Upload
truongdien
View
213
Download
0
Embed Size (px)
Citation preview
1
Convênio de Cooperação Técnico-Científica entre INPE e VALE
Coordenador: Dr. Carlos A. Nobre Coordenador Adjunto: Dr. Gilvan Sampaio
Projeto: Estudos de mudanças climáticas e vulnerabilidades
nos Estados do Pará e Maranhão
Relatório I
Detalhamento e regionalização dos estudos de alterações climáticas, com base
em modelos matemáticos, envolvendo caracterização do clima presente e
cenários futuros de clima
Jose A. Marengo
Guillermo O. Obregon
Roger R. Torres
2
SUMÁRIO Pág.
1 Introdução ......................................................................................................... 3 2 Objetivos ............................................................................................................ 4 3 Clima da região de estudo ................................................................................ 5 3.1 Características climáticas da região ............................................................. 5
3.2 Variabilidade interanual do clima na região de estudo ............................... 10
3.3 Variabilidade climática a longo prazo na região de estudo ......................... 13 4 Cenários de mudanças climáticas na região de estudo: uma revisão baseada
na análise dos estudos do IPCC AR4 do Relatório de Clima do INPE......... 15
5 Dados e metodologia ........................................................................................ 18 5.1 Dados observacionais .................................................................................... 18
5.2 Detecção de mudanças climáticas e extremos climáticos 21
5.3 Modelos climáticos regionais e cenários regionalizados do clima futuro..... 23
6 Resultados ......................................................................................................... 26 6.1 Detecção de Mudanças climáticas 26
6.2 Extremos de mudanças climáticas observadas 31
6.3 Experiências de modelagem regional na região de estudo 36
6.4 Resultados das simulações dos modelos regionais para as regiões de estudo 37
6.4.1 Projeções de precipitação e temperatura sazonais e anuais dos 3 modelos regionais para 2071-2100 relativo a 1961-1990 37
6.4.2 Projeções de Precipitação menos Evaporação (P-E) sazonais e anuais dos 3 modelos regionais para 2071-2100 relativas ao período: 1961-1990 51
6.4.3 Projeções de extremos de chuva e temperatura 57
6.5 Projeções de precipitação e temperatura anuais e sazonais do modelo HadRM3P para os períodos de 2010-2040, 2041-2070 e 2071-2100 67
7 Sumário e conclusões ....................................................................................... 78
Referências Bibliográficas...................................................................................... 82
3
1 Introdução
O Grupo de Pesquisa em Mudanças Climáticas do Centro de Ciências do
Sistema Terrestre (CCST) do Instituto Nacional de Pesquisas Espaciais (INPE) têm
desenvolvido estudos observacionais para caracterizar o clima do presente e sua
variabilidade em longo prazo, assim como estudos de projeções de cenários climáticos
futuros para caracterizar o clima para o final do Século XXI, utilizando vários cenários
de emissões de gases de efeito estufa. Um desses estudos foi divulgado em 2007 e
intitula-se: “Caracterização do clima atual e definição das alterações climáticas para o
território brasileiro ao longo do Século XXI”.
Tais estudos fazem parte do Relatório de Clima do INPE e representam a
primeira tentativa de avaliar o clima das diferentes regiões do Brasil nos últimos 50
anos, assim como avaliar as projeções climáticas para o fim do Século XXI, gerados por
modelos climáticos regionais com alta resolução espacial, utilizando cenários de altas
emissões de gases de efeito estufa (A2) e cenários de baixas emissões (B2), segundo o
Intergovernmental Panel on Climate Change (IPCC).
Os seis relatórios derivados deste projeto, assim como o Atlas de Cenários
Climáticos Futuros estão disponíveis no sítio: www.cptec.inpe.br/mudancas-climaticas.
Os resultados mais importantes deste projeto podem ser encontrados no Sumário
Técnico publicado por Marengo et al. (2007).
O projeto entre o INPE e a VALE tem o objetivo de detalhar os cenários
climáticos para os Estados do Pará e Maranhão, na região Norte do Brasil, e analisar os
efeitos econômicos, sociais e ambientais conseqüentes na região Amazônica (e algumas
áreas adjacentes) como, por exemplo, os impactos na vegetação, na agricultura, na
biodiversidade e capacidade de geração energética. Neste sentido, o Relatório I deste
projeto constitui o alicerce para a discussão destes efeitos nos próximos relatórios a
serem desenvolvidos. Destaca-se que no presente relatório, os estudos de variabilidade
do clima e de extremos climáticos representam aspectos inéditos.
4
2 Objetivos
A partir dos resultados do Relatório de Clima do INPE foi feito o
aprofundamento dos estudos de cenários de vulnerabilidades para o Brasil e América
Latina, especialmente para os estados do Norte e Nordeste do Brasil. Neste sentido, o
objetivo deste projeto é aprimorar os estudos de vulnerabilidades e mudanças climáticas
no Brasil através de uma parceria entre a VALE e o INPE/CCST. O projeto compreende
a análise de cenários de mudanças climáticas para a região amazônica, com foco nos
estados do Maranhão e do Pará.
Os estudos de variabilidade do clima e de extremos climáticos para o presente
e para longo prazo são baseados em observações meteorológicas, e representam
aspectos inéditos, como a aplicação de modelos climáticos regionais a partir de uma
maior disponibilidade de dados observados para a região, e a realização de novas
projeções climáticas para três períodos de análise: 2010-2040, 2041-2070 e 2071-2100
usando o modelo HadRM3P. As projeções de extremos e as projeções da diferença P-E
representam uma boa forma de avaliar o possível impacto da mudança do clima no
curto, médio e longo prazos na hidrologia da região. As projeções de mudanças
climáticas (cenários de temperatura, precipitação e extremos climáticos para duas
condições opostas de emissão de gases do efeito estufa) são elaboradas com base nos
modelos globais de clima utilizados no IPCC Fourth Assessment Report (IPCC AR4)
desde o presente até o final do Século XXI. Estes resultados são refinados a partir da
regionalização (“downscaling”) das projeções destes modelos usando modelos regionais
climáticos de maior resolução espacial (50 km) sobre a área de interesse, onde as
condições de fronteira (ou de contorno) laterais dos modelos regionais são provenientes
do modelo climático global. Experiências similares em outros países têm demonstrado
que para estudos de impactos, avaliação de vulnerabilidade e propostas de medidas de
adaptação, são necessárias que as projeções do clima futuro tenham uma resolução
espacial maior, para permitir um detalhamento no nível de municípios.
5
Com uma maior disponibilidade de dados observados e projeções de clima
futuro para a região, este Relatório I estabelece as bases para a discussão nos próximos
relatórios dos impactos econômicos, sociais e ambientais na região de análise.
3 Clima da região de estudo
3.1 Características climáticas da região
A seguir será feita uma descrição do regime de precipitação no Brasil, com
ênfase na distribuição espacial e temporal. Também serão abordados a variabilidade
interanual e os mecanismos físicos responsáveis pela formação de chuva no país. Esta
descrição é baseada em Marengo e Silva Dias (2006), no qual maiores detalhes estão
apresentados.
A Região Norte apresenta significativa heterogeneidade espacial e sazonal da
pluviosidade. Esta é a região com maior total pluviométrico anual do país e da América
do Sul, sendo que o maior volume é observado no litoral do Amapá, na foz do rio
Amazonas e no setor ocidental da região, onde a precipitação excede 5.000 mm/ano.
Analisando a Figura 3.1, encontramos na Região Norte quatro núcleos de
precipitação abundante. O primeiro máximo de precipitação anual está localizado no
noroeste da Amazônia, com valores superiores a 3.600 mm/ano. Este máximo está
associado à condensação do ar úmido trazido pelos ventos de leste da Zona de
Convergência Intertropical (ZCIT), que sofrem levantamento orográfico sobre os
Andes. O segundo núcleo está localizado na parte central da Amazônia, em torno da
latitude de 5ºS, com precipitação total anual de 2.400 mm, em uma banda zonalmente
orientada, estendendo-se até a parte central da Amazônia. O terceiro centro localiza-se
na parte leste da bacia Amazônica, próximo à região da Foz do Rio Amazonas e oeste
do Maranhão, com precipitação anual superior a 3.000 mm. Este centro de máximo
secundário deve-se, possivelmente, às linhas de instabilidade que se formam ao longo
da costa durante o fim de tarde, forçado pela circulação de brisa. A região entre o estado
do Pará e Maranhão exibe precipitação anual que varia entre 1200 e 1600 mm/ano.
6
Figura 3.1 Distribuição espacial da precipitação total anual (102 mm/ano) nas regiões Norte e
Nordeste do Brasil. Fonte: Marengo, 1995.
Na escala sazonal, o pico da estação chuvosa para o leste do Pará e norte do
Maranhão ocorre no período de fevereiro a abril, enquanto que no sul dos estados do
Pará e do Maranhão esse máximo acontece entre os meses de janeiro e março. Já a
estação menos chuvosa ocorre de maneira mais irregular: entre setembro e novembro no
norte do Maranhão e na Foz do Rio Amazonas, e relativamente mais cedo, entre os
meses de agosto e outubro e de julho a agosto, na parte central e sul do Pará e
Maranhão, respectivamente (Figura 3.2).
7
Figura 3.2 Trimestres mais e menos chuvosos para a região Norte e Nordeste do Brasil. Os
símbolos correspondem às letras iniciais dos três meses consecutivos do ano com
maior e menor acumulado pluviométrico. Fonte Rao e Hada 1990.
8
Entre os sistemas que produzem grandes quantidades de precipitação na região
do Pará e Maranhão, têm-se as linhas de instabilidade. A origem desse sistema
atmosférico está relacionada à circulação de brisa marítima na costa norte-nordeste da
América do Sul, desde a Guiana até o estado do Maranhão, e podem ser facilmente
visualizadas nas imagens do satélite geoestacionário GOES, como exemplificado na
Figura 3.3. Algumas destas linhas de cumulonimbus propagam-se para o interior da
Bacia Amazônica enquanto outras se dissipam próximo à costa.
As principais características encontradas para as linhas de instabilidade são:
• aquelas que se propagam continente adentro podem atingir o extremo oeste da
Amazônia;
• as linhas de instabilidade são observadas durante todo o ano, com maior
freqüência entre os meses de abril e agosto;
• a velocidade média de propagação das linhas é 14 m/s, enquanto o ciclo de vida
é de 9 a 16 horas;
• A dimensão média desses sistemas é de 1400 km de comprimento e 170 km de
largura.
As imagens apresentadas na Figura 3.3 mostram o ciclo de vida de uma linha
de instabilidade que ocorreu durante um experimento de campo no leste da Amazônia
em 2002. No dia 21 de abril de 2002, às 18 UTC (horário de Greenwich) é possível
observar junto à costa atlântica a formação de uma linha instabilidade, cuja origem está
associada à circulação de brisa marítima. Este sistema se propagou para o interior do
continente paralelo à costa, e dissipou-se por volta das 07:15 UTC do dia seguinte
(imagem não apresentada).
9
21 de abril de 2002 as 18 UTC 21 de abril de 2002 as 21 UTC
22 de abril de 2002 as 00 UTC 22 de abril de 2002 as 03 UTC
Figura 3.3 – Ciclo de vida de uma linha de instabilidade através das imagens realçadas do
satélite geoestacionário GOES-8 no canal infravermelho. Fonte: CPTEC/INPE.
10
3.2 Variabilidade interanual do clima na região de estudo
Considerando a variabilidade interanual de chuva na Amazônia, ou seja, os
efeitos dos fenômenos El Niño e La Niña, a Figura 3.4 mostra as tendências de chuva na
Amazônia-Tocantins durante anos de El Niño, La Niña, Atlântico Tropical Norte mais
quente (ou Atlântico Tropical Sul mais frio), e Atlântico Tropical Norte mais frio (ou
Atlântico Tropical Sul mais quente).
É possível observar condições de redução de chuva na região que vai do leste
da Amazônia até a bacia do Tocantins durante episódios de El Niño e Atlântico Tropical
Norte mais quente, onde a redução de chuvas parece ser mais intensa no leste da
Amazônia e no norte da bacia do Tocantins. Durante episódios de La Niña e Atlântico
Tropical Sul mais quente, a chuva é acima do normal no leste da Amazônia e na bacia
do Tocantins. Estes resultados corroboram outros já publicados (veja lista de referências
de Trembert et al. 2007) sobre os efeitos do El Niño e La Niña na variabilidade
climática da Amazônia. Todos estes estudos sugerem que a Amazônia central, oeste e
leste é afetada pelos fenômenos El Niño e La Niña, com reduções (aumentos) de chuva
durante episódios de El Niño (La Niña) em áreas próximas a Amazônia central e leste,
gerando eventos de seca como em 1926, 1983 e 1998. Porém, nem sempre secas na
Amazônia estão associadas à ocorrência do fenômeno El Niño.
Outro aspecto importante da variabilidade interanual do clima na região de
estudo é o gradiente de temperatura da superfície do mar no Oceano Atlântico Tropical.
A Figura 3.5 mostra as anomalias de chuva na Amazônia durante a seca de 2005. As
áreas afetadas incluem o sudoeste da Amazônia e regiões do Pará e Maranhão em
Dezembro 2004-Fevereiro 2005, e na costa de Maranhão em Março-Maio 2005.
