Embed Size (px)
Citation preview
1
09 a 11 de dezembro de 2015
Auditório da Universidade UNIT
Aracaju - SE
TENDÊNCIAS DAS CHUVAS NO ESTADO DA BAHIA
Yagho de Souza Simões ¹, Eduardo Henrique Borges Cohim Silva ²
1 Graduando em Engenharia Civil, Universidade Estadual de Feira de Santana, Feira de Santana, Brasil, e-mail: [email protected]
2 Orientador, Departamento de Tecnologia, Universidade Estadual de Feira de Santana, Feira de Santana, Brasil, e-mail: [email protected]
Resumo
O presente estudo, extraído do trabalho de conclusão de curso do autor, ainda em desenvolvimento, buscou identificar a
presença de mudanças na série histórica da precipitação total anual e do número de dias secos no estado da Bahia, proveniente
das alterações do regime hídrico mundial, através da aplicação do teste de tendência Mann-Kendall para os níveis de
significância de 5 e 10%. Dos 180 postos pluviométricos, observou-se que, para a precipitação total anual, apenas 12 estações apresentaram tendência significativa para p = 0,05, sendo uma de aumento e onze de diminuição, enquanto que 21 postos
pluviométricos possuíram tendência significativa para p = 0,1 (três de aumento e dezoito de diminuição). Em relação ao número
de dias secos, 47 estações (quarenta de aumento e sete de diminuição) e 58 postos pluviométricos (quarenta e oito de aumento
e dez de diminuição) apresentaram tendência significativa para esse teste, para os níveis de significância de 5 e 10%,
respectivamente. Afirma-se, dessa maneira, que as alterações no regime pluviométrico são locais, uma vez que, em apenas
algumas áreas do estado, observou-se comportamento semelhante de estações próximas quanto às tendências. A região central
da Bahia tende a sofrer uma redução da precipitação anual e aumento do número de dias secos. A região oeste e parte do
nordeste também apresentam um comportamento similar, com o aumento dos dias sem chuvas.
Palavras-Chave: Tendência, Precipitação, Número de Dias Secos.
1. INTRODUÇÃO
O estado da Bahia localiza-se na região Nordeste do Brasil e ocupa uma área de 564.733,177 km², na qual se divide em 417 municípios, conforme os dados disponíveis pelo Instituto Brasileiro de Geografia e Estatística (IBGE) [1]. Possui um relevo
diferenciado, formado por planícies, planaltos, depressões e serras; uma vegetação peculiar que varia desde florestas densas
(Mata Atlântica) até vegetações do tipo xerófila proveniente da Caatinga na parte centro-norte do estado. Sofre atuação de
diversos sistemas meteorológicos que ajudam a definir seu regime pluviométrico, dentre eles destacam-se: Zona de
Convergência Intertropical (ZCIT), Sistemas Frontais, Zona de Convergência do Atlântico Sul (ZCAS), ondas de leste, brisas
marítimas/terrestres e ventos vale/montanha. O conjunto destas características heterogêneas produzem uma variabilidade
espacial da precipitação em todo o estado, no que diz respeito ao volume total precipitado e distribuição de chuvas durante o
ano [2].
Diante desta heterogeneidade, a Bahia torna-se um estado com características peculiares para o desenvolvimento de um
estudo acerca das mudanças em seu regime hídrico.
A preocupação com o meio ambiente tem se tornado cada vez maior. No ano de 1990, o Painel Intergovernamental sobre Mudanças Climáticas (IPCC), que reuniu inúmeros cientistas em prol de investigar os impactos ambientais provenientes das
mudanças climáticas, publicou o primeiro relatório a respeito das consequências destes impactos para todo o mundo. A falta de
preocupação por parte dos países em relação a essa problemática e pela intensificação das consequências trazidas por ela,
possibilitou a elaboração de novos relatórios nos anos de 1995, 2001, 2007, com o último lançado no ano de 2013 [3].
2
De acordo com os resultados dos relatórios publicados pelo IPCC, os regimes pluviométricos de diversas regiões do mundo
estão sendo alterados, promovendo o aumento de eventos extremos (chuvas intensas e secas prolongadas). Prevê-se que locais
com grandes volumes de chuva aumentem sua precipitação e áreas que sofrem com a falta de água, passem a sofrer com um
maior número de dias sem chuva. Esse estudo não é aplicado em todo o globo [4].
As variabilidades e as alterações climáticas influenciam diretamente as atividades humanas e a biodiversidade dos sistemas
naturais. Ao modificar a temperatura e a dinâmica dos recursos hídricos, alterações ocorrem em vários setores da economia,
principalmente naqueles que dependem dos sistemas ambientais como a agricultura, que é programada com a hipótese de que
as chuvas são séries homogêneas [5,6].
Alguns pesquisadores estudaram séries históricas de chuva da Bahia na tentativa de detectar alterações no seu regime
pluviométrico. Lima et al (2011) aplicaram o teste de tendência Mann-Kendall para estudar a série histórica de precipitação e
temperatura, entre os períodos de 1961-2009, de 16 estações. Apenas duas estações apresentaram tendência significativa quanto o total precipitado anual, Caravelas (aumento) e Cipó (diminuição) [7].
Araujo e Brito (2011) estudaram 75 postos pluviométricos para identificar mudanças climáticas no estado da Bahia e de
Sergipe. Foram calculados índices climáticos a partir da série temporal de 1947 a 1991 e a partir do software RClimdex, aplicou-
se a regressão linear para detectar a presença ou não de tendência. Constatou-se que em relação a total precipitado houve
aumento para as estações, em especial para aquelas localizadas no extremo oeste e nordeste do estado e redução foi constatada
no Vale do São Francisco e no sul [8].
