UNIVERSIDADE FEDERAL DE CAMPINA GRANDE … · Meteorologia da UFCG, pelo intuito insaciável de ajudar todos os pós-graduandos. ... In general, a trend of increased indices of the

UNIVERSIDADE FEDERAL DE CAMPINA GRANDE – UFCG

UNIDADE ACADÊMICA DE CIÊNCIAS ATMOSFÉRICAS – DCA

PÓS-GRADUAÇÃO EM METEOROLOGIA

DISSERTAÇÃO DE MESTRADO

ÍNDICES DE MONITORAMENTO E DETECÇÃO DE MUDANÇAS CLIMÁTICAS

NA PARTE NORTE DO BRASIL

CARLOS HERRIOT FERNANDES DA SILVA JÚNIOR

Campina Grande - PB

Agosto/2010

1

CARLOS HERRIOT FERNANDES DA SILVA JÚNIOR

ÍNDICES DE MONITORAMENTO E DETECÇÃO DE MUDANÇAS CLIMÁTICAS

NA PARTE NORTE DO BRASIL

Dissertação apresentada ao curso de Pós-

Graduação em Meteorologia da Universidade

Federal de Campina Grande em cumprimento às

exigências para a obtenção do título de Mestre

em Meteorologia.

Área de concentração: Meteorologia de Meso e Grande Escalas

Sub-Área: Climatologia Estatística

Orientador: Prof. Dr. José Ivaldo Barbosa de Brito

Campina Grande – PB

Agosto/2010

2

3

4

DEDICATÓRIA

Dedico este trabalho a todos aqueles que sorriem minhas alegrias e choram as minhas

lágrimas. A todos aqueles que mesmo de longe se fazem presentes de perto em minha vida. A

todos os que consciente ou inconscientemente me ajudaram a concluir este desafio ao qual me

propus a vencer.

Ofereço este trabalho a todo aquele que me olhou, e acreditou em mim, e me

incentivou a concluir mais este ciclo da minha vida. A todo aquele que me diz que essa é só

mais uma etapa preparatória para depois alcançar muitas outras vitórias necessárias e

desejáveis, e que crê que eu sou capaz de realmente atingi-las.

Esta obra vai para cada um que possa por ela ser ajudado, seja pelo seu conteúdo, seja

pela sua forma, seja pelo seu exemplo. Dedico-a para aqueles a quem ela pode ser útil, mesmo

que apenas por curiosidade, ou por necessidade, mesmo que apenas em parte, ou em sua

totalidade.

Dedico este trabalho a meus familiares, meus amigos e meus mestres.

É com orgulho que afirmo que este não é um trabalho isolado, individual e singular...

Trata-se do produto de um esforço coletivo, plural e engajado, e cada um dos participantes

desta vitória é alvo desta dedicatória.

5

AGRADECIMENTOS

Dizer ‗obrigado‘ ainda é muito pouco.

Eu que sei cada instante que vivi pra chegar até aqui. O instante da inscrição para

concorrer ao mestrado; a explosão de alegria ao ser aprovado; as aulas que assisti; todas as

provas que fiz; os seminários que apresentei; as horas de estudo em casa; as horas de estudo

em grupo na universidade, ou na casa de amigos; os conteúdos mais difíceis de entender; as

provas mais longas de se fazer; as idas e vindas às salas dos professores buscando

esclarecimentos; a obtenção dos dados de pesquisa; a manipulação e adequação das

informações; a interpretação dos dados; a criação de gráficos e tabelas; cada linha escrita para

composição da dissertação. Olhando desta forma, dois anos parecem caber em um parágrafo,

mas eu que sei cada instante que vivi pra chegar até aqui, e é por isso que agradecer se faz

necessário, porque nenhuma dessas etapas teria acontecido se eu estivesse sozinho.

Agradeço à minha família, destacando as figuras de minha Mãe, minha irmã Tacianne

e também Azinete. Só de pensar em compartilhar de minha gratidão com vocês, já se torna

inegável e incontrolável a manifestação em meus olhos de toda a emoção que me toma.

Agradeço a Azinete por querer me agradar até nas coisas simples, no que aparentemente

poderia passar despercebido, mas que nunca escapou de meus olhos. Agradeço à minha irmã

Tacianne Katiúsca Feitosa da Silva, por ser a melhor irmã do mundo que um irmão poderia

ter, e você vai bem além disso. Provavelmente você seja a pessoa que melhor me entende

nesse mundo e é por isso que sei que essa minha alegria também é sinceramente sua, e nada

me dá mais prazer do que ver você feliz.