A seca ocorrida na Amazônia em 2005 (Marengo et al. 2008 a, b, Cox et al
2008) não correspondeu aos padrões típicos de El Niño supracitados. As anomalias
negativas de precipitação ocorreram na região sudoeste da Amazônia (Figura 3.6), não
se estendendo até a Amazônia central e leste, como foram observados em outros anos de
El Niño como os de 1983 e 1998. Durante esta seca, a falta prolongada de chuvas nas
11
calhas dos rios Solimões, Amazonas, Madeira e em Rondônia, fez baixar o nível da
água, deixando várias cidades da região praticamente isoladas. Mesmo assim, esta seca
não afetou a região próxima ao Amapá, porém teve forte impacto nas vazões dos Rios
Madeira (não mostrado), Solimões e Mamoré.
Figura 3.4. Anomalias de chuva durante anos de El Niño, La Niña, Atlântico Tropical Norte
mais quente (ou Atlântico Tropical Sul mais frio) e Atlântico Tropical Norte mais
frio (ou Atlântico Tropical Sul mais quente). Os círculos em azul escuro indicam
aumento de precipitação, e em vermelho indicam redução. O tamanho dos círculos
mostra a intensidade do aumento ou redução, como indicado na parte inferior direita
do mapa. Os círculos com cores intensas indicam significância estatística e aqueles
com cores mais claras representam baixa significância (Ronchail et al., 2002).
12
Figura 3.5 Anomalias de precipitação (%) sobre a Amazônia nos períodos de dezembro de 2004
a fevereiro de 2005 e de março a maio de 2005, com relação à média climatológica
de 1961 a 1990 (Marengo et al 2008a).
Figura 3.6 Tendências nos níveis (cm) e vazões (m3/s) dos Rios Solimões em Tabatinga e Fonte
Boa, Acre em Rio Branco e Mamoré em Puerto Varador. A linha contínua
representa a média de longo termo (LTM) e a linha tracejada, os valores de 2004 a
2005 (Marengo et al. 2008a).
13
3.3 Variabilidade climática a longo prazo na região de estudo
Estudos observacionais realizados na Amazônia identificaram variações
decadais e tendências de chuva e vazões (Dias de Paiva e Clarke, 1995; Chu et al. 1995,
Zhou e Lau 2001; Matsuyama et al. 2002, Marengo 2004, Botta et al. 2002, Chen et al.
2003, Chu et al. 1995), caracterizadas por mudanças sistemáticas de chuva e circulação
atmosférica, com aumentos/reduções sistemáticas da convecção e chuva sobre o
Sul/Norte da Amazônia a partir de 1975. A variabilidade nos registros hidrológicos das
bacias dos Rios Negro e Solimões (noroeste da bacia Amazônica) não apresentam
aumentos ou reduções sistemáticas e, as análises de vazões de outros rios na região
Amazônica (rios Uatuma, Jamari, Araguari, Curua-Una, Tocantins e Xingu) também
não apresentam tendências unidirecionais (Marengo et al., 1998).
O transporte de umidade para a bacia Amazônica desde o Atlântico apresenta
variabilidade interdecadal e tendência climática. A direção da tendência depende muito
do período de informação utilizada, provavelmente devido às oscilações interdecadais
ou maiores. Por exemplo, Costa e Foley (1999) detectaram uma redução no transporte
de umidade no período 1979-96, enquanto que Curtis e Hastenrath (1999) detectaram
uma tendência positiva no período 1950-99 e, Marengo (2004) identificou que desde
finais de 1920, a chuva na Amazônia global apresenta ligeira tendência positiva, que
não é estatisticamente significativa. Porém, o resultado mais importante deste estudo é
o comportamento contrastante da variabilidade interdecadal da chuva em escala regional
entre as bacias norte e sul da Amazônia (Figura 3.7).
Nesta escala regional, a variabilidade interdecadal de chuva na Amazônia
mostra mudanças de fase ou “climate shifts” em meados da década de 1940 e 1970. E
após meados da década de 1970, o Norte/Sul da Amazônia apresenta relativamente
menos/mais chuva, quando comparada ao período anterior. Esta mudança de regime
está associada a mudanças nos campos de circulação atmosférica e oceânica no Pacífico
Central que ocorreu entre 1975-76 e, aparentemente, está associada com a fase positiva
da Oscilação Decadal do Pacífico (PDO em inglês). Durante este período, após 1975,
ocorreram eventos do fenômeno El Niño mais freqüentes e intensos (1982-83, 1986-87,
14
1990-94, 1997-98). E a causa física da tendência positiva linear do aumento de chuva
no sul da Amazônia pode ser atribuída a um aumento na atividade das perturbações
extratropicais durante alguns anos do El Niño.
As mudanças de fase observadas por Marengo (2004) parecem estar
relacionadas com as oscilações de 24-28 anos identificados nas análises de Botta et al.,
(2002) e Foley et al. (2002) e, também, observados na variabilidade nas vazões dos rios
Amazonas e Tocantins (Coe et al., 2003). Estudos desenvolvidos por Obregon e Nobre
(2003) têm também identificado a mudança de regime de precipitação em 1975-76 em
estações no nordeste da Amazônia e no Sul do Brasil.
Figura 3.7. Anomalias normalizadas de chuva para o norte (a) e do sul (b) da Amazônia
desde 1929 a 1997 (Fonte: Marengo, 2004).
Assim, as análises observacionais do clima presente não apontam para uma
tendência de redução de chuvas na Amazônia (devido ao desmatamento). O que se
observa são variações interdecadais de períodos relativamente mais secos ou chuvosos
na Amazônia e no Nordeste no Brasil. Do mesmo modo, nas vazões dos rios não foram
observadas tendências sistemáticas a longo prazo de condições mais secas ou chuvosas
na Amazônia, Pantanal e Nordeste. Ressalta-se que, o que se observa é a importância
15
das variações interanuais e interdecadais, associadas à variabilidade natural do clima nas
mesmas escalas temporais da variabilidade dos fenômenos interdecadais dos Oceanos
Pacífico e Atlântico Tropicais.
4 Cenários de mudanças climáticas na região de estudo: Uma revisão baseada na
análise dos estudos do IPCC AR4 do Relatório de Clima do INPE
As projeções de aumento da temperatura média do ar à superfície para o Brasil
indicam que os valores podem chegar a 4?C acima da média climatológica em 2100, ou
mais, em relação ao período de 1961 a 1990, dependendo do cenário de emissão de
gases de efeito estufa e dos modelos climáticos globais do IPCC AR4. Os aumentos de
temperatura projetados apresentam considerável variação regional. Por exemplo, na
Amazônia o aquecimento pode atingir 6 ?C no cenário mais pessimista.
As projeções de mudança nos regimes e distribuição de chuva para climas
mais quentes no futuro, derivadas dos modelos globais do IPCC AR4, não são
conclusivas, e as incertezas ainda são grandes, pois dependem dos modelos e regiões
consideradas. Para Amazônia e Nordeste, ainda que alguns modelos apresentem
reduções drásticas de precipitação, outros apresentam aumento. A média de todos os
modelos, por outro lado, indica maior probabilidade de redução de chuva nestas regiões
como conseqüência do aquecimento global (Meehl et al. 2007).
Existem incertezas nas tendências observadas da variabilidade de extremos
climáticos no Brasil (excetuando talvez a Região Sul), devido principalmente à falta de
dados confiáveis de longo prazo ou ao acesso restrito a este tipo de informação para
grandes regiões, como, por exemplo, Amazônia e Pantanal. No entanto, as projeções de
extremos para a segunda metade do Século XXI mostram em geral aumento nos
extremos de temperatura, como noites mais quentes e ondas de calor, e nos indicadores
de eventos extremos de chuva e de períodos secos consecutivos. Para maiores detalhes
sugere-se revisar o estudo de Trenberth et al (2007) sobre as projeções dos modelos
globais do IPCC AR4.
16
As projeções climáticas para a segunda metade do Século XXI derivadas de
modelos regionais com resolução horizontal de 50 km apresentadas no Relatório de
Clima do INPE (Ambrizzi et al. 2007, Marengo et al. 2007) fornecem mais detalhes
sobre a distribuição e intensidade das mudanças da temperatura e precipitação no Brasil
e América do Sul. Porém, as incertezas ainda são grandes, pois a regionalização, ou
“downscaling” dos cenários climáticos futuros apresentados nesse relatório utilizam
somente um modelo global e três modelos regionais. O Anexo 1 apresenta projeções
dos modelos de IPCC AR4 para a região em estudo.
As projeções médias para o período 2071-2100 na região Amazônica variam
entre um aquecimento de 4-8 ?C para o cenário pessimista de altas emissões (A2) e 3-
5?C para o cenário otimista de baixas emissões (B2), com grande variação espacial
(Figura 4.1). Para o Nordeste, o aquecimento pode chegar até 4 ?C no cenário A2 e de 2-
3?C no cenário B2. No cenário A2, o aquecimento no centro-oeste e sudeste pode
alcançar até 4-6 ?C, enquanto o cenário B2 apresenta valores entre 2 e 3 ?C. No sul, o
cenário A2 indica um aquecimento da ordem de 3-4 ?C no cenário A2 e de 2-3 ºC no
cenário B2 (Figura 4.1).
Ainda que o aquecimento projetado pelos vários modelos regionais utilizados
seja maior na região tropical da América do Sul, as projeções destes modelos diferem
sobre onde se dará o maior aquecimento (acima de 8 ?C): na Amazônia oriental ou na
Amazônia ocidental, dependendo do modelo regional utilizado.
A área de estudo, na parte oriental da Amazônia, é a mais vulnerável a
mudanças de clima, e certamente o impacto destas mudanças na hidrologia,
biodiversidade ou vento na região podem ser maiores que aquelas esperadas no Sul e
Sudeste do Brasil.
17
Figura 4.1. Média das simulações dos modelos regionais HadRM3P, RegCM3 e Eta de
anomalias anuais de precipitação (mm/dia) (painel superior) e temperatura (?C)
(painel superior), no período de 2071 a 2100 em relação a 1961-1990, para os
cenários A2 (esquerda) e B2 (direita). Fonte: Marengo et al. (2007) e Ambrizzi et
al. (2007).
Estudos utilizando simulações do balanço hídrico para as regiões do Brasil,
considerando as projeções de temperatura e precipitação dos cenários regionais
climáticos, sugerem que para a Amazônia, o período de excesso de água durante a
estação chuvosa observado no clima atual pode reduzir significativamente em climas
futuros mais quentes, associado a um aumento de temperatura e evaporação e uma
redução das chuvas (Salati et al. 2007).
Em relação à seca de 2005 na Amazônia, a probabilidade de ocorrer
novamente eventos similares na região pode aumentar dos atuais 5% (uma forte
estiagem a cada 20 anos) para 50% em 2030 e até 90% em 2100 (Cox et al 2008).
18
5 Dados e Metodologia
5.1 Dados observacionais
Estudos mais detalhados sobre variabilidade climática durante os últimos 50
anos foram desenvolvidos para a região em estudo usando dados de estações
meteorológicas disponíveis, bem como dados climáticos elaborados em base a
observacionais de satélites, publicados na literatura internacional (Trenberth et al., 2007
e referências listadas, e Magrin e Gay, 2007 e, referências listadas). Porém, a base de
dados observacionais utilizados na maior parte dos estudos climáticos na Amazônia são
observações dispersas, localizadas principalmente ao longo dos principais rios. A pouca
densidade de observações e os registros relativamente curtos destas observações é o
principal problema para realizar estudos relativos à detecção de mudanças e extremos
climáticos.
No presente estudo a informação pluviométrica diária foi fornecida pela
Agência Nacional das Águas (ANA) e as informações de pluviometria e de
temperaturas diárias foram fornecidas pelo Instituto Nacional de Meteorologia
(INMET). Estas instituições têm seus próprios sistemas de controle de qualidade, mas é
necessário homogeneizar as respectivas séries de dados.
O controle de qualidade das séries diárias de precipitação e temperaturas se
restringiu a determinar a heterogeneidade através de métodos gráficos e estatísticos
(Peterson e Easterling, 1994; Easterling e Peterson, 1995), seguindo os seguintes
procedimentos: a) Análise da evolução temporal da variável mediante um gráfico, b)
Análises de médias parciais e desvios acumulativos da média e, c) comparação de
evolução temporal das estatísticas calculadas (item b). A remoção da heterogeneidade,
quando observada, consiste na correção e/ou descarte do dado errôneo. Na maioria dos
casos a heterogeneidade dos dados de temperaturas parece ser devida à consistência
interna (erros sistemáticos de digitação), mas que aleatórios, e poucos dados foram
descartados. No caso dos dados de precipitação, se descartaram aqueles que não
apresentaram padrões similares às estações adjacentes, quando era o caso ou aquelas
observações que apresentavam valores acima de três vezes o desvio padrão da sua série
19
temporal. Da ANA escolheram-se dez estações pluviométricas (Tabela I) que
cumpriram com a continuidade temporal e permitem a melhor distribuição espacial para
o presente estudo. Em relação aos dados do INMET, foram descartadas duas estações
(Santarém e Bacabal) que apresentaram muita descontinuidade de informação, ficando
com 26 estações (Tabela II).