Silva, Souza e Azevedo (2012) estudaram apenas 8 estações distribuídas pelo estado da Bahia com série histórica de 1970
a 2006 e utilizou a mesma metodologia aplicada no estudo de Araujo e Brito (2011), ou seja, aplicação de tendência linear na
série temporal de índices climáticos. Como resultado, obteve-se que para a Chapada Diamantina, Região Oeste e Região
Sudoeste, houve redução da precipitação. Para a mesorregião do Baixo Médio São Francisco, duas estações apresentaram
tendência de decrescimento (Barra e Bom Jesus da Lapa), enquanto que uma estação (Carinhanha) apresentou tendência de aumento [5,8].
Outra pesquisa encontrada foi desenvolvida por Tanajura, Genz e Araújo (2010) com o emprego de 29 postos pluviométricos
no estado, com série histórica de 1960 a 1990. A metodologia empregada se baseou na simulação do clima da Bahia atual e as
possíveis mudanças do mesmo para os anos de 2070 a 2100. Para isso, foi usado o modelo atmosférico regional HadRM3P
aninhado com o modelo global HadAM3. Foram reproduzidos os cenários A2 e B2 do IPCC para que pudesse ser feita essa
previsão. O primeiro possui uma visão pessimista, considerando que no futuro, a sociedade não estará preocupada com a questão
ambiental, enquanto que a segunda o oposto ocorrerá. Detectou-se uma possível redução da precipitação para todo o estado [9].
Diante disso, tendo observado que poucos estudos foram desenvolvidos acerca deste assunto e considerando a importância
das mudanças climáticas para se conhecer a dinâmica natural futura, buscou-se avaliar a presença de alterações no
comportamento de chuvas do estado da Bahia a partir da série histórica de indicadores de chuvas de 180 estações distribuídas
pelo estado, número este expressivo em comparação aos estudos citados, que utilizaram uma amostra pouco representativa. No
entanto, a pesquisa não viabilizou identificar as causas físicas destas tendências, caso encontradas, e sim constatar a existência ou não das mesmas.
2. OBJETIVO
Identificar a presença de tendências sobre a série histórica de dois indicadores de chuva, precipitação total anual e o número
de dias sem chuvas de 180 estações pluviométricas distribuídas pelo estado da Bahia.
3. MÉTODOS E MATERIAIS
3.1. Dados disponíveis
Os dados utilizados nesse estudo estão disponíveis no HidroWeb da Agência Nacional de Águas (ANA) e no Banco de
Dados de Recursos Hídricos (BDRH) do Instituto do Meio Ambiente e Recursos Hídricos da Bahia (INEMA). Consistem de
séries diárias, mensais e anuais de precipitação, coletadas por 180 postos pluviométricos distribuídos espacialmente no estado
da Bahia. Desse total de 180 postos, 88 possuem 33 (trinta e três) anos de observações [1980-2012] e 92 possuem 15 (quinze)
anos de observações [1998-2012]. A figura 1 ilustra os 180 postos pluviométricos distribuídos em todo o estado e o quadro 1 traz quais foram os postos estudados. Percebe-se, portanto, a boa representatividade da Bahia com a quantidade de estações
utilizadas.
3
Fig.1. Espacialização dos postos pluviométricos estudados
▲ Estações com Série Histórica de 15 anos
● Estações com Série Histórica de 33 anos
4
Estações Estações Estações
● 1 Alcobaça ▲ 61 Gentio do Ouro ▲ 121 Palmas de Monte Alto
▲ 2 Anagé ▲ 62 Guanambi ▲ 122 Paramirim
● 3 Andaraí ▲ 63 Heliópolis ▲ 123 Paripiranga
▲ 4 Antas ● 64 Helvécia ▲ 124 Paulo Afonso
▲ 5 Araci ● 65 Iaçu ● 125 Pedrinhas
● 6 Aratuipe ▲ 66 Ibicuí ▲ 126 Pedro Alexandre
● 7 Araças ● 67 Ibipetuba ▲ 127 Piatã
● 8 Argoim ▲ 68 Ibitiara ▲ 128 Planaltino
● 9 Arrojado ▲ 69 Ibititá ● 129 Ponte Br-242
▲ 10 Baianópolis ● 70 Ibotirama ● 130 Ponte Serafim - Montante
▲ 11 Baixa Grande ● 71 Ibó ▲ 131 Ponto Novo
▲ 12 Barra ● 72 Inhambupe ● 132 Porto
▲ 13 Barra da Estiva ● 73 Inhobim ● 133 Porto Novo
▲ 14 Barra do Mendes ▲ 74 Ipiaú ▲ 134 Potiraguá
● 15 Barreiras ▲ 75 Ipirá ● 135 Prado
▲ 16 Boa Vista do Tupim ▲ 76 Irecê ● 136 Próximo A Curaça II
▲ 17 Bom Jesus da Lapa ▲ 77 Itaberaba ● 137 Queimadas
▲ 18 Boninal ● 78 Itaeté ▲ 138 Remanso