Ninguém nesse mundo merece mais agradecimentos do que a minha Mãe, Clair

Feitoza da Silva, a pessoa mais incrível que já conheci em toda a minha vida. Além de me

presentear, juntamente com meu Pai, com o dom da vida, tem o maior coração da face da

Terra, e não digo isso só por ser seu filho, mas porque vejo as multidões de pessoas que a

senhora conquista e cativa. Mãe, você é o maior exemplo que tenho em minha vida, a pessoa

a quem devo imitar em questões de decência, justiça, amabilidade, organização e tantas outras

qualidades que lhe pertencem. Obrigado pelo amor incondicional, obrigado pelo suporte,

obrigado pela educação que me deu, obrigado por me incentivar a estudar cada vez mais e me

apoiar mesmo quando as dificuldades eram as mais instransponíveis; obrigado por acreditar

em mim e investir em mim, por isso a senhora é a maior merecedora de meus agradecimentos

por este trabalho e por toda a minha vida, pois cada alegria e vitória que tenho na vida, são pra

lhe fazer mais feliz!

6

Agradeço a meu Pai, Carlos Herriot Fernandes da Silva, pelo dom da vida. Lembro-me

bem de um dia em que lhe ouvi comentar que gostaria de ver seus filhos indo mais além do

que o que o senhor alcançou... Eu estou me esforçando nisso, Pai!

Agradeço a meu Orientador, José Ivaldo Barbosa de Brito. Muito mais do que um

professor, o senhor é um Paizão que eu encontrei depois de grande, e tenho certeza de que

esta sensação não é sentida só por mim, ela também é compartilhada por cada pessoa que se

faz aluno seu. Agradeço pela paciência quando de minha cirurgia, pela seriedade e empenho

em me ajudar, e agradeço pelo exemplo de conhecimento e profissionalismo que o professor

me deu, atravessando limites para me ajudar na conclusão desta obra.

Agradeço também a todos os meus amigos pelo incentivo e por acreditarem em mim.

Agradeço aos amigos do dia-a-dia, por tornarem minha vida muito mais agradável, por me

darem suporte quando as coisas ficam difíceis, por me incentivarem quando os prazos se

apertavam, por fazerem questão de me ter por perto mesmo quando eu não poderia estar lá.

Os nomes de vocês estão gravados em minha memória e no meu coração: Jonas, Guilherme,

Joacy, Hélder, Dyego, Carlos Leandro, Moisés, Valéria, Walker, Francisco, Adriana e tantos

outros que não estão aqui nominalmente citados, mas que jamais serão esquecidos. Agradeço

também aos amigos do mestrado que compartilharam diretamente comigo da vivência nesse

período de pós-graduação. Graças a vocês, ficou bem mais fácil encarar todas as provas,

trabalhos e seminários. Agradeço nominalmente a Valéria, Walker, Rosaline, Maria, Jefferson

e Argemiro por me ajudarem mais diretamente durante meus estudos. Vocês foram incríveis,

e continuam sendo.

Agradeço a Patrícia Araújo por me incentivar e insistir que eu me inscrevesse no

mestrado. Se estou aqui hoje, é graças a você. Obrigado! Também agradeço aos alunos mais

veteranos que se dispuseram a tirar dúvidas e nos ensinar sempre que precisávamos.

Agradeço a cada um dos professores do DCA. Graças a vocês sou um profissional um

pouco mais aprimorado, devido aos ensinamentos e dicas que adquiri com cada um. Meu

agradecimento é uma das formas de retorno que posso dar a vocês pelo digno desejo de vocês

em querer passar conhecimento adiante. Em específico, agradeço a José Ivaldo Barbosa de

Brito, Tantravahi Ramana Rao e a Ênio Pereira de Souza por serem exemplos para mim, pois

me esforçarei sempre para ser um professor tão competente, conhecedor e humano como

vocês são. Agradeço também ao professor Enilson Palmeira Cavalcanti pela ajuda na

conversão de dados desta pesquisa.

Agradeço a Divanete Rocha da Cruz. Diva, muito mais do que secretária da

Coordenação da Pós-Graduação em Meteorologia da UFCG, você é uma profissional

http://www.dca.ufcg.edu.br/professores/enilson.html

7

competentíssima e uma amiga inestimável. Sorte dos que convivem com você e eu lhe

agradeço por tudo que você faz pelos alunos de Meteorologia e por tudo que fez por mim,

especificamente. Obrigado pela preocupação quando de minha cirurgia e por me receber

sempre com um enorme sorriso no rosto.

Agradeço também a meu fisioterapêuta Elvis Crispiniano e sua equipe pelo trato

especial em minha recuperação pós-cirurgia. Sem vocês eu não teria condições de voltar a

estudar, por isso vocês também são alvo de meus agradecimentos.

Meus agradecimentos seguem ao Conselho Nacional de Desenvolvimento Científico e

Tecnológico – CNPq pela ajuda financeira durante o curso.

Agradeço ainda a Ênio Pereira de Souza, coordenador da Pós-Graduação de

Meteorologia da UFCG, pelo intuito insaciável de ajudar todos os pós-graduandos.