TABELA I. Estações da Agência Nacional de Águas – ANA
(Precipitação diária)
CÓDIGO NOME LON. LAT. 00051002 MACAPÁ -51.40 -0.40 00157000 CACH DA PORTEIRA - CONJ 1 -57.05 -1.09 00344004 CANTANHEDES -44.38 -3.63 00351000 GRANJA GAZELA -51.26 -3.42 00353000 URUARA -53.55 -3.68 00644003 COLINAS -44.25 -6.03 00655001 KM 1027 DA BR-163 -55.26 -7.51 00744000 SÃO FELIX DE BALSAS -44.81 -7.08 00746006 BALSAS -46.03 -7.52 0950001 BARREIRA DO CAMPO -50.21 -9.23
A partir dos dados diários determinaram-se os totais mensais de precipitação e
as médias mensais das temperaturas. Os dados mensais faltantes não foram completados
porque, após uma análise detalhada de toda a informação conjunta e, levando em conta
o requisito indispensável de homogeneidade temporal de todas as séries para o tipo de
análises, determinou-se o período comum de 1977 a 2007 (31 anos) para todas as séries.
Assim, este período, onde a maioria das séries apresenta poucas falhas, é a base para os
estudos de caracterização de mudanças e extremos climáticos sobre a região de estudo.
Também, selecionaram-se duas estações: Belém (PA) e Conceição de Araguaia (PA),
com informações de boa qualidade e poucas falhas entre 1961-2007 (47 anos), para a
realização das análises temporais dos extremos climáticos.
20
TABELA II. Estações do Instituto Nacional de Meteorologia – INMET
(Precipitação e Temperaturas diárias)
CÓDIGO NOMES LON. LAT. 82141 SOURE 0043 4833 82145 TRACUATEUA (BRAGANCA). 0105 4656 82178 OBIDOS 0155 5531 82181 MONTE ALEGRE 0200 5405 82184 PORTO DE MOZ 0144 5214 82188 BREVES 0140 5029 82191 BELÉM 0127 4828 82198 TURIACU 0143 4524 82246 BELTERRA 0238 5457 82263 CAMETA 0215 4930 82280 SAO LUIS 0232 4418 82353 ALTAMIRA 0312 5212 82361 TUCURUI 0343 4943 82376 ZE DOCA 0343 4532 82382 CHAPADINHA 0344 4321 82445 ITAITUBA 0416 5559 82476 CAXIAS 0452 4321 82562 MARABA 0521 4909 82564 IMPERATRIZ 0532 4730 82571 BARRA DO CORDA 0530 4516 82668 SAO FELIX DO XINGU 0638 5159 82676 COLINAS 0603 4415 82765 CAROLINA 0720 4728 82768 BALSAS 0732 4602 82861 CONCEICAO DO ARAGUAI 0815 4917 82970 ALTO PARNAIBA 0907 4557
21
5.2 Detecção de mudanças climáticas e extremos climáticos
As variáveis climáticas consideradas nas análises observacionais de mudanças
climáticas foram: temperatura máxima e mínima, e precipitação total mensal. A
ferramenta utilizada na detecção de mudanças climáticas é o cálculo das tendências
climáticas.
A metodologia utilizada no cálculo da estimativa da magnitude das tendências,
denominada inclinação (taxa da variável por unidade de tempo) é um procedimento
muito simples, desenvolvido por Sen (1968) e estendido por Hisch et al. (1982),
baseado no cálculo da combinação de todas as possíveis inclinações de série temporal.
A inclinação da tendência é obtido a partir do cálculo das N'=n(n-1)/2 inclinações
estimadas através de:
ij
xx ijeS −
−= ,
Onde: xj e xi são os valores dos dados no tempo j e i, respectivamente, onde j > i e; N' é
o número de pares de dados nas quais j > i. A mediana destes N' valores de Se é o valor
estimado da inclinação denominada como inclinação de Sen.
Para se ter uma idéia mais adequada da distribuição espacial das tendências de
precipitação, devido fundamentalmente a sua alta variabilidade interanual, neste
relatório apresenta-se a magnitude percentual das tendências lineares em relação à
media climática. Este parâmetro foi calculado do seguinte modo:
100**
mednats
TL =
Onde: ts é a inclinação estimada pelo método de Sen, med é a média climática da
precipitação ou para o período e na é o número de anos considerados, de 1977-2007
(31) anos. No caso da tendência das temperaturas, devido às unidades de inclinação são
pequenas, utilizam-se as unidades da inclinação multiplicadas por 10 (oC/ década).
O teste não-paramétrico de Mann-Kendall é utilizado na determinação da
significância estatística das tendências, porque tem a vantagem de utilizar a magnitude
22
relativa dos valores da série, filtrando valores extremos, ao invés dos valores reais.
Porém, há necessidade de que os dados sejam variáveis aleatórias, independentes e
identicamente distribuídas (iid). Assim, as características deste teste são importantes
quando aplicado às séries climatológicas, como na precipitação e temperaturas, para
séries totais anuais ou séries de um determinado mês considerado como independentes.
No presente trabalho as tendências são consideradas estatisticamente significativas
quando ultrapassam o limiar de 95% de confiança.
Esta metodologia foi utilizada na determinação das tendências de precipitação
no extremo noroeste da Amazônia e no sul do Brasil (Obregón e Nobre 2003),
tendências de precipitações e temperaturas sobre todo o Brasil (Marengo e Obregón
2007).
No cálculo dos extremos climáticos, são considerados os dados diários da
temperatura máxima, temperatura mínima e precipitação. Os índices de extremos
climáticos usados neste estudo foram definidos por Frisch et al (2002) e são os mesmos
utilizados no Relatório do IPCC AR4 (Trenberth et al. 2007) para definir variações dos
extremos em clima do presente e futuro. Os índices usados são:
CDD: dias secos consecutivos (Consecutive Dry Days);
R10 mm: número de dias com precipitação maior que 10 mm (chuva moderada);
R95p: parte da precipitação total devida aos eventos maiores que o 95? percentil em
relação à climatologia (ocorrência de dias muito chuvosos);
RX5day: máxima precipitação acumulada em 5 dias (podem produzir inundações);
TN10p: porcentagem anual em que a temperatura mínima é menor que o 10?
percentil em relação à climatologia (Noites Frias);
TN90p: porcentagem anual em que a temperatura mínima é maior que o 90?
percentil em relação à climatologia (Noites Quentes);
TX10p: porcentagem anual em que a temperatura máxima é menor que o 10?
percentil em relação à climatologia (Dias Frios);
23
TX90p: porcentagem anual em que a temperatura máxima é maior que o 90?
percentil em relação à climatologia (Dias Quentes).
Estes índices não representam extremos considerados como raros, os quais
poderiam afetar o tratamento estatístico e a significância das tendências devido ao
pequeno número de eventos como estes registrados nos recordes históricos. Alguns
desses índices são baseados em um valor limiar fixo, possibilitando um fácil
entendimento dos seus impactos. Outros são baseados em percentil, o que permite
comparações entre estações. Os índices extremos de temperatura e chuva foram
calculados para o clima do presente baseados em observações, e do futuro em cenários
regionalizados derivados dos modelos RegCM3 e HadRM3P, os quais forneceram
projeções para o período de 2071-2100. O modelo Eta CCS não foi utilizado devido a
não disponibilidade de temperaturas máximas e mínimas, necessárias para o cálculo de
extremos de temperatura.
5.3 Modelos climáticos regionais e cenários regionalizados do clima futuro
Os modelos climáticos são usados como ferramentas para projeções de
mudanças do clima, como conseqüência de futuros cenários de forçantes climáticas
(gases de efeito estufa e aerossóis). Sabe-se que existe um grau de incerteza do futuro
cenário climático do planeta, e que essa incerteza torna-se muito maior quando se deseja
projetá-los para regiões. Isto se deve principalmente às diferenças observadas nas saídas
dos vários modelos climáticos utilizados nas projeções para o século XXI pelo IPCC
AR4 em 2007.
Os resultados dos modelos climáticos globais (acoplados atmosfera-oceano)
contém informações sobre os cenários de clima futuro em baixa resolução espacial (da
ordem de 300 km) para vários cenários de emissão de gases de efeito estufa
(Nakicenovic et al. 2000). Entre os vários cenários disponíveis, dois foram escolhidos
para este projeto: cenário A2 (alta concentração de emissões de gases de efeito estufa) e
B2 (baixa concentração de emissões de gases de efeito estufa, considerando a hipótese
de que todos os países ratificaram o protocolo de Kyoto).
24
A regionalização, ou downscaling, das projeções dos modelos globais através
do uso de modelos climáticos regionais de alta resolução sobre a área de interesse é a
técnica mais aceita para traduzir a relativamente baixa resolução espacial dos modelos
climáticos globais para escalas mais refinadas. Na técnica de downscaling, os modelos
regionais utilizam como condições de fronteira (ou de contorno) nas laterais do domínio
geográfico, dados provenientes do modelo climático global. Essa técnica tem sido usada
para previsões sazonais de clima em vários centros climáticos do Brasil (CPTEC/INPE,
FUNCEME, SIMEPAR) e do exterior.
A técnica de regionalização acima descrita também é conhecida como
downscaling dinâmico, para diferenciá-la do downscaling estatístico, que utiliza funções
ortogonais empíricas ou de transferência para o refinamento da grade. O downscaling
dinâmico tem sido usado para projeções do clima futuro há mais de 5 anos na Europa e
América do Norte, e desde 2007 no Brasil (veja Marengo et al. 2007, Ambrizzi et al.
2007 e Salati et al 2007).
O IPCC, no seu último relatório (2007), enfatizou que cenários de clima para
desenvolvimento de opções de adaptação devem ter alta resolução espacial e o
downscaling dinâmico tem sido a melhor metodologia para gerar cenários com tais
características.
Estudos desenvolvidos na Europa e na China (discutidos em Christiansen et
al., 2007) destacam a grande utilidade do uso de cenários derivados de modelos
regionais de clima em estudos de impactos e vulnerabilidade. Exemplos são estudos que
mostram o aumento da freqüência de eventos extremos como ondas de calor e frio na
Europa, extremos de chuva na China, e aumento da altura e intensidade das ondas como
conseqüência de aumento na velocidade do vento no Mar do Norte da Europa em
cenários de clima mais quente para o fim do Século XXI.
A Figura 5.1 apresenta o esquema operacional da regionalização utilizada no
Relatório de Clima do INPE, cujos cenários são utilizados neste estudo. Na primeira
parte deste relatório foram usadas as projeções para o Brasil derivadas de vários
modelos regionais (Eta CCS, RegCM3 e HadRM3P) cujas simulações utilizaram as
25
mesmas condições de contorno do modelo global atmosférico HadAM3P. Maiores
detalhes dos modelos regionais podem ser encontrados em Marengo et al. (Marengo et
al., 2007).
Primeiramente, os três modelos regionais foram integrados para o período de
1961-1990 (presente) com o intuito de avaliar sua capacidade de representar o clima
presente e sua variabilidade para a América do Sul, especialmente para o Brasil. Após
constatar-se que houve um desempenho satisfatório neste teste, eles foram utilizados
para os cálculos de projeções dos cenários climáticos futuros regionalizados. Os
modelos foram integrados separadamente para os cenários A2 e B2, no período de
2071-2100 (futuro), e as anomalias de temperatura média e precipitação foram
calculadas entre o futuro e o presente (futuro - presente). Uma média dos 3 modelos
regionais também foi calculada para o período.
Figura 5.1. Esquema operacional da regionalização (downscaling) utilizando os modelos do
IPCC para os modelos regionais Eta, RegCM3 e HadRM3 (Marengo et al. 2007,
Ambrizzi et al. 2007).
26
Numa segunda parte deste relatório, somente para o modelo HadRM3P,
aplicando a metodologia estatística desenvolvida pelo INPE em colaboração com o
Hadley Centre do Reino Unido, as variáveis precipitação e temperatura dos cenários A2
e B2 foram interpoladas linearmente entre os períodos 1961/90 e 2071/100,
possibilitando o cálculo dos períodos intermediários 2010-2040 e 2041-2070. As escalas
de tempo sazonal (dezembro-janeiro-fevereiro (DJF), março-abril-maio (MAM), junho-
julho-agosto (JJA) e setembro-outubro-novembro (SON)) e anual foram utilizadas nesse
estudo.
6 Resultados
6.1 Detecção de Mudanças climáticas
As distribuições espaciais das tendências climáticas da precipitação total anual
(Fig. 6.1) e sazonal (Fig. 6.2) em %, em relação à média para o período de 1977-2007,
mostram a deficiência da densidade espacial de informação sobre a Amazônia,
particularmente sobre o noroeste e todo o sul de Pará. Os valores máximos das
tendências anuais são similares e alcançam de -50% até +40%. Já os valores máximos
das tendências sazonais apresentam valores praticamente que se duplicam nos meses de
Outono e triplicam nas demais estações do ano.