▲ 19 Bonito ● 79 Itajuípe (Piranji) ▲ 139 Riacho de Santana
● 20 Boqueirão ● 80 Itajú Do Colônia ▲ 140 Riachão do Jacuípe
● 21 Brotas De Macaúbas ● 81 Itamaraju ▲ 141 Ribeira do Pombal
▲ 22 Brumado ▲ 82 Itambé ▲ 142 Rio Real
● 23 Buracica ● 83 Itanhy ● 143 Rio Verde II
▲ 24 Caculé ● 84 Itanhém ▲ 144 Rodelas
▲ 25 Caetité ● 85 Itapebi ▲ 145 Ruy Barbosa
▲ 26 Cafarnaum ▲ 86 Itapetinga ▲ 146 Santa Brígida
● 27 Camacan (Vargito) ▲ 87 Itapicuru ▲ 147 Santa Bárbara
● 28 Campo Dos Cavalos ▲ 88 Itiruçu ● 148 Santa Cruz Cabrália (Mundo Novo)
▲ 29 Canarana ▲ 89 Ituaçu ● 149 Santa Cruz Da Vitória
▲ 30 Cansanção ● 90 Ituberá ● 150 Santa Inês
● 31 Carinhanha ▲ 91 Jacobina ● 151 Santa Luzia
▲ 32 Casa Nova ● 92 Jequié ● 152 Santa Maria Da Vitória
● 33 Cipó ▲ 93 Jeremoabo ▲ 153 Santaluz
● 34 Colônia Do Formoso ● 94 Juazeiro ▲ 154 Santana
▲ 35 Conceição do Coité ● 95 Junco ● 155 Santo Antônio
▲ 36 Condeúba ● 96 Lagoa Do Boi ▲ 156 Saúde
▲ 37 Coronel João Sá ▲ 97 Livramento de Nossa Senhora ▲ 157 Seabra
● 38 Correntina ● 98 Lomanto Junior ▲ 158 Senhor do Bonfim
● 39 Corte Grande ● 99 Lucaia (Campos Sales) ▲ 159 Sento Sé
● 40 Cândido Sales ▲ 100 Macarani ▲ 160 Serra do Ramalho
● 41 Derocal ▲ 101 Macaúbas ▲ 161 Serrinha
● 42 Emboacica ▲ 102 Mairi ▲ 162 Souto Soares
▲ 43 Entre Rios ▲ 103 Maracás ▲ 163 Sátiro Dias
▲ 44 Euclides da Cunha ▲ 104 Marcionílio Souza ● 164 São José
● 45 Fazenda Bom Jardim ● 105 Mascote ● 165 São José Do Prado
● 46 Fazenda Cabaceiras ● 106 Medeiros Neto ● 166 São Sebastião
● 47 Fazenda Coqueiro ● 107 Miguel Calmon (Djalma Dutra) ● 167 Sítio Grande
● 48 Fazenda Iguaçu ▲ 108 Milagres ● 168 Teodoro Sampaio
● 49 Fazenda Macambira ● 109 Mocambo ● 169 Tiririca
● 50 Fazenda Manaus ▲ 110 Monte Santo ▲ 170 Tucano
● 51 Fazenda Nancy ● 111 Morpará ▲ 171 Uauá
● 52 Fazenda Porto Alegre ▲ 112 Morro do Chapéu ▲ 172 Uibaí
● 53 Fazenda Redenção ▲ 113 Mucugê ▲ 173 Umburanas
● 54 Fazenda Refrigério - Jusante ▲ 114 Mundo Novo ▲ 174 Urandi
▲ 55 Feira de Santana ▲ 115 Mundo Novo-Ibiaporã ▲ 175 Utinga
● 56 Floresta Azul ▲ 116 Muquém de São Francisco ● 176 Valença
● 57 Formosa Do Rio Preto ● 117 Mutuípe ▲ 177 Vitória da Conquista
● 58 França ● 118 Nazaré ▲ 178 Wanderley
● 59 Gameleira ● 119 Nilo Peçanha ● 179 Wenceslau Guimarães
● 60 Gatos ● 120 Nova Vida - Montante ▲ 180 Xique-Xique
● Estações com Série Histórica de 33 anos. ▲Estações com Série Histórica de 15 anos
Quadro 1. Postos pluviométricos estudados
5
3.2. Análise de consistência: Preenchimento de falhas
Aplicou-se a análise de consistência dos dados de precipitação com o intuito de preencher falhas das séries além de
identificar e corrigir erros. Com isso, a partir da série de precipitação e da proximidade das estações, foi possível analisar os
dados de conjuntos de postos pluviométricos próximos, o que permitiu o preenchimento de lacunas nos registros ou a
substituição de dados observados, a fim de se evitar conclusões errôneas.
3.2.1. Preenchimento de falhas
A série histórica de precipitação de algumas estações apresentou lacunas. Diante disso, utilizaram-se duas metodologias
desenvolvidas por Paulhus e Kohler (1952) para estimativa de precipitações diárias. Ambas se baseiam na precipitação de três
postos pluviométricos próximos, e uniformemente espaçados do posto que apresentou falha no registro [10].
A primeira metodologia é aplicada se a precipitação anual de cada posto vizinho diferir no máximo 10% da precipitação do
posto com falha na série. Assim, a precipitação estimada será a média aritmética dos três postos.
Caso a condição acima não seja estabelecida, aplica-se outro procedimento: a precipitação estimada será determinada pela
média ponderada do registro das três estações vizinhas, em que os pesos são as razões entre as precipitações normais anuais.
Assim, a precipitação diária (P) no posto x, (Px) é:
𝑃𝑥 = 1
3[𝑁𝑥
𝑁𝑎 𝑃𝑎 +
𝑁𝑥
𝑁𝑏 𝑃𝑏 +
𝑁𝑥
𝑁𝑐 𝑃𝑐] (1)
Onde, N é a precipitação normal anual e os índices a, b e c representam os postos vizinhos ao posto x.
