0,660 0,605 -0,461 -0,129 -0,358 -0,375 -0,235
OMA 0,243 0,216 -0,035 -0,017 -0,069 -0,072 0,001 0,039 0,462 0,520 0,275 0,619
Atl_N 0,147 -0,064 -0,136 -0,146 -0,119 -0,091 -0,086 0,057 0,420 0,398 0,244 0,472
Atl_S -0,230 0,111 0,322 0,337 0,313 0,283 0,325 -0,221 0,131 -0,017 0,163 0,073
Valores críticos para o Teste t de Student:
t >= 1,301. 90% de confiabilidade
t >= 1,69. 95% de confiabilidade
t >= 2,42. 99% de confiabilidade
102
Tabela C24: Célula 15°S 55°W
15°S55°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,221 -0,034 0,142 0,142 0,158 0,158 0,129 -0,070 0,101 -0,130 -0,001 -0,097
Nino 3 -0,100 -0,054 0,128 0,128 0,211 0,211 0,142 -0,111 0,167 -0,051 0,108 -0,046
Nino 3.4 0,081 -0,171 -0,072 -0,072 0,112 0,112 0,001 0,033 0,122 -0,029 0,139 -0,006
Nino 4 0,005 -0,069 0,055 0,055 0,165 0,165 0,077 -0,108 0,195 0,011 0,182 0,008
DPO -0,317 -0,058 0,246 0,246 0,301 0,301 0,309 -0,199 -0,329 -0,368 -0,300 -0,353
OMA 0,516 -0,161 -0,338 -0,338 -0,183 -0,183 -0,250 0,145 0,244 0,499 0,163 0,597
Atl_N 0,439 -0,183 -0,226 -0,226 0,065 0,065 -0,026 0,130 0,111 0,326 0,084 0,349
Atl_S -0,037 -0,263 -0,079 -0,079 -0,145 -0,145 -0,145 0,124 -0,126 -0,048 -0,210 0,108
Tabela C25: Célula 15°S 60°W
15°S60°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx
Nino1+2 -0,194 0,076 0,165 0,170 0,122 0,192 0,148 -0,170 0,047 -0,089 -0,049 -0,172
Nino 3 -0,043 -0,027 0,106 0,123 0,121 0,198 0,116 -0,146 0,135 0,029 0,062 -0,082
Nino 3.4 0,114 -0,133 -0,125 -0,128 0,004 0,022 -0,115 0,113 0,106 0,105 0,104 0,030
Nino 4 0,085 -0,111 -0,013 0,007 0,058 0,119 0,012 -0,060 0,181 0,141 0,151 0,021
DPO -0,264 -0,046 -0,054 -0,186 0,141 0,017 -0,125 0,081 -0,232 -0,232 -0,255 -0,200
OMA 0,459 -0,098 -0,289 -0,289 -0,067 -0,164 -0,204 0,459 0,125 0,283 0,023 0,407
Atl_N 0,390 0,015 -0,063 -0,065 0,237 0,101 0,073 0,140 0,069 0,208 -0,096 0,231
Atl_S 0,044 0,063 0,004 0,063 -0,026 0,038 0,009 0,235 -0,214 -0,160 -0,145 0,018
Valores críticos para o Teste t de Student:
t >= 1,301. 90% de confiabilidade
t >= 1,69. 95% de confiabilidade
t >= 2,42. 99% de confiabilidade
em que Nino 1+2, Nino 3, Nino 3.4 e Nino 4 são as regiões do El Niño; DPO é a Oscilação
Decadal do Pacífico; OMA é a Oscilação Multidecadal do Pacífico; Atl_N é a anomalia do
Atlântico Norte; e Atl_S é a anomalia do Atlântico Sul.