As tendências das precipitações totais anuais (Fig. 6.1) mostram duas regiões
com variabilidade climática de longo prazo opostas: uma com tendências negativas, que
se estende nas proximidades do Oceano Atlântico, e a outra com tendências positivas
que abarca as regiões relativamente afastadas da influência do Oceano Atlântico.
Valores negativos das tendências das localidades de Breves e Bragança são
estatisticamente significativos.
Analisando a Figura 6.2, das distribuições espaciais das tendências das
precipitações sazonais, observa-se que ao longo do ano as distribuições das tendências
mostram padrões espaciais muito diferenciados, inclusive muito diferentes dos totais
anuais. Na primavera (SON) observa-se um incremento das precipitações sobre a maior
parte das estações utilizadas, com valores significativos na parte central do Pará e no
27
centro-leste do Maranhão. Durante o verão (DJF) as tendências positivas acentuam-se,
particularmente sobre o sul do Pará e Maranhão onde há predomínio de tendências
estatisticamente significativas, com exceção do posto localizado em São Félix do
Xingu, onde a tendência é negativa e estatisticamente significativa.
Na estação de Outono (MAM) o predomínio de tendências positivas incrementa-
se, com valores estatisticamente significativos dispersos sobre quase todas as áreas onde
há informação. A localidade de São Félix do Xingu continua apresentando o valor
negativo estatisticamente significativo. Nos meses de inverno (JJA) anomalias positivas
são observadas na maior parte dos postos pluviométricos localizados nas partes central e
oeste do Pará e valores negativos são mais freqüentes nas partes central e leste do
Maranhão.
A distribuição espacial das tendências das temperaturas máximas médias anuais
(Fig. 6.3) mostra certo tipo de regionalização das tendências, porém, diferente dos
padrões dos totais anuais. Os valores máximos alcançam valores de ± 0.2 oC / década.
Valores de tendências positivas se localizam no norte do Maranhão e parte central leste
do Pará. Sobre as demais regiões observam-se tendências com valores negativos e
valores estatisticamente significantes se localizam ao longo do rio Amazonas na parte
central e oeste do Pará.
Os padrões sazonais de temperaturas máximas médias anuais (Fig. 6.4) mostram
valores predominantemente positivos, com valores estatisticamente significantes sobre
praticamente todas as regiões. As tendências máximas são observadas durante os meses
de primavera, quando estas atingem valores entre 1 oC /década e 1,2 oC / década.
Valores de tendência positivos, relativamente baixos, são observados na primavera e no
outono no oeste e sul do Pará. Os únicos valores com tendências negativas muito
pequenas são registrados em Soure, no outono, e em Óbidos, no inverno.
28
Figura 6.1 - Distribuição da magnitude da inclinação da tendência linear da precipitação total
anual em percentagem relativo à media (1977-2007). Tendências estatisticamente
significativas ao nível de 95% no teste de Mann-Kendall são indicadas por círculos
pretos.
Figura 6.2 - Distribuição da magnitude da inclinação da tendência linear das precipitações totais
sazonais em percentagem relativo à media (1977-2007). Primavera (superior esquerda),
Verão (superior direita), Outono (inferior esquerda) e, Inverno (inferior direita).
Tendências estatisticamente significativas ao nível de 95% no teste de Mann-Kendall
são indicadas por círculos pretos.
29
Figura 6.3 - Distribuição da magnitude da inclinação da tendência linear das temperaturas
máximas médias anuais. Valores das tendências encontram-se em oC / década.
Tendências estatisticamente significativas ao nível de 95% no teste de Mann-Kendall
são indicadas por círculos pretos.
Figura 6.4 - Distribuição da magnitude da inclinação da tendência linear das temperaturas
máximas médias sazonais. Primavera (superior esquerda), Verão (superior direita),
Outono (inferior esquerda) e, Inverno (inferior direita). Valores das tendências
encontram-se em oC / década. Tendências estatisticamente significativas ao nível de
95% no teste de Mann-Kendall são indicadas por círculos pretos.
30
A Figura 6.5 mostra a distribuição das tendências das temperaturas mínimas
médias anuais com valores entre -0.4 oC/ década e +0.2 oC/década. Observa-se
predomínio de tendências positivas distribuídas sobre todas as regiões. Os valores
positivos estatisticamente significativos se localizam em Bragança e Breves no Pará, e
na parte leste de Maranhão. Valores negativos intensos, todos com significância
estatística, são observados em São Félix do Xingu e em duas estações no Maranhão.
Os padrões sazonais espaciais de tendências destas temperaturas (Fig. 6.6)
mostram valores extremos intensos que alcançam até +1.0 oC/ década, durante quase
todo o ano, com exceção dos meses de verão (DJF) que atinge +0.8 oC/ década.
Durante a primavera, valores estatisticamente significativos cobrem praticamente todas
as regiões. Este comportamento é observado também nos verãos e invernos,
diminuindo bastante nos meses de outono (MAM). Ainda que o valor da tendência
negativa seja muito pequeno, esta se registrou na localidade de Bragança durante as
quatro estações.
Figura 6.5 - Distribuição da magnitude da inclinação da tendência linear das temperaturas
mínimas médias anuais. Valores das tendências encontram-se em oC / década.
Tendências estatisticamente significativas ao nível de 95% no teste de Mann-Kendall
são indicadas por círculos pretos.
31
Figura 6.6 - Distribuição da magnitude da inclinação da tendência linear das temperaturas
mínimas médias sazonais. Primavera (superior esquerda), Verão (superior direita),
Outono (inferior esquerda) e, Inverno (inferior direita). Valores das tendências
encontram-se em oC / década. Tendências estatisticamente significativas ao nível de
95% no teste de Mann-Kendall são indicadas por círculos pretos.
6.2 Extremos de mudanças climáticas observadas
A base das análises dos extremos climáticos da precipitação é a partir de dados
diários, registrados em 26 estações pluviométricas e climatológicas. Já a base das
temperaturas extremas: máximas e mínimas é a partir de dados diários de 16 estações
climatológicas. As séries de duas estações (Belém e Conceição do Araguaia) serviram
para realizar as análises temporais dos extremos climáticos.
A distribuição das tendências do número de dias secos consecutivos (CDD)
mostra predominância de valores positivos sobre a maior parte da região de estudo (Fig.
6.7, superior direita). Valores estatisticamente significativos são observados sobre a
32
parte sul dos dois estados e nas adjacências do Oceano Atlântico e alcançam até 3,5
dias/ ano. Poucas tendências negativas dispersas são observadas no centro e oeste do
Pará. Já nas proximidades do rio Amazonas e no sul do Pará (São Félix do Xingu) se
observa tendência negativa significativa.
A Figura 6.7 (superior direita) mostra a tendência da precipitação acumulada em
cindo dias (R5day). O padrão espacial é muito parecido ao do CDD. Tendências
positivas estatisticamente significativas são observadas sobre quase todo Maranhão, sul
do Pará. Tendências negativas, relativamente baixas encontram-se dispersas nas
adjacências do rio Amazonas e nordeste do Maranhão, porém em São Félix de Xingu se
observa uma tendência negativa estatisticamente significativa, indicando uma
diminuição intensa de precipitação acumulada em cinco dias.
A distribuição espacial das tendências do número de dias com precipitação
maiores que 10 mm (R10 mm) mostram valores positivos sobre quase toda a região de
estudo. Valores estatisticamente significativos registraram-se na parte sul dos dois
estados e no centro-oeste do Pará. Aqui novamente, na localidade de São Félix do
Xingu, se registrou tendência positiva estatisticamente significativa. O mesmo
comportamento das tendências dos extremos climáticos R5day e R10 mm é observado
nos eventos extremos de precipitação (R95p). Este índice calculou-se com base na
climatologia de 1981-2005.
33
Figura 6.7 - Distribuição da magnitude da inclinação da tendência linear dos extremos
climáticos da precipitação. Dias secos consecutivos - CDD (superior esquerda),
Máxima precipitação acumulada em 5 dias- R5day (superior direita), Número de dias
com precipitação maior que 10 mm – R10 mm (inferior esquerda) e, Precipitação total
devida a eventos maiores que o 950 percentil (inferior direita), que foi calculado em
relação à climatologia de 1981-2005. Valores das tendências encontram-se em oC /
década. Tendências estatisticamente significativas ao nível de 95% no teste de Mann-
Kendall são indicadas por círculos pretos.
As séries temporais de 1961 a 2007 de dias secos consecutivos registrados em
Belém e C. do Araguaia são mostradas na figura 6.8. Em C. de Araguaia observa-se
alta variabilidade interanual e uma ligeira tendência positiva. Já, em Belém o número
de dias consecutivos secos é constante e inferior a 20 dias. O extremo climático –
RX5day, que indica a precipitação máxima acumulada em cinco dias, mostra tendências
positivas com alta variabilidade interanual nas duas localidades. A variabilidade
interanual não parece estar modulada por alguma oscilação com período maior. O
extremo climático que mede o número de dias com precipitação maior que 10 mm (R10
mm) apresenta tendência positiva significativa em Belém e em C. do Araguaia, que é
34
constante, ao redor de 50 dias. Os eventos com precipitação extrema (R95p)
apresentam tendências significativas nas duas localidades. Estas tendências não
apresentam sinais de serem moduladas por oscilações maiores.
Figura 6.8 - Distribuição temporal das séries dos extremos climáticos da precipitação
observadas em Belém e C. do Araguaia. Dias secos consecutivos – CDD (superior
esquerda), Máxima precipitação acumulada em 5 dias- R5day (superior direita),
Numero de dias com precipitação maior que 10 mm – R10 mm (inferior esquerda), e
precipitação total devida a eventos maiores que o 950 percentil – R95p (inferior direita).
O extremo climático R95p calculou-se em relação à climatologia de 1981-2005.
Valores das tendências são indicados entre parênteses. O asterisco significa que a
tendência e estatisticamente significativa ao nível de 95% no teste de Mann-Kendall.
As distribuições das tendências das noites frias –TN10P (Fig. 6.9, superior
esquerdo) e dias frios – TX10p (Fig. 6.9, inferir esquerdo) são similares. O mesmo
padrão também se observa entre as tendências de noites quentes - TN90p (Fig. 6.9,
superior direito) e as tendências de dias quentes – TX90p (Fig. 6.9, inferior esquerdo).
As tendências negativas, estatisticamente significantes de noites frias se dispersam ao
longo dos rios Amazonas e Tocantins, enquanto que as tendências positivas de noites
quentes se dispersam sobre todas as regiões. Estações com valores positivos de noites
quentes encontram-se dispersos ao sul de Maranhão e perto da foz do rio Amazonas. O
35
padrão espacial de tendências de dias frios mostra valores significativos muito dispersos
igual a distribuição de dias quentes.
Figura 6.9 - Distribuição da magnitude da inclinação da tendência linear dos extremos
climáticos das temperaturas extremas. Noites frias – TN10p (superior esquerda), Noites
quentes – TN90p (superior direita), Dias frios – TX10p (inferior esquerda) e, Dias
quentes – TX90p (inferior direita). Valores das tendências foram calculados em relação
à climatologia de 1981-2005. Tendências estatisticamente significativas ao nível de
95% no teste de Mann-Kendall são indicadas por círculos pretos. Círculos em branco
são estações onde falta informação para o cálculo dos extremos
As séries temporais das noites frias (Fig. 6.10) mostram altos valores antes da
década de 1980, logo são praticamente nulos. Esta característica indica como resultado
uma tendência negativa muito baixa. Já as séries temporais das noites quentes mostram
tendências positivas monotônicas estatisticamente significativas, com alguma
modulação no último qüinqüênio dos anos 1990. Por outro lado, as séries temporais
dos dias frios e noites quentes apresentam tendências opostas e estatisticamente
36
significativas. Também, estas séries apresentam certas modulações, aparentemente
interdecadais, com sinais opostos durante todo o período de estudo.
Figura 6.10 - Distribuição temporal dos extremos climáticos das temperaturas extremas Noites
frias – TN10p (superior esquerda), Noites quentes – TN90p (superior direita), Dias frios
– TX10p (inferior esquerda) e, Dias quentes – TX90p (inferior direita). Valores das
tendências são indicados entre parênteses. O asterisco indica tendências estatisticamente
significativas ao nível de 95% no teste de Mann-Kendall.
6.3 Experiências de modelagem regional na região de estudo
Resultados para Amazônia em escala anual desenvolvidos por Marengo e
Ambrizzi (2006), Ambrizzi et al. (2007) e Marengo et al. (2007) são apresentados na
Figura 6.11. As projeções de precipitação e temperatura média anual para a Amazônia
foram elaboradas para os cenários A2 e B2 do período 2071-2100 em relação a 1961-
1990. Estas projeções representam a média de 3 modelos regionais (Eta CCS do INPE,
RegCM3 da USP e HadRM3P do Hadley Centre do Reino Unido).
Analisando a Figura 6.11, observamos que as projeções de precipitação
apontam para um clima mais seco, particularmente no setor leste da Amazônia, onde as
reduções de chuva podem chegar a mais de 60% próximo à foz do rio Amazonas no
cenário A2. Em geral, o oeste da Amazônia apresenta reduções de precipitação entre 10-
20%, a área central 20-40% e o leste acima de 40%.