3.2.2. Consistência das séries históricas
A partir do preenchimento de falha, realizou-se uma análise de consistência em escala regional, para comprovar o grau de
homogeneidade dos dados disponíveis de um posto com relação ao que foi observado para os postos vizinhos.
Nesse estudo foi utilizado o Método da Dupla Massa, desenvolvido pelo Geological Survey, nos Estados Unidos da América
(EUA), cuja principal finalidade é identificar se ocorreram mudanças no comportamento da precipitação ao longo do tempo,
ou mesmo no local de coleta. Sua metodologia é uma das mais conhecidas para a análise de consistência de dados de
precipitação. [11]
O método consiste em selecionar os postos pluviométricos de uma microrregião, acumular os seus totais anuais de
precipitação e plotar no sistema cartesiano os valores acumulados. No eixo das ordenadas são plotados os totais acumulados de
cada posto e na abscissa os totais médios da precipitação anual acumulada da microrregião.
Os totais acumulados dos postos analisados são proporcionais aos totais médios acumulados da microrregião, e os pontos
devem-se alinhar segundo uma linha reta. Caso haja mudança na declividade da reta, isso pode ser causado por erros
sistemáticos, mudança nas condições de coleta ou existência de uma causa física real, como por exemplo, alterações climáticas
numa região.
Para que se considere uma mudança na declividade, necessita-se, geralmente, da ocorrência de pelo menos cinco postos sucessivos, alinhados segundo uma nova tendência. O alinhamento dos postos em retas paralelas ou a distribuição errática dos
postos é resultante da comparação de postos com diferentes regimes pluviométricos, sendo incorreta toda associação que se
pretenda fazer entre os dados dos postos e a região que os postos estão inseridos.
3.3. Teste Mann-Kendall
O teste de tendência, Mann-Kendall (MK), é mundialmente utilizado. Caracterizado como um método clássico não
paramétrico, esse teste possui alta complexidade e confiabilidade, por essa razão é sugerido pela Organização Meteorológica
Mundial (OMM) para avaliação da tendência em séries temporais de dados ambientais [12].
Aplica-se em séries históricas naturais que se distanciam da distribuição normal, como os fenômenos meteorológicos.
Assume-se que os dados são distribuídos aleatoriamente para aplicação do método e a partir disso, calcula-se o teste estatístico
S [13].
São testadas duas hipóteses no MK. Primeiro, testa-se a hipótese nula, 𝐻0. Ela ocorre quando os dados são independentes
e identicamente distribuídos. Segundo, a hipótese 𝐻1, que ocorre quando há tendência na série [14].
O teste consiste em comparar cada valor das séries históricas com os demais de forma sequenciada. A partir disso, conta-se
a quantidade de vezes que esse valor foi maior, menor e igual a 0. Dessa forma, pode-se definir o teste estatístico como: [7,15]
𝑆 = ∑ ∑ 𝑠𝑖𝑔𝑛(𝑥𝑗 − 𝑥𝑘)𝑛𝑘+1
𝑛−1𝑘=1 (2)
Onde 𝑛 é o comprimento da série, 𝑘 = 1, 2, ..., 𝑛 − 1, 𝑗 = 2, 3, ..., 𝑛. E 𝑠𝑖𝑔𝑛 é a função sinal, definida como:
6
sign (x) = { 1, 𝑠𝑒 𝑥 > 0
0, 𝑠𝑒 𝑥 = 0
−1, 𝑠𝑒 𝑥 < 0 (3)
Mann e Kendall, os autores desse método, mostram que a estatística S tende à distribuição normal com média nula e
variância Var(S) [7,15]. O cálculo da variância é dado por:
𝑉𝑎𝑟 (𝑆) = [𝑛.(𝑛−1).(2.𝑛+5)]
18 (4)
Em que, n é o tamanho da amostra. Mesmo para valores pequenos de n, pode-se considerar o estatístico S como distribuição
normal, podendo assim, aplicar o método [14]. Diante disso, ambas séries históricas desta pesquisa podem ser utilizadas para
identificar a presença de tendências no regime pluviométrico da Bahia.
Definida a variância, é feito o cálculo do padrão estatístico, Z:
𝑍 =
{
𝑆−1
√𝑉𝑎𝑟 (𝑆), 𝑆 > 0
0, 𝑆 = 0𝑆+1
√𝑉𝑎𝑟 ( 𝑆), 𝑆 < 0
(5)
O valor de Z é útil para testar a hipótese nula em uma série. Valores negativos de Z indicam tendência de decrescimento e
valores positivos de Z indicam tendência de crescimento. Para testar a tendência crescente ou decrescente ao nível de
significância de p, a hipótese nula é rejeitada se o valor absoluto de Z for maior que 𝑍1−𝑝2, utilizando-se a tabela da distribuição
normal [7,12,16].
Na presente pesquisa, adotou-se um nível de significância de 5% e de acordo com a tabela de distribuição normal, a
tendência é significativa se Z < -1,96 para tendência negativa e Z > 1,96 para tendência positiva. Para outros valores de Z,
admite-se que a série não apresenta tendência significativa.
De forma complementar, adotou-se o nível de significância de 10% ( -1,64 < Z < 1,64) para verificar se haveria uma maior
quantidade de estações com tendência significativa. Apesar de aumentar o erro estatístico com esse valor, ele pode ser adotado,
uma vez que o fenômeno das chuvas é aleatório e bastante complexo, não afetando na confiabilidade dos resultados.
Esta pesquisa adotou um critério conservador em que as estações que não apresentaram tendências significativas aos dois
níveis de significância acima citados, serão consideradas como sem tendência.