Meu agradecimento final vai para Deus, por sonhar comigo e me fazer existir, por

permitir que eu me acorde a cada dia e por me dar forças para estudar e trabalhar cada vez

mais para realizar todos os meus sonhos, por me rodear de pessoas especiais, e por me fazer

passar por situações que me ensinam a ser uma pessoa melhor. Meu mais que especial muito

obrigado.

8

RESUMO

O objetivo principal do presente trabalho é estimar os índices de detecção e

monitoramento de mudanças climáticas para a porção norte do Brasil (área ao norte de

18,75ºS) e investigar a relação destes índices com a variabilidade inter-anual e inter-decadal

da temperatura da superfície do mar (TSM) nos oceanos Pacífico e Atlântico. Para tanto,

utilizam-se dados diários de precipitação e temperatura do ar oriundos da reanálise do projeto

ERA40 do ECMWF (European Centre for Medium-Range Weather Forecasts), para o

período de 1º de janeiro de 1961 a 31 de dezembro de 2001. Observa-se que os índices de

extremos climáticos decorrentes da precipitação apresentaram tendência de aumento em quase

toda área de estudo, a exceção foi a parte nordeste da Região Nordeste, enquanto que os

índices extraídos das temperaturas máximas e mínimas não mostram uma tendência padrão

sobre a área em estudo. Em geral, observou-se uma tendência de aumento dos índices

extremos de temperatura no Nordeste, norte de Minas Gerais, Goiás e Tocantins; e diminuição

no Mato Grosso e Região Norte, mas este tipo de configuração não foi uma regra geral para

todos os índices de temperatura. Os índices extremos de precipitação das áreas mais ao norte

foram melhor correlacionados com as TSM do Pacífico Equatorial do que com as do

Atlântico Tropical; para as áreas mais ao sul observou-se o inverso. Os índices extremos de

temperatura do ar apresentam-se bem correlacionados com as TSM do Pacífico Equatorial e

do Atlântico Tropical. Todos os índices de extremos climáticos apresentam uma boa

correlação com os índices da Oscilação Decadal do Pacífico e da Oscilação Multidecadal do

Atlântico. Dessa forma, conclui-se que os índices de extremos climáticos são influenciados

pela variabilidade inter-anual e inter-decadal da TSM dos Oceanos Atlântico Tropical e

Pacífico Equatorial; e que, de modo geral, a área do Brasil ao norte de 18,75ºS tem

experimentado um processo de mudanças climáticas.

Palavras-chave: Mudanças climáticas; índices de monitoramento; temperatura do ar;

precipitação de chuva, parte norte do Brasil

9

ABSTRACT

The main objective of this research is to estimate the indices of detection and

monitoring of climate change for the northern portion of Brazil (the area north of 18.75 ° S)

and investigate the relationship of these indices to the inter-annual variability and inter-

decadal sea surface temperature (SST). For this, daily data of precipitation and air temperature

was used from the reanalysis of the project ERA40 of the ECMWF (European Centre for

Medium-Range Weather Forecasts) for the period from January 1, 1961 to December 31,

2001 available on http://data-portal.ecmwf.int/data/d/era40_daily/. It was observed that the

indices of extreme weather resulting from precipitation tended to increase in almost every

area of study, the exception was the northeastern part of the Northeast region, while the

indices extracted of the maximum and minimum temperatures do not show a trend pattern

over the entire area. In general, a trend of increased indices of the extreme temperatures was

observed in the Northeast region, Minas Gerais, Goiás and Tocantins; and a trend of decrease

in Mato Grosso and in the North region, but this type of configuration was not a general rule

for all temperature indices. The indices of extreme rainfall of the further north areas were

better correlated to the Equatorial Pacific SST than with those of the Tropical Atlantic; for

further south areas, there was a reverse situation. Extremes indices of temperature were well

correlated with the SST of the equatorial Pacific and the Tropical Atlantic. All of the indices

of climate extremes showed a good correlation with the indices of the Pacific Decadal

Oscillation and the Atlantic Multidecadal Oscillation. It is concluded that the indices of

climate extremes are influenced by inter-annual and inter-decadal variability of the SST of the

Tropical Atlantic Ocean and the Equatorial Pacific; and that, in general, the area of Brazil to

the north of 18.75°S has experienced a process of climate change.