37
As projeções de temperatura média no período 2071-2100 para Amazônia
variam de 4-8 ?C para o cenário A2, e 3-5 ?C para o cenário B2, com grande variação
espacial. Ainda que o aquecimento seja maior na região tropical da América do Sul para
os vários modelos regionais utilizados, as projeções diferem sobre onde se dará o maior
aquecimento (acima de 6 ?C). Alguns modelos indicam que esse maior aquecimento
ocorrerá na Amazônia oriental, outros na Amazônia ocidental.
Figura 6.11. Anomalias anuais de chuva (%) (painéis superiores) e temperatura (ºC) (painéis
inferiores) para Amazônia, período 2071-2100 em relação a 1961-1990, para os
cenários A2 e B2. As projeções representam a média aritmética dos cenários
produzidos pelos modelos regionais (50 km) Eta CCS, RegCM3 e HadRM3P.
Fonte: J. Marengo, INPE.
6.4 Resultados das simulações dos modelos regionais para as regiões de estudo
6.4.1 Projeções de precipitação e temperatura sazonais e anuais dos 3 modelos
regionais para 2071-2100 relativo a 1961-1990
Nesta seção são apresentados detalhes temporais e regionais das projeções de
precipitação e temperatura para a área de estudo, estendendo-se a discussão para o
estado do Maranhão, que não apareceu nas análises da Figura 6.11. Os 3 modelos
38
regionais são tratados individualmente para as escalas de tempo sazonal e anual, e para
os cenários A2 e B2.
Analisando a anomalia anual de precipitação média para o período de 2071-
2100 em relação ao clima presente (Figura 6.12), observa-se que o modelo HadRM3P
indica para a região entre Roraima, todo o estado do Pará até o Nordeste, reduções de
chuva próximas a 40% no cenário A2 e 20-40% para o cenário B2, sendo maiores as
reduções no norte do Pará próximo a foz do Rio Amazonas e na região entre Maranhão
e Piauí. Aumentos na chuva são detectados nos estados de Rondônia, sul do Amazonas
e do Mato Grosso. Nos modelos RegCM3 e Eta CCS a tendência de redução de chuvas
para o período 2071-2100 também aparecem nas projeções para os dois cenários, porém
com intensidade maior, chegando a 60% em toda a região entre 4 ?N a 6 ?S, que inclui
Roraima, Amapá, a maior parte do Pará e Amazonas, e todos os estados do Nordeste.
Na Figura 6.13 é apresentada a anomalia anual de temperatura para 2071-2100
relativo a 1961-1990, para os cenários A2 e B2. Observa-se que todos os modelos
projetam aquecimento na área de estudo. No caso do modelo HadRM3P, o aquecimento
pode chegar até 7 ?C na área entre Pará, Maranhão e o norte de Piauí no cenário A2,
enquanto que no cenário B2 o aumento de temperatura pode chegar a 4-5 ?C. No modelo
RegCM3, o aquecimento no cenário A2 chega a 7 ?C também na mesma área que no
modelo HadRM3P, porém no cenário B2, o aquecimento é menor, ficando em
aproximadamente 2-3 ?C. No modelo Eta CCS, um aquecimento acima de 7 ?C é
detectado em Amazonas e Rondônia. No norte do Pará e Maranhão o aumento de
temperatura varia entre 2-4 ?C no cenário A2 e 1-3 ?C no cenário B2.
Para o verão no Hemisfério Sul (DJF) (e inverno no Hemisfério Norte) as
projeções do HadRM3P mostram reduções sistemáticas de chuva de até 40% no norte
do Pará na região da Foz do Amazonas e na costa do Maranhão, enquanto que no
cenário B2 o padrão é similar, porém com reduções menores (Figura 6.14). Nos outros
modelos regionais as projeções no Pará e Maranhão sugerem reduções de chuva que vai
além de 60% no cenário A2 e até 40% no cenário B2, especialmente no modelo Eta
39
CCS. No RegCM3 e HadRM3P, a parte sul dos estados do Pará e Maranhão tendem a
mostrar aumentos de chuva de até 20% no período de 2071-2100 (Figura 6.14).
HadRM3P
RegCM3
Eta CCS
Figura 6.12 – Anomalia anual da precipitação média (%) para os cenários A2 (esquerda) e B2
(direita), simulada pelos modelos HadRM3P (superior), RegCM3 (centro) e Eta
(inferior), para o período de 2071 a 2100.
40
HadRM3P
RegCM3
Eta CCS
Figura 6.13 – Anomalia anual da temperatura (?C) para os cenários A2 (esquerda) e B2 (direita),
simulada pelos modelos HadRM3P (superior), RegCM3 (centro) e Eta CCS
(inferior), para o período de 2071 a 2100.
41
Os mapas de projeção de temperatura para DJF do modelo HadRM3P (Figura
6.15) mostram que pode haver um aquecimento de até 6-7 ?C no norte do Pará e
Maranhão-Piauí no cenário A2. Para o cenário B2, este aquecimento tende a ser menor,
chegando a 6 ?C no norte do Pará. Similar ao comportamento anual, o RegCM3 mostra
intenso aquecimento na região de estudo de até 8 ?C no cenário A2, e um aumento de
temperatura muito menor (menos de 3 ?C) no cenário B2 (Figura 6.15). No modelo Eta
CCS, o maior aquecimento é detectado nos estados do Amazonas e Rondônia, enquanto
que na área de estudo esse aquecimento vai de 3 a 4 ?C no cenário A2 e 1 a 2 ?C no
cenário B2 (Figura 6.15).
O outono (MAM) corresponde à estação mais chuvosa no clima presente para
o leste do Pará e Maranhão. A Figura 6.16 indica reduções no volume de chuvas na
parte leste do Pará, Amapá e do Maranhão, que pode chegar até a 20% no cenário A2
para o modelo HadRM3P. As reduções tendem a ser maiores nos cenários gerados pelo
modelo RegCM3, chegando a 40-50% menos chuva no leste do Pará e Maranhão, no
cenário A2, e de 20-30% no cenário B2. No modelo Eta CCS, assim como no verão, a
redução de chuva pode chegar a 40-50 % em toda a região que vai desde a Amazônia
central até o Nordeste, nos dois cenários. Os mapas de projeção de temperatura para os
três modelos regionais nos meses de MAM (Figura 6.17), apontam um aquecimento no
cenário A2 que pode chegar a 6 ?C nos estados do Pará e Maranhão, e de até 4 ?C no
cenário B2 para as mesmas regiões. No modelo Eta CCS, o aumento de temperatura
poderá vir a ser de até 5 ?C na área de estudo, mas os máximos de aquecimento (maiores
a 7-8 ?C) até 2100 acontecem no estado do Amazonas.
A estação JJA corresponde aos meses de menor precipitação no clima atual
para o leste do Pará e Maranhão. Na Figura 6.18, a redução de chuvas durante a estação
de estiagem projetada pelo modelo HadRM3P poderá chegar a 40-60% no Maranhão,
enquanto que no leste da Amazônia este valor é de 20-30%, para os dois cenários
analisados. No modelo RegCM3 a situação muda um pouco em relação ao HadRM3P.
Para o cenário A2 o modelo projeta reduções de 20% no norte do Pará e de 40% no sul
do Pará e Maranhão, juntamente com aumento de chuva de até 40% na costa do
42
Maranhão. No cenário B2, as anomalias positivas de precipitação chegam a cobrir do
norte do Pará até a costa do Maranhão, com excessos de até 60% em relação ao
presente. Já o modelo Eta mostra reduções de 40-60% no volume de chuva em toda a
região Amazônica e Nordeste para os dois cenários. Em relação à temperatura do ar
(Figura 6.19), quase todos os modelos sugerem aquecimento entre 3 e 5 ?C nos dois
cenários. Apenas no cenário B2 do modelo RegCM3 é projetado um resfriamento de até
1 ?C no norte do Pará e Maranhão, consistente com aumentos de chuva nesta região.
Os meses de setembro, outubro e novembro (SON) correspondem ao início da
estação chuvosa em boa parte da região tropical e subtropical da América do Sul. Na
Figura 6.20, quase todos os modelos mostram reduções de chuva até 2100 em áreas que
vão desde o leste do Pará até o Nordeste, sendo as anomalias maiores no cenário A2
(chegando até 40-60%) e menores em B2 (20-40%). O modelo Eta CCS é aquele que
apresenta reduções mais drásticas, enquanto que o RegCM3 no cenário B2 apresenta
aumentos de chuva no centro e sul do Pará e Maranhão de mais de 40%. Em relação à
temperatura do ar (Figura 6.21) os modelos HadRM3P e RegCM3 apresentam
aquecimento nas áreas de estudo variando entre 5 e 6 ?C no cenário A2 e entre 3 e 4 ?C
no cenário B2. No modelo Eta CCS, o aquecimento tende a ser menor sobre o Pará e
Nordeste (2-4 ?C), enquanto que os máximos valores ocorrem no estado do Amazonas.
Em resumo, as projeções de mudanças climáticas para o período de 2071-2100
geradas pelos 3 modelos regionais na área compreendida entre os estados do Pará,
Maranhão e áreas circunvizinhas, sugerem reduções de precipitação nas áreas leste do
Pará (próximos a Foz do Rio Amazonas) e norte do Maranhão, que podem chegar a 40-
60% no cenário A2 e até 20-40% no cenário B2. A temperatura deve aumentar em toda
a região leste do Pará até o Nordeste, chegando a 5-7 ?C nas regiões do leste da
Amazônia e no norte do Maranhão no cenário A2, sendo o aquecimento menor (3-4 ?C)
no cenário B2. O aquecimento é observado na média anual e nos meses de verão e
inverno, e têm algumas variações entre os modelos. Enquanto o HadRM3P e RegCM3
mostram o maior aquecimento na região entre o leste da Amazônia (Pará) e os estados
do Nordeste, o modelo Eta CCS apresenta o maior aquecimento no oeste da Amazônia,
no estado do Amazonas.
43
HadRM3P
RegCM3
Eta CCS
Figura 6.14 – Anomalia para o verão (DJF) da precipitação média (%) dos cenários A2
(esquerda) e B2 (direita), simulada pelos modelos HadRM3P (superior),
RegCM3 (centro) e Eta CCS (inferior), para o período de 2071 a 2100.
44
HadRM3P
RegCM3
EtaCCS
Figura 6.15 – Anomalia para o verão (DJF) da temperatura média (?C) dos cenários A2
(esquerda) e B2 (direita), simulada pelos modelos HadRM3P (superior), RegCM3
(centro) e Eta CCS (inferior), para o período de 2071 a 2100.
45
HadRM3P
RegCM3
Eta CCS
Figura 6.16 – Anomalia para o outono (MAM) da precipitação média (%) dos cenários A2
(esquerda) e B2 (direita), simulada pelos modelos HadRM3P (superior), RegCM3
(centro) e Eta CCS (inferior), para o período de 2071 a 2100.
46
HadRM3P
RegCM3
Eta
Figura 6.17 – Anomalia para o outono (MAM) da temperatura média (?C) dos cenários A2
(esquerda) e B2 (direita), simulada pelos modelos HadRM3P (superior), RegCM3
(centro) e Eta CCS (inferior), para o período de 2071 a 2100.
47
HadRM3P
RegCM3
Eta CCS
Figura 6.18 – Anomalia para o inverno (JJA) da precipitação média (%) dos cenários A2
(esquerda) e B2 (direita), simulada pelos modelos HadRM3P (superior), RegCM3
(centro) e Eta CCS (inferior), para o período de 2071 a 2100.
48
HadRM3P
RegCM3
Eta CCS
Figura 6.19 – Anomalia para o inverno (JJA) da temperatura média (?C) dos cenários A2
(esquerda) e B2 (direita), simulada pelos modelos HadRM3P (superior), RegCM3
(centro) e Eta CCS (inferior), para o período de 2071 a 2100.
49
HadRM3P
RegCM3
Eta CCS
Figura 6.20 – Anomalia para a primavera (SON) da precipitação média (%) dos cenários A2
(esquerda) e B2 (direita), simulada pelos modelos HadRM3P (superior),
RegCM3 (centro) e Eta CCS (inferior), para o período de 2071 a 2100.
50
HadRM3P
RegCM3
Eta CCS
Figura 6.21 – Anomalia para a primavera (SON) da temperatura média (?C) dos cenários A2
(esquerda) e B2 (direita), simulada pelos modelos HadRM3P (superior), RegCM3
(centro) e Eta CCS (inferior), para o período de 2071-2100.
51
6.4.2 Projeções de Precipitação menos Evaporação (P-E) sazonais e anuais dos 3
modelos regionais para 2071-2100 relativas ao período: 1961-1990
As projeções de P-E podem ser consideradas como indicadores do balanço
hídrico e de condições de climas mais secos que o presente, assim como indicadores de
reduções nas vazões dos rios e do conteúdo de umidade do solo.
Na escala anual, os modelos HadRM3P e Eta CCS apontam para valores
negativos de P-E de mais de 2 mm/dia no norte do Pará, e valores entre 0.5 a 1 mm/dia
no restante do Pará, Maranhão e em todos os outros estados do Nordeste. As reduções
são ligeiramente maiores no cenário A2 comparado com B2. Para o modelo RegCM3,
valores negativos entre 1 e 2 mm/dia aparecem na região do litoral do Amapá, Pará e
Maranhão e na região entre Amazonas e Oeste do Pará, para ambos os cenários. Uma
região positiva de P-E aparece no nordeste do Pará e nos estados do Nordeste do Brasil.