4. RESULTADOS E DISCUSSÕES
4.1. Precipitação Total Anual
De acordo com o presente teste, 50 estações apresentaram valor de Z maior que zero, 121 obtiveram valor menor que zero
e 9 estações apresentaram Z = 0. Para o nível de significância de 5%, constatou-se que apenas 12 estações apresentaram
tendência significativa, uma de aumento e as demais de diminuição. A Tabela 1 mostra quais foram essas estações com seu
respectivo valor de Z.
Estações com série de 15 anos Valor de Z Estações com série de 33 anos Valor de Z
Tendência Diminuição
Baixa Grande - EBDA -2,28 Alcobaça -2,06
Boa Vista do Tupim - EBDA -2,08 Cipó -2,03
Canarana - EBDA -ANA -2,57 Nilo Peçanha -3,33
Conceição do Coité -EBDA -2,38 São Desidério – Decoral -2,12
Mairi – EBDA -2,18 Wenceslau Guimarães - Santa Luzia -2,06
Ruy Barbosa - EBDA -2,28
Tendência Aumento
Baianópolis - EBDA-ANA 2,08
Tabela 1. Estações que apresentaram tendência significativa para nível de significância de 5%
O fenômeno das chuvas é aleatório e, por essa razão, realizar estudos estatísticos, tendo ele como objeto, é bastante
complexo, principalmente pela sua dispersão. Baseado nisso, realizou-se o teste Mann-Kendall aumentando o valor do nível de significância para 10%, permitindo um erro maior.
Diante disso, identificou-se 21 estações com tendência significativa, aumentando em 9, o resultado encontrado para p = 5%,
com 3 postos apresentando tendência de aumento e 18 de diminuição. A Tabela 2 mostra quais as estações apresentaram
tendência com seu respectivo valor de Z.
7
Estações com série de 33 anos Valor de Z Estações com série de 15 anos Valor de Z
Tendência Diminuição
Alcobaça -2,06 Baixa Grande – EBDA -2,28
Cipó -2,03 Boa Vista do Tupim – EBDA -2,08
Ituberá -1,72 Cafarnaum - EBDA-ANA -1,78
Jequié -1,75 Canarana - EBDA-ANA -2,57
Nilo Peçanha -3,33 Conceição do Coité - EBDA -2,38
Prado -1,87 Itaberaba - INMET-EBDA -1,68
Santa Cruz Da Vitória -1,75 Mairi - EBDA -2,18
São Desidério - Decoral -2,12 Ruy Barbosa - EBDA -2,28
Wenceslau Guimarães - Santa Luzia -2,06 Uibaí - EBDA-ANA -1,68
Tendência Aumento
Form.Rio Preto – Faz. Bom Jardim 1,84 Baianópolis - EBDA-ANA 2,08
Pedro Alexandre 1,88
Tabela 2. Estações que apresentaram tendência significativa para precipitação para p = 0,1%
Percebe-se, portanto, que mesmo aumentando o valor p para 10%, não houve um elevado aumento no número de estações
com tendência significativa.
Com o intuito de identificar possíveis comportamentos semelhantes entre regiões da Bahia, foram espacializadas todas as
180 estações, com as tendências detectadas por este método, sendo adotadas como sem tendência, as estações que tiveram valor
de |𝑍| < 1,64, ou seja, não significativas para p = 0,1. A figura 2 traz estes resultados. A legenda do mapa desta figura apresenta
as 5 características que as estações podem apresentar quanto a tendência: tendência de crescimento para o nível de significância
de 5%, tendência de decrescimento para o nível de significância de 5%, tendência de crescimento para as estações que
apresentaram tendência significativa apenas para o nível de significância de 10%, tendência de decrescimento para as estações
que apresentaram tendência significativa apenas para o nível de significância de 10% e estações sem tendência.
Fig. 2. Mann-Kendall - Resultado Final para a Precipitação
A análise do mapa permite inferir que, em geral, para o estado não foi detectado alteração no regime de precipitação para
as estações estudadas, de acordo com os níveis de significância adotados. Apenas parte da região centro-leste do estado está
ocorrendo uma redução das chuvas. O litoral apresentou certa concentração de estações com tendência de diminuição.
Entretanto, para a tendência de aumento, não se pode afirmar que existem regiões homogêneas quanto a essa característica para
esses níveis de significância, pois somente postos isolados apresentaram esse tipo de tendência. Em relação às demais regiões
do estado, o estudo não detectou tendência significativa.
8
Em relação ao total de estações com tendências significativas, percebe-se que, há uma tendência maior para a redução das
chuvas na Bahia. Essa conclusão foi encontrada também pelos estudos realizados por Tanajura, Genz e Araújo (2010), que
constataram uma possível redução das chuvas para o estado, assim como os resultados do IPCC (2007), Ropelewskie e Halpert
(1987; 1989) que identificaram tendências de decrescimento para precipitação da região Nordeste [9,17,18].
Lima et al (2011) aplicaram o mesmo teste de tendência que esta pesquisa, porém com a utilização de apenas 16 estações,
como já foi descrito anteriormente. Assim como os autores, constatou-se tendência significativa de decrescimento para a estação
Cipó (Z = -2,03), reafirmando que o local tenderá a diminuir sua precipitação anual ao longo dos anos. Das 16 estações
estudadas por esses autores, 13 também foram pesquisadas pelo presente estudo [7]. A Tabela 3 mostra os resultados
encontrados pelos dois estudos.