103
APÊNDICE D
Tabela D1: Anomalias dos oceanos Pacífico e Atlântico de 1961 a 2001
Ano Nino 1+2 Nino 3 Nino 3.4 Nino 4 DPO AMO*10 Atl_N*10 Atl_S*10
1961 -0,459 -0,314 -0,083 -0,093 -0,818 1,603 -0,467 -2,708
1962 -0,949 -0,531 -0,279 -0,309 -1,158 0,850 1,617 -0,967
1963 -0,457 -0,178 -0,229 -0,118 -0,686 0,753 2,933 1,683
1964 -0,827 -0,234 -0,014 0,106 -0,770 -0,503 0,700 1,192
1965 0,308 -0,106 -0,369 -0,121 -0,314 -1,394 -2,317 -4,333
1966 -0,234 0,494 0,625 0,923 -0,459 -0,632 1,433 -2,367
1967 -0,631 -0,503 -0,024 -0,263 -0,734 -0,281 0,250 -2,567
1968 -1,257 -0,753 -0,005 -0,334 -0,403 -1,608 -1,542 -3,300
1969 0,424 0,505 0,633 0,658 -0,098 0,193 4,100 0,467
1970 -0,508 -0,035 0,285 0,264 -0,398 -0,610 3,400 -4,542
1971 -1,048 -1,051 -0,885 -1,049 -1,291 -2,678 -1,925 -1,600
1972 0,613 0,058 0,003 0,018 -0,922 -3,349 -1,950 -1,967
1973 0,258 0,507 0,339 0,618 -0,804 -2,372 -1,192 5,200
1974 -0,700 -0,895 -1,038 -1,127 -0,337 -3,233 -4,575 2,467
1975 -0,818 -0,721 -0,793 -0,729 -1,102 -3,227 -4,583 -1,225
1976 -0,266 -0,632 -0,887 -0,852 0,008 -3,518 -4,283 -5,742
1977 0,182 0,356 0,157 0,483 0,231 -2,196 -0,883 -3,325
1978 -0,487 -0,213 0,264 0,133 0,236 -1,742 0,300 -3,725
1979 0,002 -0,018 0,079 0,003 0,335 -1,257 1,475 -2,450
1980 0,252 0,234 0,392 0,369 0,603 0,109 3,350 -1,467
1981 -0,380 -0,286 -0,078 -0,224 0,918 -0,749 3,133 -3,133
1982 -0,193 0,367 0,397 0,417 0,114 -1,055 0,558 -1,442
1983 2,995 2,093 0,568 1,553 1,648 -1,287 0,975 -2,242
1984 -0,127 -0,412 -0,545 -0,517 0,838 -1,324 -1,908 3,175
1985 -0,871 -0,911 -0,423 -0,769 0,449 -2,623 -3,550 2,617
1986 -0,551 -0,418 0,062 -0,253 1,239 -2,392 -3,083 2,050
1987 0,889 1,064 0,877 1,283 1,821 -0,447 0,650 1,275
1988 -0,230 -0,148 0,343 0,113 0,532 0,834 3,817 4,992
1989 -0,612 -1,048 -1,021 -1,253 -0,179 -0,677 -2,133 3,050
1990 -0,391 -0,105 0,319 0,064 -0,356 -0,732 0,908 0,108
1991 -0,172 0,222 0,732 0,443 -0,419 -0,305 -0,867 1,217
1992 0,785 0,833 0,888 1,152 0,928 -1,568 -1,000 -4,817
1993 0,313 0,240 0,451 0,348 1,417 -2,127 -1,025 -2,867
1994 -0,418 -0,036 0,484 0,277 -0,152 -2,083 -3,317 2,367
1995 -0,065 0,153 0,729 0,513 0,643 1,093 1,742 2,575
1996 -0,884 -0,638 -0,237 -0,544 0,641 0,311 4,892 2,842
1997 0,817 0,350 0,442 0,350 1,461 0,012 1,825 -4,500
1998 3,078 1,938 0,433 1,270 0,246 3,187 6,383 5,242
1999 -0,487 -0,812 -1,003 -1,123 -1,063 2,517 2,275 1,817
2000 -0,674 -0,851 -0,820 -0,973 -0,590 0,840 0,900 1,842
2001 -0,417 -0,306 -0,177 -0,338 -0,563 0,672 -0,500 0,775
104
Fonte: Earth System Research Laboratory da NOAA, Disponível em:
<http://www.esrl.noaa.gov/psd/data/climateindices/>
Top Related