A análise das projeções de P-E para 2071-2100 relativo a 1961-1990 sugere
que, de fato, uma redução da chuva e aumento da temperatura na área de estudo,
especialmente no norte do Pará e Maranhão, gera tendências de P-E negativas. Isto
significa que no futuro as mudanças climáticas projetadas para a região podem aumentar
a evaporação e evapotranspiração, criando desbalanços no ciclo hidrológico atmosférico
e continental. No caso da atmosfera, essas mudanças podem torná-la mais seca e menos
chuvosa, levando a um clima futuro diferente do clima atual, ou seja, menos chuvoso e
tropical. No caso do ciclo hidrológico continental, P-E negativo pode implicar na
redução da umidade armazenada no solo e também na diminuição das vazões dos rios
da região. Isto tem sido comprovado por Milly et al. (2005), que mostra que para o ano
2090 as vazões de rios, tais como o Parnaíba, e outros no leste da Amazônia, projetadas
pelos modelos globais do IPCC AR4, podem diminuir em até 20% devido ao
aquecimento global. As Figuras 6.22 a 6.26 apresentam os mapas de P-E anuais e
sazonais.
52
HadRM3P
RegCM3
Eta
Figura 6.22 – Anomalia anual de precipitação - evaporação (mm dia-1) para os cenários A2
(esquerda) e B2 (direita), simulada pelos modelos HadRM3P (superior),
RegCM3 (centro) e Eta (inferior), para o período de 2071 a 2100.
53
HadRM3P
RegCM3
Eta
Figura 6.23 – Anomalia de precipitação - evaporação (mm dia-1) para o verão (DJF) dos
cenários A2 (esquerda) e B2 (direita), simulada pelos modelos HadRM3P
(superior), RegCM3 (centro) e Eta (inferior), para o período de 2071 a 2100.
54
HadRM3P
RegCM3
Eta
Figura 6.24 – Anomalia de precipitação - evaporação (mm dia-1) para o outono (MAM) dos
cenários A2 (esquerda) e B2 (direita), simulada pelos modelos HadRM3P
(superior), RegCM3 (centro) e Eta (inferior), para o período de 2071 a 2100.
55
HadRM3P
RegCM3
Eta
Figura 6.25 – Anomalia de precipitação - evaporação (mm dia-1) para o inverno (JJA) dos
cenários A2 (esquerda) e B2 (direita), simulada pelos modelos HadRM3P
(superior), RegCM3 (centro) e Eta (inferior), para o período de 2071 a 2100.
56
HadRM3P
RegCM3
Eta
Figura 6.26 – Anomalia de precipitação - evaporação (mm dia-1) para a primavera (SON) dos
cenários A2 (esquerda) e B2 (direita), simulada pelos modelos HadRM3P
(superior), RegCM3 (centro) e Eta (inferior), para o período de 2071 a 2100.
57
6.4.3 Projeções de extremos de chuva e temperatura
Os extremos de temperatura para 2071-2100 relativo a 1961-90 para o modelo
HadRM3P (TN90p, TN10p, TX90p e TX10p) mostram em geral uma tendência de
aquecimento, caracterizados por um aumento na freqüência de noites e dias quentes, e
uma redução na freqüência de noites frias, para ambos os cenários utilizados (Figuras
6.27 e 6.29). As tendências mais intensas são encontradas no cenário A2 e abrangem o
Maranhão e o centro e sul do Pará, especificamente para os índices TN90 e TX90
(Figura 6.27).
As projeções de extremos de chuvas intensas derivadas do modelo HadRM3P
(índices R10mm, R95p e Rx5day) indicam uma redução na freqüência e intensidade de
extremos de chuva na região litoral do Pará, Amapá e Maranhão, e um aumento no
centro e sul dos estados do Amazonas e Pará. As tendências têm praticamente a mesma
distribuição geográfica nos cenários A2 e B2, mas com maior intensidade no cenário de
altas emissões A2 (Figuras 6.28 e 6.30). As projeções das tendências do índice CDD
(dias secos consecutivos) apontam para um aumento na freqüência de períodos secos
intensos em toda a região Nordeste e nos estados do Pará e Amapá. Os valores chegam
a 20 dias no cenário B2 e 30 dias no A2 para as regiões norte do Pará, Amapá e centro e
norte do Maranhão (Figuras 6.28 e 6.30).
As projeções do modelo RegCM3 mostram um comportamento diferente para
as projeções de extremos de temperatura (Figuras 6.31 e 6.32). Para o cenário A2, o
modelo projeta tendências de reduções na freqüência de noites e dias quentes em boa
parte dos estados do Maranhão e Pará, mas com tendências de aumento no norte do
Pará. Para noites e dias frios, a tendência é de redução somente na foz do rio Amazonas,
para ambos os cenários, sendo que no cenário A2 as magnitudes das mudanças são
maiores.
Os índices de chuva apresentam maior concordância com as projeções do
modelo HadRM3P. Eles indicam aumento na freqüência e intensidade de extremos de
chuva na região do Amapá, e no litoral e centro dos estados do Pará e Maranhão, com
58
maior intensidade para o cenário A2. O índice CDD projeta no cenário A2 um aumento
na freqüência de dias secos consecutivos de até 30 dias para o norte e centro do Pará
(similar às projeções do modelo HadRM3P) e na parte central do Maranhão.
Comparando as projeções dos modelos HadRM3P e RegCM3, os índices extremos de
chuva tendem a apresentar uma maior concordância que os de temperatura.
Os cenários de mudanças de extremos derivados dos modelos globais do IPCC
(Tebaldi et al. 2006) mostram que a média dos 22 modelos globais na região de estudo
apontam para um aumento na freqüência de extremos de chuva e na freqüência de dias
secos consecutivos, assim como reduções na freqüência de noites e dias frios, e aumento
na freqüência de noites e dias quentes, para a segunda metade do Século XXI. Estes
resultados são consistentes com o cenário projetado pelo modelo regional HadRM3P
para a região de estudo.
Tudo isso é consistente com um clima futuro mais seco que o atual, com
chuvas intensas concentradas em períodos curtos, seguidos de períodos longos sem
chuva, e com altas temperaturas diurnas e noturnas. Isso alteraria o balanço hidrológico,
ocasionando períodos de deficiência hídrica futura que não existem no clima atual,
afetando a vegetação nativa e a agricultura regional.
59
Figura 6.27 – Diferença entre as tendências projetadas pelo modelo regional HadRM3P nos
períodos 2071 – 2100 e 1961 - 1990, cenário A2, para os índices extremos:
noites quentes (TN90p), noites frias (TN10p), dias quentes (TX90p) e dias frios
(TX10p).
60
Figura 6.28 – Diferença entre as tendências projetadas pelo modelo regional HadRM3P nos
períodos 2071 – 2100 e 1961 - 1990, cenário A2, para os índices extremos: dias
com chuvas maiores que 10 mm (R10mm), dias com chuvas acima do 95?
percentil (R95p), eventos de chuva intensa durante 5 dias consecutivos (Rx5
day) e dias secos consecutivos (CDD).
61
Figura 6.29 – Diferença entre as tendências projetadas pelo modelo regional HadRM3P nos
períodos 2071 – 2100 e 1961 - 1990, cenário B2, para os índices extremos:
noites quentes (TN90p), noites frias (TN10p), dias quentes (TX90p) e dias frios
(TX10p).
62
Figura 6.30 – Diferença entre as tendências projetadas pelo modelo regional HadRM3P nos
períodos 2071 – 2100 e 1961 - 1990, cenário B2, para os índices extremos: dias
com chuvas maiores que 10 mm (R10mm), dias com chuvas acima do 95?
percentil (R95p), eventos de chuva intensa durante 5 dias consecutivos (Rx5
day) e dias secos consecutivos (CDD).
63
Figura 6.31 – Diferença entre as tendências projetadas pelo modelo regional REGCM3 nos
períodos 2071 – 2086 e 1961 - 1990, cenário A2, para os índices extremos:
noites quentes (TN90p), noites frias (TN10p), dias quentes (TX90p) e dias frios
(TX10p).
64
Figura 6.32 – Diferença entre as tendências projetadas pelo modelo regional REGCM3 nos
períodos 2071 – 2086 e 1961 - 1990, cenário A2, para os índices extremos: dias
com chuvas maiores que 10 mm (R10mm), dias com chuvas acima do 95?
percentil (R95p), eventos de chuva intensa durante 5 dias consecutivos (Rx5
day) e dias secos consecutivos (CDD).
65
Figura 6.33 – Diferença entre as tendências projetadas pelo modelo regional REGCM3 nos
períodos 2071 – 2086 e 1961 - 1990, cenário B2, para os índices extremos:
noites quentes (TN90p), noites frias (TN10p), dias quentes (TX90p) e dias frios
(TX10p).
66
Figura 6.34 – Diferença entre as tendências projetadas pelo modelo regional REGCM3 nos
períodos 2071 – 2086 e 1961 - 1990, cenário B2, para os índices extremos: dias
com chuvas maiores que 10 mm (R10mm), dias com chuvas acima do 95?
percentil (R95p), eventos de chuva intensa durante 5 dias consecutivos (Rx5
day) e dias secos consecutivos (CDD).
67
6.5 Projeções de precipitação e temperatura anuais e sazonais do modelo HadRM3P
para os períodos de 2010-2040, 2041-2070 e 2071-2100
Nesta seção é feita uma análise das projeções de temperatura e precipitação
geradas pelo modelo regional HadRM3P para o período de 1961 a 2100, em toda a área
de estudo e para uma média nos estados do Maranhão (Figuras 6.35 e 6.36) e Pará
(Figuras 6.37 e 6.38), utilizando os cenários de emissões A2 e B2. As anomalias são
estimadas com base no período de 1961 a 1990.
Em ambos os estados, as temperaturas tendem a aumentar até o final do Século
XXI. No Maranhão, o aquecimento é maior no cenário pessimista A2 quando
comparado com o cenário otimista B2. O aumento de temperatura até 2100 pode chegar
a 6 ?C no cenário A2, e 4.5 ?C no cenário B2.
No início do Século XXI os dois cenários não são muito diferentes, porém, a
partir de 2030-2040, as anomalias no cenário A2 começam a crescer mais que no B2.
Analisando a precipitação, os dois cenários apresentam anomalias negativas,
chegando a 1.5 mm/dia em 2100 no cenário A2 e 1.0 mm/dia no cenário B2. Tanto na
precipitação quanto na temperatura observa-se uma forte variabilidade interanual.
Tendências similares são observadas no estado do Pará, onde os aumentos de
temperatura podem chegar a 6.5 ?C em 2100 no cenário A2, e 4.5 ?C no cenário B2.
Assim como no Maranhão, as maiores diferenças entre os dois cenários aparecem após
2040. As reduções de chuva no Pará podem chegar a 1.3 mm/dia no cenário A2, e 1
mm/dia no cenário B2, com uma alta variabilidade interanual. Assim como nos modelos
globais do IPCC AR4, as maiores mudanças de temperatura e chuva na região tropical
entre os dois cenários de emissão aparecem a partir do ano 2040 e se intensificam até
2100.
68
2000 2020 2040 2060 2080 21000
2
4
6
8
10
12
Cenário A2 Cenário B2
σA2
= +/- 2,1σ
B2 = +/- 1,4
Maranhão
Ano
mal
ia d
e T
empe
ratu
ra (o C
)
Figura 6.35 – Série temporal de anomalia de temperatura média (?C) no estado do Maranhão,
para os cenários A2 (vermelho) e B2 (azul). As retas em vermelho e azul
representam a regressão linear dos cenários A2 e B2, respectivamente.
2000 2020 2040 2060 2080 2100-3,5
-3,0
-2,5
-2,0
-1,5
-1,0
-0,5
0,0
0,5
1,0
Maranhão
Cenário A2 Cenário B2
σA2
= +/- 0,6σ
B2 = +/- 0,5
Ano
mal
ia d
e P
reci
pita
ção
(mm
dia
-1)
Figura 6.36 – Série temporal de anomalia de precipitação média (mm dia-1) no estado do
Maranhão, para os cenários A2 (vermelho) e B2 (azul). As retas em vermelho e
azul representam a regressão linear dos cenários A2 e B2, respectivamente.
69
2000 2020 2040 2060 2080 21000
2
4
6
8
10
12
Pará
Cenário A2 Cenário B2
σA2
= +/- 2,2σ
B2 = +/- 1,5
Ano
mal
ia d
e T
empe
ratu
ra (
o C)
Figura 6.37 – Série temporal de anomalia de temperatura média (?C) no estado do Pará, para os
cenários A2 (vermelho) e B2 (azul). As retas em vermelho e azul representam a
regressão linear dos cenários A2 e B2, respectivamente.