Estação Lima e colaboradores (2011) Dados da Pesquisa
Z Tendência Z Tendência
Com série histórica de 33 anos
Barreiras -0,328 Sem Tendência -1,07 Sem Tendência
Carinhanha 0,241 Sem Tendência 0,02 Sem Tendência
Cipó -2,052 Decrescimento -2,03 Decrescimento
Irecê 0,172 Sem Tendência -0,89 Sem Tendência
Lençóis - Porto -1,569 Sem Tendência -0,79 Sem Tendência
Com série histórica de 15 anos
Bom Jesus da Lapa -0,776 Sem Tendência -1,39 Sem Tendência
Caetité -1,431 Sem Tendência 0 Sem Tendência
Itaberaba -1,138 Sem Tendência -1,68 Sem Tendência
Jacobina -1,327 Sem Tendência -0,89 Sem Tendência
Morro do Chapéu -0,828 Sem Tendência 0,2 Sem Tendência
Paulo Afonso -1,034 Sem Tendência 0,3 Sem Tendência
Remanso -1,327 Sem Tendência -0,59 Sem Tendência
Serrinha -1,396 Sem Tendência -1,48 Sem Tendência
Tabela 3. Comparação dos resultados do Mann-Kendall entre autores
Os valores distintos de Z encontrados se devem ao período diferente da série histórica adotada. Enquanto Lima et al (2011)
adotaram um período de 1961-2009, nesta pesquisa utilizaram-se dois períodos, um de 1980-2012 e o outro 1998-2012 [7].
Embora haja essa diferença, os resultados da tendência foram os mesmos.
Apesar da mesma tendência detectada, as estações de Paulo Afonso, Morro do Chapéu, Irecê e Caetité possuíram valores de Z com sinais diferentes [7]. Isso se deve, também, a diferença entre o tamanho da série histórica e, principalmente, pelo fato
de que, nesta pesquisa, utilizaram-se dados recentes. Outro motivo se deve à sensibilidade do próprio método, pois os resultados
que foram encontrados para Z foram próximos ou iguais a zero em pelo menos uma pesquisa, o que indica que não foi detectada
tendência significativa.
Araújo e Brito (2011) não identificaram as mesmas tendências que este estudo para as regiões, apenas houve semelhança
para o litoral sul com tendência de decrescimento. Para os dois autores, há redução apenas em parte do São Francisco e extremo
sul, como pode ser visto na figura 3 que mostra a espacialização das estações que tiveram tendência significativa para p = 10%
em seu estudo [8]. Valores acima de zero indicam tendência de aumento e menor que zero, de diminuição.
Figura 3. Tendência encontrada no estudo de Araújo e Brito (2011) para Precipitação Total Anual
9
Silva, Souza e Azevedo (2012) também estudaram a precipitação na Bahia. De modo a comparar os resultados obtidos
naquele estudo com os da presente pesquisa, foi desenvolvido o quadro 2 em que consta a tendência encontrada para cada uma
das 8 estações, estudadas pelos autores [5]. Foram colocadas apenas as tendências significativas a p = 0,1 para as estações.
Estação Silva, Souza e Azevedo (2012) Dados da Pesquisa (2015)
Irecê Diminuição -
Barreiras - -
Correntina - -
Santa Rita de Cássia - -
Vitória de Conquista - -
Barra Diminuição -
Bom Jesus da Lapa - -
Carinhanha - -
Quadro 2. Comparação dos resultados obtidos em diferentes estudos para precipitação
Apesar de os métodos empregados para a verificação da tendência terem sido diferentes nos dois estudos, os resultados
foram similares. Para o nível de significância de 10%, nenhuma estação apresentou tendência significativa nesta pesquisa.
As estações Barreiras, Correntina, Santa Rita de Cássia, Vitória da Conquista, Bom Jesus da Lapa e Carinhanha não
apresentaram tendência significativa para ambos os métodos. Irecê e Barra foram as estações que apresentaram tendência
significativa no estudo de Silva, Souza e Azevedo (2012), porém não houve correspondência nos resultados encontrados pelo
autor [5]. Mesmo não sendo significativa, a tendência detectada nesta pesquisa para esses postos foi de diminuição com Z<0.
Diante disso, os autores afirmaram que na mesorregião da Chapada Diamantina, Oeste e Sudoeste haverá redução da
precipitação, em algumas partes do São Francisco, aumento, e em outras, diminuição. Assim, Silva, Souza e Azevedo (2012)
fornecem resultados não condizentes com aqueles encontrados neste estudo, o que pode ser comprovado pela figura 2 [5].
4.2. Número de dias sem chuvas
O resultado geral do teste MK indica que 130 estações apresentaram Z > 0, 46 com Z < 0 e 4 com Z = 0. Para o nível de significância de 5%, das 180 estações, 47 apresentaram tendências significativas, sendo 40 de aumento e 7 de diminuição. Esse
valor é bastante elevado em comparação aos resultados encontrados para o outro indicador. A lista das estações com os
respectivos valores de Z e sua tendência, está indicada na Tabela 4.