2000 2020 2040 2060 2080 2100-3,5
-3,0
-2,5
-2,0
-1,5
-1,0
-0,5
0,0
0,5
1,0 Pará
Cenário A2 Cenário B2
σA2
= +/- 0,6σ
B2 = +/- 0,5
Ano
mal
ia d
e P
reci
pita
ção
(mm
dia
-1)
Figura 6.38 – Série temporal de anomalia de precipitação média (mm dia-1) no estado do Pará,
para os cenários A2 (vermelho) e B2 (azul). As retas em vermelho e azul
representam a regressão linear dos cenários A2 e B2, respectivamente.
70
As projeções do modelo HadRM3P até 2100 indicam aumento na temperatura
média anual em toda a região leste do Pará até o Nordeste, chegando até 7 ?C nas
regiões do leste da Amazônia e no norte do Maranhão no cenário A2, e a 3-4 ?C no
cenário B2 (Figura 6.40). Para as mesmas regiões, o modelo indica reduções de chuva
que variam entre 40-60% no cenário mais pessimista e 20-40% no cenário otimista
(Figura 6.39).
A redução da chuva apresentada pelo modelo HadRM3P é gradativa desde o
início do Século XXI. No período de 2011-2040, a redução estimada é de 5 a 10% e em
2041-2070 é de até 10-20% entre o leste do Pará e o estado do Maranhão, para os
cenários A2 e B2 (Figura 6.39). As diferenças se tornam maiores no final do Século
XXI, sugerindo que as reduções mais drásticas na precipitação só aparecem na segunda
metade do Século XXI.
Os campos de anomalias de temperatura também apresentam pouca diferença
entre os dois cenários para os períodos de 2011-2040 e 2041-2070 (Figura 6.40). As
anomalias na área de estudo podem chegar até a 1-2 ?C mais quente na área que abrange
o leste do Pará até o Maranhão entre 2010-2040, e até 3-4 ?C mais quente que no
presente em 2041-2070. Em 2071-2100, o aquecimento pode alcançar entre 6 e 7 ?C no
Pará, leste do Amazonas, Maranhão e norte do Tocantins.
No verão austral (DJF), as projeções do modelo HadRM3P até 2100 para a
região de estudo indicam reduções de chuva que variam entre 40 e 60% no cenário mais
pessimista, e entre 20 e 40% no cenário otimista, especialmente na região próxima ao
litoral desde o leste do Pará, Amapá até a foz do Amazonas e norte do Maranhão. No
sul destes estados as reduções são um pouco menores (Figuras 6.41 e 6.42). As reduções
na precipitação projetadas pelos dois cenários são menores na primeira metade do
século XXI, chegando a 20% para o período de 2011 a 2040 e um valor um pouco mais
elevado em 2041-2070. As mudanças na temperatura até 2100 para as regiões leste da
Amazônia e norte do Maranhão podem chegar a 7 ?C no cenário A2, sendo o
aquecimento menor (3-4 ?C) no cenário B2. Em 2011-2040 o aumento na temperatura
71
desde o norte do Pará até o Maranhão pode chegar a 2 ?C em 2011-2040 para ambos os
cenários, e até 4 ?C no período de 2041-2070 para o cenário A2.
Para o outono (MAM) (Figuras 6.43 e 6.44), as projeções indicam reduções de
chuva que variam entre 20 e 40%, tanto no cenário A2 quanto no B2, com pequenas
diferenças na distribuição geográfica das anomalias. As anomalias de chuva parecem se
intensificar a partir de 2040, estendendo-se desde o leste de Pará até o Nordeste do
Brasil. Este resultado é muito importante para o Nordeste, pois a estação chuvosa no
norte desse estado acontece nesta época do ano. As anomalias na temperatura até 2100
chegam a 4-6 ?C em todo o estado do Pará e os estados do Nordeste no cenário A2,
enquanto que no cenário B2 os aumentos são menos intensos, chegando a 3-4 ?C na foz
do Rio Amazonas, no leste do Pará e em todo o Nordeste. No período de 2011-2040, o
aquecimento é menos intenso nos dois cenários, ficando entre 1 e 2 ?C. Em 2041-2070
esse valor chega a 2-3 ?C, porém o maior aumento acontece no final do século XXI.
Para o período de inverno (JJA) (Figuras 6.45 e 6.46), que corresponde à
estação de estiagem na região de estudo, as projeções para 2100 sugerem reduções de
chuva que variam entre 20-40% em grandes áreas do Pará, Amapá e os estados do
Maranhão e Piauí nos cenários A2 e B2, com pequenas diferenças na distribuição
geográfica das anomalias para ambos os cenários. Analisando as anomalias de
temperatura para o final do século XXI (Figura 6.46), um aquecimento de 5 a 7 ?C é
projetado para o cenário A2 na região que se estende desde o leste do Amazonas até o
Maranhão. No cenário B2 este aumento varia entre 3 e 5 ?C, com as áreas mais quentes
localizadas entre o Pará e o Maranhão. Nos períodos de 2011-2040 e 2041-2070, o
aquecimento nos dois cenários varia entre 1-2 ?C e 2-3 ?C, respectivamente.
Para a primavera (SON) (Figuras 6.47 e 6.48), que corresponde à estação de
início das chuvas na região, as projeções para 2100 indicam uma redução de
precipitação de aproximadamente 40-60% em grandes áreas do Pará, Amapá e nos
estados do Nordeste, para ambos os cenários. As anomalias de chuva nos períodos de
2011-2040 e 2041-2070 indicam reduções de 20 a 30% no interior do Pará e Maranhão,
enquanto que no litoral destes estados e no Amapá, o modelo HadRM3P projeta um
72
aumento de chuva que pode chegar a 20% nos dois cenários. Estes aumentos de
precipitação, similares aos observados em SON no sul do Pará e Maranhão,
possivelmente se devem a erros na interpolação numérica. Os mapas de anomalias de
temperatura para 2100 mostram no cenário A2 aumentos de até 6-7 ?C na região entre o
estado de Roraima e sul do Maranhão, com um aquecimento relativamente menor (3-4 ?C) no litoral do Pará e Maranhão. O cenário B2 projeta um padrão similar, porém com
um aquecimento relativamente menor (4-6 ?C). Nas projeções para o início e meio do
Século XXI (2011-2040 e 2041-2070), o aquecimento no cenário A2 varia entre 2-3 ?C
e 4-5 ?C, respectivamente. No cenário B2 o aquecimento é 1-2 ?C menor que no cenário
A2, porém possuindo a mesma distribuição espacial.
73
Anomalia de Precipitação Anual
A2
B2
Figura 6.39 – Anomalia anual de precipitação (%) para os cenários A2 (superior) e B2 (inferior)
simulada pelo modelo HadRM3P para os períodos de 2011-2040, 2041-2070 e
2071-2100, relativos a 1961-90.
Anomalia de Temperatura Anual
A2
B2
Figura 6.40 – Anomalia anual de temperatura do ar (?C) para os cenários A2 (superior) e B2
(inferior) simulada pelo modelo HadRM3P para os períodos de 2011-2040, 2041-
2070 e 2071-2100, relativos a 1961-1990.
74
Anomalia de Precipitação DJF
A2
B2
Figura 6.41 – Anomalia de Dezembro-Janeiro-Fevereiro (DJF) de precipitação (%) para os
cenários A2 (superior) e B2 (inferior) simulada pelo modelo HadRM3P para os
períodos de 2011-2040, 2041-2070 e 2071-2100, relativos a 1961-1990.
Anomalia de Temperatura DJF
A2
B2
Figura 6.42 – Anomalia para Dezembro-Janeiro-Fevereiro (DJF) de temperatura do ar (?C) para
os cenários A2 (superior) e B2 (inferior) simulada pelo modelo HadRM3P para os
períodos de 2011-2040, 2041-2070 e 2071-2100, relativos a 1961-1990.
75
Anomalia de Precipitação MAM
A2
B2
Figura 6.43 – Anomalia para Março-Abril-Maio (MAM) de precipitação (%) para os cenários
A2 (superior) e B2 (inferior) simulada pelo modelo HadRM3P para os períodos
de 2011-2040, 2041-2070 e 2071-2100, relativos a 1961-1990.
Anomalia de Temperatura MAM
A2
B2
Figura 6.44 – Anomalia para Março-Abril-Maio (MAM) de temperatura do ar (?C) para os
cenários A2 (superior) e B2 (inferior) simulada pelo modelo HadRM3P para os
períodos de 2011-2040, 2041-2070 e 2071-2100, relativos a 1961-1990.
76
Anomalia de Precipitação JJA
A2
B2
Figura 6.45 – Anomalia para Junho-Julho-Agosto (JJA) de precipitação (%) para os cenários A2
(superior) e B2 (inferior) simulada pelo modelo HadRM3P para os períodos de
2011-2040, 2041-2070 e 2071-2100, relativos a 1961-1990.
Anomalia de Temperatura JJA
A2
B2
Figura 6.46 – Anomalia para Junho-Julho-Agosto (JJA) de temperatura do ar (?C) para os
cenários A2 (superior) e B2 (inferior) simulada pelo modelo HadRM3P para os
períodos de 2011-2040, 2041-2070 e 2071-2100, relativos a 1961-1990.
77
Anomalia de Precipitação SON
A2
B2
Figura 6.47 – Anomalia para Setembro-Outubro-Novembro (SON) de precipitação (%) para os
cenários A2 (superior) e B2 (inferior) simulada pelo modelo HadRM3P para os
períodos de 2011-2040, 2041-2070 e 2071-2100, relativos a 1961-1990.
Anomalia de Temperatura SON
A2
B2
Figura 6.48 – Anomalia para Setembro-Outubro-Novembro (SON) de temperatura do ar (?C)
para os cenários A2 (superior) e B2 (inferior) simulada pelo modelo HadRM3P
para os períodos de 2011-2040, 2041-2070 e 2071-2100, relativos a 1961-1990.
78
7 Sumário e conclusões
A detecção das mudanças climáticas mediante as análises das tendências da
precipitação e temperaturas extremas se vê reduzida ante a falta de informações de
períodos longos e da baixa densidade de postos observacionais, principalmente sobre o
estado do Pará. Estas informações precisam ser homogêneas e consistentes, tanto
temporalmente quanto espacialmente para se ter um conhecimento mais real da
variabilidade climática regional e para a detecção de mudanças climáticas com maior
confiabilidade.
As análises apresentadas sobre as tendências da precipitação anual sugerem o
controle de certos fatores regionais, tais como, o efeito do oceano Atlântico nas áreas
adjacentes, e prováveis fatores de grande escala associados a padrões remotos
oceânicos. Tais fatores parecem modular a variabilidade interanual, uma vez que as
tendências sazonais mais intensas e estatisticamente significativas seguem o ciclo anual
dos períodos chuvosos, enquanto que as séries temporais dos extremos climáticos não
apresentam modulações em escalas maiores que a escala interanual.
As tendências das temperaturas máximas médias anuais apresentam valores
bastante baixos e aparentemente também parecem responder a fatores muito regionais,
como é o caso das tendências negativas ao longo do rio Amazonas. Porém, é necessário
esclarecer que estes valores são representativos dos últimos 31 anos. Fato muito
diferente é observado durante as estações do ano, onde se observa predominância de
tendências positivas, estatisticamente significativas, com valores bastante intensos,
sobre toda a área de estudo. Similares comportamentos são apresentados pelas
tendências das temperaturas mínimas anuais e sazonais.
Destaca-se que a localidades de São Félix de Xingu apresenta tendências
contrastantes nas tendências de precipitação, em relação às estações mais próximas.
Este mesmo comportamento é observado nas tendências de temperaturas máximas e
mínimas anuais.
79
As análises de extremos de precipitação são coerentes com as tendências
climáticas das precipitações anuas e sazonais. Observa-se que o incremento de
precipitação sobre a área de estudo parece estar relacionado, mais com os extremos
climáticos que com alguma modulação de longa escala, como observados nas
tendências das precipitações acumuladas em 5 dias e dos dias com precipitação maior
que 10 mm. Porém, estas variações não apresentam modulações de longos períodos,
mas alta variabilidade interanual.
Por outro lado, os extremos das temperaturas mostram claramente o
aquecimento sobre toda a região de estudo. Ressalta-se que as séries temporais dos
extremos das temperaturas mínimas mostram tendências monotônicas, com alta
variabilidade interanual, diferente dos extremos das temperaturas máximas que
apresentam também tendências lineares, mas que são moduladas por oscilações de
escalas maiores
Os modelos regionais RegCM3, HadRM3P e Eta CCS apontam, para a
segunda metade do Século XXI, clima mais quente (até 6ºC no cenário de altas
emissões A2) e reduções de chuva que podem chegar até 2-4 mm/dia, quando
comparado ao clima presente para a região de estudo (que segundo o Relatório de Clima
do INPE pode chegar até 40-50%). Isto também é projetado pelos modelos globais do
IPCC AR4.
As projeções de extremos climáticos para a região, simuladas pelos modelos
globais do IPCC AR4 e pelos modelos regionais, são consistentes com um aumento na
freqüência e intensidade de extremos de chuva e no aumento da freqüência de dias secos
consecutivos. O aumento na freqüência de noites e dias quentes e a redução na
freqüência de noites e dias frios são projetados pelos modelos globais do IPCC AR4 e
estão em concordância apenas com o modelo regional HadRM3P.