Estações com série de 33 anos Valor de Z Estações com série de 15 anos Valor de Z
Tendência Diminuição
Esplanada - Corte Grande -2,65
Form.Rio Preto – Faz. Bom Jardim -2,77
Inhambupe -2,15
Nazaré -2,49
Nilo Peçanha -2,43
Planaldo - Lucaia (Campo Sales) -2
São José Da Vitória - São José -3,3
Tendência Aumento
Alagoinhas - Buracica 4,14 Baixa Grande – EBDA 4,11
Angical - São Sebastião 3,04 Boa Vista do Tupim – EBDA 2,42
Barreiras - Nova Vida Montante 2,4 Canarana - EBDA-ANA 2,42
Camacan - Vargito 2,67 Cansanção – EBDA 2,13
Camaçari - Tiririca 2,97 Heliópolis – EBDA 2,82
Cipó 2,08 Itaberaba - INMET-EBDA 2,28
Coribe - Colônia Do Formoso 3,01 Itapicuru – EBDA 2,57
Gongogi 2,7 Mairi – EBDA 3,51
Iaçu 2,99 Marcionílio Souza - ENEMA_EBDA 1,98
Itaetê - Fazenda Iguaçu 2,82 Mundo Novo-Sede – EBDA 2,18
Jandaíra – Itanhy 2,22 Muquém São Francisco - EBDA-ANA 2,62
Jequié 2,45 Piatã - EBDA-INEMA 2,38
Juazeiro - Lagoa Do Boi 2,54 Ruy Barbosa – EBDA 2,92
Lençóis – Porto 2,12 Santa Bárbara – EBDA 3,41
Mutuípe 2,18 Santana - EBDA-ANA 2,47
Piritiba – França 2,62 Saúde – EBDA 2,03
Santa Cruz Da Vitória 2,18 Uibaí - EBDA-ANA 2,28
Santana - Porto Novo 2,4 Xique-Xique 2,23
São Desidério - Decoral 3,41
São Desidério - Sítio Grande 2,12
Vitória Da Conquista - Inhobim 2,43
Wenceslau Guimarães - Santa Luzia 2,82
Tabela 4. Estações que apresentaram tendência significativa para número de dias secos para nível de significância de 5%
10
Ao elevar o erro estatístico para 10%, houve um pequeno aumento do número de estações com tendências significativas.
De 180 postos, 58 apresentaram testes significativos, 11 a mais que o resultado encontrado para p = 0,05. Assim, 48 postos
apresentaram tendência de aumento e 10, tendência de diminuição. Segue na tabela 5 quais foram as 58 estações citadas acima
com o respectivo valor de Z e a tendência encontrada.
Estações com série de 33 anos Valor de Z Estações com série de 15 anos Valor de Z
Tendência Diminuição
Esplanada - Corte Grande -2,65 Santaluz – EBDA -1,78
Form.Rio Preto – Faz. Bom Jardim -2,77
Inhambupe -2,15
Nazaré -2,49
Nilo Peçanha -2,43
Planaldo - Lucaia (Campo Sales) -2
Queimadas -1,81
Santa Inês -1,84
São José Da Vitória - São José -3,3
Tendência Aumento
Alagoinhas – Buracica 4,14 Baixa Grande – EBDA 4,11
Alcobaça 1,69 Boa Vista do Tupim – EBDA 2,42
Andaraí 1,66 Caculé – EBDA 1,88
Angical - São Sebastião 3,04 Canarana - EBDA-ANA 2,42
Barreiras - Nova Vida Montante 2,4 Cansanção – EBDA 2,13
Camacan – Vargito 2,67 Heliópolis – EBDA 2,82
Camaçari –Emboacica 1,92 Itaberaba - INMET-EBDA 2,28
Camaçari – Tiririca 2,97 Itapicuru - EBDA 2,57
Cipó 2,08 Mairi - EBDA 3,51
Coribe - Colônia Do Formoso 3,01 Marcionílio Souza - ENEMA_EBDA 1,98
Gongogi 2,7 Mundo Novo-Sede - EBDA 2,18
Iaçu 2,99 Muquém São Francisco - EBDA-ANA 2,62
Itaetê - Fazenda Iguaçu 2,82 Parapiranga - EBDA 1,78
Itaju Do Colônia 1,8 Piatã - EBDA-INEMA 2,38
Jandaíra – Itanhy 2,22 Ruy Barbosa - EBDA 2,92
Jequié 2,45 Santa Bárbara - EBDA 3,41
Juazeiro - Lagoa Do Boi 2,54 Santana - EBDA-ANA 2,47
Lençóis = Porto 2,12 Saúde - EBDA 2,03
Mutuípe 2,18 Uibaí - EBDA-ANA 2,28
Piritiba – França 2,62 Xique-Xique 2,23
Prado 1,67
Rafael Jambeiro – Argoim 1,67
Santa Cruz Da Vitória 2,18
Santana - Porto Novo 2,4
São Desidério – Decoral 3,41
São Desidério - Sítio Grande 2,12
Vitória Da Conquista - Inhobim 2,43
Wenceslau Guimarães - Santa Luzia 2,82
Tabela 5. Estações que apresentaram tendência significativa para número de dias secos para nível de significância de 10%
A figura 4 traz as 180 estações distribuídas pelo estado da Bahia quanto ao resultado do teste Mann-Kendall para o número
de dias sem chuvas. Observa-se, através do mapa que este indicador apresentou uma grande quantidade de estações com
tendência significativa para os valores p = 0,05 e 0,1, o que se permite fazer um estudo mais detalhado.
11
Figura 04. Mann-Kendall - Resultado Final para o Número de Dias Sem Chuvas
Pode-se afirmar, com grande grau de certeza, devido a quantidade de estações com tendências significativas, que a região
central do estado, representada pela chapada diamantina assim como parte do oeste e nordeste, possui uma tendência de aumentar o número de dias sem chuvas. Entretanto, o litoral do estado, apesar de possuir muitas estações com tendência
significativa, não se pode afirmar qual a tendência para a região, pois algumas apresentaram tendências positivas e outras
negativas.
Para as demais regiões da Bahia, não se pôde concluir a respeito da tendência, porque as estações não apresentaram
tendência significativa para os níveis de significância aqui adotados ou a região só possuía poucas estações com tendências
significativas.
5. CONCLUSÃO
O presente estudo aplicou o teste de tendência Mann-Kendall nas séries históricas de dois indicadores de chuva; precipitação
total anual e número de dias sem chuvas. Poucas estações apresentaram tendência significativa para os níveis de significância
de 5% e 10% para a precipitação e um número maior para o número de dias sem chuvas.
Verificou-se que a partir do emprego do teste de tendência, que a área de estudo não está sendo impactada pelas mudanças
climáticas globais. As mudanças climáticas têm gerado impactos para a Bahia de caráter regional ou local, pois apenas em algumas áreas do estado verificamos um comportamento semelhante das tendências significativas.
Essa situação já é um alerta. Cabe aos nossos representantes, bem como todos os cidadãos, encarar a realidade do estado e
buscar medidas eficazes para reduzir os impactos sobre ele, uma vez que, caso continuem as interferências descontroladas sobre
o meio ambiente, maiores serão os efeitos sobre as atividades que dependem direta ou indiretamente dos regimes de chuva.
A causa das tendências identificadas para o estado, bem como para suas mesorregiões, não fazem parte desse estudo. Fica
aberto a outras pesquisas buscarem respostas para essas questões.
12
REFERÊNCIAS BIBLIOGRÁFICAS
[1] IBGE, Instituto Brasileiro de Geografia e Estatística, “Bahia”, 2014.
[2] C.C. BRAGA, M.L.D. MELO, E.C.S. MELO, “Análise de Agrupamento Aplicada a Distribuição da Precipitação no
Estado da Bahia”. In: Congresso Brasileiro De Meteorologia, 10, 1998, Brasília-DF. Anais... Sociedade Brasileira de
Meteorologia (1998) 1857-1862.
[3] A.M.H. AVILA. “Uma Síntese do Quarto Relatório do IPCC”, Revista Multiciência (2007), n. 8, 163-168.
[4] IPCC, Intergovernmental Panel on Climate Change, “Climate Change 2007: The Physical Science Basis,
Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate
Change”, Cambridge University Press, Cambridge United Kingdom and New York: Cambridge (2007) 996 p.
[5] G.B. SILVA, W.M. SOUZA, P.V. AZEVEDO, “Cenários de Mudanças Climáticas no Estado da Bahia através de
Estudos Numéricos e Estatísticos”, Revista Brasileira de Geografia Física (2012) v. 05, n. 05, 1019-1034.
[6] W.M. SOUZA, P.V. AZEVEDO, “Índices de detecção de mudanças climáticas derivados da precipitação
pluviométrica e das temperaturas em Recife-PE”, Revista Brasileira de Geografia Física (2012) v. 5, n. 01, 143-159.
[7] J.R.A. LIMA, et al. “Identificação de tendências climáticas no Estado da Bahia”, Revista de Geografia (2011), v. 28,
n. 3.
[8] W.S. ARAUJO, J.I.B. BRITO, “Índices de tendências de mudanças climáticas para os estados da Bahia e Sergipe
por meio de índices pluviométricos diários e sua relação com TSM do Pacífico e Atlântico”, Revista Brasileira de
Meteorologia (2011) v.26, n.4, 541-554.
[9] C.A.S. TANAJURA, F. GENZ, H.A. ARAÚJO, “ Mudanças climáticas e recursos hídricos na Bahia: validação da
simulação do clima presente do HADRM3P e comparação com os cenários A2 e B2 para 2070-2100”, Revista Brasileira
de Meteorologia (2010) v.25, n.3, 345-358.
[10] J.L.H. PAULHUS, M.A. KOHLER, “Interpolation of missing precipitation records”, Monthly Weather Review,
(1952) v. 80, n. 8, 129-133.
[11] J.C. BERTONI, C.E.M. TUCCI, “ Precipitação”. In: C.E.M. TUCCI, “ Hidrologia: Ciência e aplicação”, Porto
Alegre: UFRGS (2007) 177-241.
[12] D.F. SILVA, A.B. SOUSA, “ Detecção de Tendências Climáticas no Estado de Alagoas”, Revista Brasileira de
Geografia Física (2013) v. 06, n. 03, 442-455.
[13] J.C. PENEREIRO, D.H.L. FERREIRA, “Estatística apoiada pela tecnologia: uma proposta para identificar
tendências climáticas”, Acta Scientiae, Porto Alegre (2012) v.13, n.1, 87-105.
[14] J.D. GROPPO, “Estudo de Tendências nas séries temporais de qualidade de água de rios do Estado de São Paulo
com diferentes graus de intervenção antrópica”, Escola Superior de Agricultura Luiz de Queiroz, Universidade de São
Paulo: Piracivaba, (2005) 86 f.
[15] D.N. SANTOS, et al, “Estudo de alguns cenários climáticos para o Nordeste do Brasil”, Revista Brasileira de
Engenharia Agrícola e Ambiental (2010) v.14, n.05, 492-500.
[16] L. XUMEI, et al, “Spatial and temporal variability of precipitation concentration index, concentration degree and
concentration period in Xinjiang, China”, Inter. Journal of Climatology (2010) 31: 1679-1693.
[17] C.F. ROPELEWSKI, M.S. HALPERT, “Global and regional scale precipitation patterns associated with the El
Niño/ Southern Oscillation”, Mon. Wea. Rev. (1987) v. 115, 1606–1626.
[18] C.F. ROPELEWSKI, M.S. HALPERT, “Precipitation patterns associated with the high index phase of the Southern
Oscillation”, J. Climate (1989) v. 2, 268–284.