Uma análise qualitativa dos impactos climáticos na região aparece na Tabela
III, onde são resumidas as mudanças nas variáveis climáticas e de extremos climáticos,
assim como as suas tendências para a segunda metade do Século XXI.
80
Esses resultados levam a concluir que a área de estudo apresenta uma
vulnerabilidade climática muito alta, comparável ao semi-árido do Brasil, consistente
com um clima futuro mais seco que o atual. Algumas áreas receberão chuvas intensas
concentradas em períodos curtos, seguidos de longos períodos sem a ocorrência de
chuva e com altas temperaturas diurnas e noturnas. Nestas condições, o balanço
hidrológico poderá sofrer alterações, ocorrendo períodos de deficiência hídrica futura,
inexistentes no clima atual, o que pode conseqüentemente afetar a vegetação nativa e a
agricultura regional.
Este Relatório I constitui a primeira parte do estudo de vulnerabilidades para a
região Amazônica, e norteará os relatórios subseqüentes sobre os efeitos econômicos,
sociais e ambientais nesta região.
81
Tabela III. Sumário das projeções climáticas para os cenários A2 e B2 derivadas dos modelos
globais do IPCC AR4, e dos modelos regionais HadRM3P e RegCM3. As variáveis
são temperatura e precipitação sazonal de verão e inverno, e P-E (Precipitação menos
Evaporação). As projeções correspondem ao período 2071-2100. +/- sugere
aumento/redução, ++/-- sugere aumentos/reduções com maior intensidade nas
mudanças. A confiabilidade é definida baseada na consistência qualitativa entre as
três fontes. Confiabilidade Alta: as três fontes coincidem; Média: 2 das 3 fontes
coincidem; Baixa: 2 das 3 fontes não coincidem.
Variável Cenário B2 Cenário A2 Tendência Confiabilidade
Verão (NDEF) Aumento (+) Aumento (++) Aumento Alta Temperatura Inverno (MJJA) Aumento (+) Aumento (++) Aumento Alta
Verão (NDEF) Redução (-) Redução (-) Redução Alta Precipitação Inverno (MJJA) Redução (-) Redução (-) Redução Alta
Verão (NDEF) Redução (-) Redução (--) Redução Média P-E Inverno (MJJA) Redução (-) Redução (--) Redução Média
Noites Frias Redução (-) Redução (--) Redução Alta
Noites Quentes Aumento (+) Aumento (++) Aumento Alta Dias Frios Redução (-) Redução (--) Redução Alta
Extremos de temperatura
Dias Quentes Aumento (+) Aumento (++) Aumento Média
Dias Secos Consecutivos Redução (-) Redução (-) Redução Alta Extremos de
chuva Freqüência de Chuvas Extremas Aumento (+) Aumento (++) Aumento Média
É importante relembrar que os cenários futuros do clima são derivados de
modelos globais ou regionais, e que são apenas projeções de prováveis mudanças que
possam vir a acontecer, como produto do aumento nas concentrações dos gases de efeito
estufa. O nível de incerteza ainda é grande em relação ao que de fato acontecerá. Um
aprimoramento nas diferentes parametrizações de convecção, topografia, processos de
superfície, entre outras, estará diretamente relacionado a uma diminuição das incertezas.
82
Referências Bibliográficas
Ambrizzi, T., R. Rocha, J. A., Marengo, I. Pisnitchenko, L. and Alves, (2007) Cenários regionalizados de clima no Brasil para o Século XXI: Projeções de clima usando três modelos regionais. Relatório 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 - Sub projeto: Caracterização do clima atual e definição das alterações climáticas para o território brasileiro ao longo do Século XXI. Brasília, Fevereiro 2007.
Botta A, Ramankuttym N, Foley J. A. 2003: Long-term variations of climate and carbon fluxes over the Amazon Basin. Geophysical Research Letters 29.
Chen TC, Takle ES, Yoon JH, ST Croix KJ, Hsieh P. 2003: Impacts on tropical South America Rainfall due to changes in global circulation. In Proceedings of the 7th International Conference on Southern Hemisphere Meteorology and Oceanography. Wellington, New Zealand. Ed. By American Meteorological Society, Boston, Massachusetts. pp 92-93.
Chu, P. S., YU, -P., Hastenrath, S, 1995: Detecting climate change concurrent with deforestation in the Amazon basin: which way has it gone?. Bull. Amer. Met. Soc., 75, 579-583.
Costa M, H. Foley J. A. 1999: Trends in the hydrologic cycle of the Amazon basin. J Geophys Res, 104: 14189-14198
Cox, P., Harris, P., Huntingford, C., R, Betts, Collins, M, Jones, C.,Jupp, T. Marengo J. A., Nobre, C. 2008: Increase risk of Amazonian Drought due to decreasing aerosol pollution. Nature (London), 453, 212 – 216.
Christensen, J.H., B. Hewitson, A. Busuioc, A. Chen, X. Gao, I. Held, R. Jones, R.K. Kolli, W.-T. Kwon, R. Laprise, V. Magaña Rueda, L. Mearns, C.G. Menéndez, J. Räisänen, A. Rinke, A. Sarr and P. Whetton, 2007: Regional Climate Projections. In: Climate Change 2007:The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor and H.L. Miller (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
Curtis S, Hastenrath S. 1999: Trends of upper-air circulation and water vapor over equatorial South America and adjacent oceans. Int J Climatol, 19: 863-876.
Easterling, D. R.; Peterson, T. C., : A new method for detecting undocumented discontinuities in climatological time series. Int. J. of Climatology, 15, 369-377.
Dias DE Paiva EMC, Clarke R. 1995: Time trends in rainfall records in Amazonia. Bull Amer Met Soc., 75: 579-583.
Foley, JA, Botta A, Coe MT, Costa MH 2002: The El Niño/Southern Oscillation and the climate, ecosystems and rivers in Amazonia. Submitted, Global Biogeochemical Cycles.
83
Frich P, Alexander LV, Della-Marta P, Gleason B, Haylock M, Tank AMGK and Peterson T. 2002. Observed coherent changes in climatic extremes during the second half of the twentieth century. Climate Research, 19, 193-212.
Hirsch, R. M.; Slack, J. R.; Smith, R. A., 1982 Techniques of trend analysis for monthly water quality data. Water Resources Research, 18, 107-121.
Magrin, G., C. Gay García, D. Cruz Choque, J.C. Giménez, A.R. Moreno, G.J. Nagy, C. Nobre and A. Villamizar, 2007: Latin America. Climate Change 2007: Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, M.L. Parry, O.F. Canziani, J.P. Palutikof, P.J. van der Linden and C.E. Hanson, Eds., Cambridge University Press, Cambridge, UK, 581-615.
Marengo, J. A., L. Alves, M., Valverde, R., Rocha, and R., Laborbe, (2007) Eventos extremos em cenários regionalizados de clima no Brasil e América do Sul para o Século XXI: Projeções de clima futuro usando três modelos regionais. Relatório 5, 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 - Sub projeto: Caracterização do clima atual e definição das alterações climáticas para o território brasileiro ao longo do Século XXI. Brasília, Fevereiro 2007
Marengo, J, Jones, R. Alves, Valverde, M., (2008) Future change of temperature and precipitation extremes in South America as derived from the PRECIS regional climate modeling system, submitted to Int. J. Climatology.
Marengo, J. 2004: Interdecadal and long term rainfall variability in the Amazon basin. Theoretical and Applied Climatology. 78, 79-96.
Marengo J. A., Nobre, C., Tomasella, J, Oyama, M., Sampaio, G., Camargo, H., Alves, L. De Oliveira, R., 2008 a: The drought of Amazonia in 2005. Journal of Climate, 21, 495 – 516.
Marengo J. A., Nobre, C., Tomasella, J., Cardoso, M, M, OyamaHydro-climatic 2008b: and ecological behaviour of the drought of Amazonia in 2005. Philosophical Transactions of the Royal Society of London. Biological Sciences. 21, p.1 – 6.
Marengo J. A., Silva Dias M. Mudanças climáticas globais e seus impactos nos recursos hídricos In: Aguas Doces no Brasil-capital ecológico usos multiplos, exploração racional e conservacão.3 ed. : IEA/USP, 2006, p. 63-109.
Marengo, J., Tomasella, J., Uvo, C. 1998: Long-term stream flow and rainfall fluctuations in tropical South America: Amazônia, Eastern Brazil and Northwest Peru. J. Geophys. Res.103, 1775-1783.
Matsuyama, H., Marengo, J., Obregon, G., Nobre, C. A 2002: Spatial and temporal variability of rainfall in tropical South America as derived from the Climate Prediction Center Merged analysis of precipitation. Int. J. Climatol. 22, 175-195.
Meehl, G.A., T.F. Stocker, W.D. Collins, P. Friedlingstein, A.T. Gaye, J.M. Gregory, A. Kitoh, R. Knutti, J.M. Murphy, A. Noda, S.C.B. Raper, I.G. Watterson, A.J. Weaver
84
and Z.-C. Zhao, 2007: Global Climate Projections. In: Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor and H.L. Miller (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
Milly, P.C.D., K.A. Dunne, and A.V. Vecchia, 2005: Global pattern of trends in streamflow and water availability in a changing climate. Nature, 438, 347–350.
Nakicenovic N, Alcamo J, Davis G, de Vries B, Fenhann J, Gaffin S, Gregory K, Grubler A, Jung TY, Kram T, La Rovere EL, Michaelis L, Mori S, Morita T, Pepper W, Pitcher H, Price L, Riahi K, Roehrl A, Rogner H-H, Sankovski A, Schlesinger M, Shukla P, Smith S, Swart R, van Rooijen S, Victor N, Dadi Z (2000) Special report on emissions scenarios Cambridge 599pp
Obregón, G. O., Nobre, C. A., 2003: Rainfall trend in Brazil. Bulletin Of the American Meteorological Society, 84, 1008-1009.
Obregon, G., Marengo J, A. 2007: Caracterização do clima do Século XX no Brasil: Tendências de chuvas e temperaturas medías e extremas. Relatório 2, 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-Sub projeto:Caracterização do clima atual e definição das alterações climáticas para o território brasileiro ao longo do Século XXI Brasília, Fevereiro 2007 (disponível em: www.cptec.inpe.br/mudancas_climaticas).
Park, J.; Lindberg, C. R.; Vernon III, F. L. Multitaper spectral analysis of high-frequency seismograms. Journal of Geophysical Research, v. 92, n. B12, p. 12675-12684, Nov. 1987.
Peterson T. C; Easterling, D. R., 1994: Creation of homogeneous composite climatological reference series. Int. J. of Climatology, 14, 671-679
Rao, V. B.; Hada, K. Characteristics of rainfall over Brasil. Annual variations and connection with the Southern Oscillation. Theor. Appl. Climatolt., 42, 81-91. 1990.
Ronchail, J., Cochonneau, G., Molinier M., Guyot J. L., Gorreti, A., Guimarães, V., de Oliveira E, (2002) Interannual rainfall variability in the Amazon Basin and sea surface temperatures in the equatorial Pacific and the tropical Atlantic Oceans. Int. J. Climatol. 22: 1663–1686.
Salati, E., Salati, E, Campanhol, T., Villa Nova, N., 2007: Tendências das Variações Climáticas para o Brasil no Século XX e Balanços Hídricos para Cenários Climáticos para o Século XXI. Relatório 4, 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 – Sub projeto:Caracterização do clima atual e definição das alterações climáticas para o território brasileiro ao longo do Século XXI. Brasília, Fevereiro 2007.
Sen, P. K. Estimates of the regression coefficient based on Kendalls’s tau. Journal of the American Statistical Association, v. 63, p. 1379-1389, 1968.
85
Trenberth, K.E., P.D. Jones, P. Ambenje, R. Bojariu, D. Easterling, A. Klein Tank, D. Parker, F. Rahimzadeh, J.A. Renwick, M. Rusticucci, B. Soden and P. Zhai, 2007: Observations: Surface and Atmospheric Climate Change. In: Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor and H.L. Miller (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
Zhou J, Lau KM 2001: Principal modes of interannual and Decadal variability of summer rainfall over South America, Int J Climatol, 21,1623-1644
86
Anexo 1
Média das simulações de nove modelos globais utilizados no IPCC AR4 de anomalias de
temperatura (?C) anual e sazonal, no período de 2071 a 2099, para os cenários A2 (esquerda) e
A1B (direita).
Tabela I – Modelos globais do IPCC AR4 utilizados nesse estudo.
Modelo Global País de Origem
1) CNRM_CM3 FRANÇA
2) CSIRO_MK3.0 AUSTRÁLIA
3) ECHAM5/MPI-OM ALEMANHA
4) GFDL-CM2.1 EUA
5) GISS-ER EUA
6) UKMO-HADCM3 REINO UNIDO
7) IPSL-CM4 FRANÇA
8) MIROC3.2 (medres) JAPÃO
9) MRI-CGCM2.3.2 JAPÃO
87
ANUAL
DJF
MAM
JJA
SON
Figura Ann-1 – Média das simulações de nove modelos globais utilizados no IPCC AR4 de
anomalias de precipitação (%) anual e sazonal, no período de 2071 a 2099, para os
cenários A2 (esquerda) e A1B (direita).