Keywords: Monitoring indices, climate changes, air temperature, rain precipitation,

nothern part of Brazil

10

SUMÁRIO

RESUMO ................................................................................................................................... 8

ABSTRACT .............................................................................................................................. 9

LISTA DE ILUSTRAÇÕES .................................................................................................. 12

LISTA DE TABELAS ............................................................................................................ 14

LISTA DE SIGLAS E SÍMBOLOS ...................................................................................... 15

1 INTRODUÇÃO ................................................................................................................... 17

2 OBJETIVOS ........................................................................................................................ 20

2.1 Objetivo Geral .............................................................................................................. 20

2.2 Objetivos Específicos .................................................................................................... 20

3 JUSTIFICATIVA ................................................................................................................ 21

4 REVISÃO DE LITERATURA ........................................................................................... 23

4.1 Considerações sobre mudanças climáticas ................................................................. 23

4.2 Sistemas meteorológicos mais significativos atuantes sobre a área de estudo ........ 27

4.2.1 Zona de Convergência Intertropical .................................................................... 27

4.2.2 Vórtices Ciclônicos de Alto Nível ......................................................................... 28

4.2.3 Distúrbios ondulatórios de leste ........................................................................... 29

4.2.4 Zona de Convergência do Atlântico Sul .............................................................. 30

4.2.5 Linhas de Instabilidade ......................................................................................... 31

4.2.6 Frentes frias ........................................................................................................... 32

4.2.7 Temperatura da superfície do mar ...................................................................... 33

4.2.8 Oscilação Decadal do Pacífico (DPO) e Oscilação Multidecadal do Atlântico

(OMA) .............................................................................................................................. 35

5 MATERIAL E MÉTODOS ................................................................................................ 36

5.1 Material ......................................................................................................................... 36

5.1.1 Dados meteorológicos e descrição da área de estudo ......................................... 36

5.1.2 Características climáticas da região de estudo ................................................... 37

5.1.2.1 Região Norte .................................................................................................... 37

5.1.2.2 Região Nordeste .............................................................................................. 38

5.1.2.3 Região Centro-Oeste ...................................................................................... 38

5.1.3 Softwares utilizados ............................................................................................... 39

5.2 Métodos ......................................................................................................................... 40

5.2.1 Condições para cálculo de índices ........................................................................ 40

11

5.2.1.1 Controle de qualidade dos dados .................................................................. 40

5.2.1.2 Formatação da entrada de dados .................................................................. 41

5.2.2 Índices climáticos básicos do ETCCDMI ............................................................ 42

5.2.3 Calculo dos Coeficientes de Correção .................................................................. 46

6 RESULTADOS E DISCUSSÃO ........................................................................................ 47

6.1 Índices climáticos do ETCCDMI ................................................................................ 47

6.2 Relação entre TSM e índices climáticos ..................................................................... 66

7 CONCLUSÃO ...................................................................................................................... 70

8 SUGESTÕES ....................................................................................................................... 72

9 CONSIDERAÇÕES FINAIS .............................................................................................. 73

10 REFERÊNCIAS BIBLIOGRÁFICAS ............................................................................ 74

APÊNDICES ........................................................................................................................... 83

12

LISTA DE ILUSTRAÇÕES

Figura 1.1 Área selecionada para o estudo contendo o Norte, Nordeste e Parte do

Centro-Oeste do Brasil............................................................................. 19

Figura 3.1(a) CDD estimado pelos modelos ETA/ECHAM4........................................ 22

Figura 3.1(b) CDD estimado pelos modelos ETA/ECHAM3........................................ 22

Figura 3.2(a) DTR estimado pelos modelos ETA/ECHAM4........................................ 22

Figura 3.2(b) DTR estimado pelos modelos ETA/ECHAM3........................................ 22

Figura 4.1 Zona de Convergência Intertropical no Oceano Atlântico....................... 28

Figura 4.2 Zona de Convergência do Atlântico Sul................................................... 31

Figura 4.3 Linhas de Instabilidade sobre o Nordeste................................................. 32

Figura 6.1 Índice de Dias Secos Consecutivos (CDD).............................................. 48

Figura 6.2 Índice de Dias Úmidos Consecutivos (CWD).......................................... 49

Figura 6.3 Índice de Precipitação Máxima em 1 dia (RX1dia)................................. 50

Figura 6.4 Índice de Precipitação Máxima em 5 dias (RX5dia)................................ 51

Figura 6.5 Índice Simples de Precipitação Diária (SDII).......................................... 51

Figura 6.6 Dias úmidos (R10mm).............................................................................. 53

Figura 6.7 Duas muito úmidos (R20mm).................................................................. 53

Figura 6.8 Dias com chuvas extremas (Rnnmm)....................................................... 54

Figura 6.9 Dias muito úmidos (R95p)....................................................................... 55

Figura 6.10 Dias extremamente úmidos (R99p).......................................................... 56

Figura 6.11 Precipitação Total (PRCPTOT)................................................................ 57

Figura 6.12 Maior temperatura máxima (TXx)........................................................... 58

Figura 6.13 Maior temperatura mínima (TNx)............................................................ 59

Figura 6.14 Menor temperatura máxima (TXn)........................................................... 60

Figura 6.15 Menor temperatura mínima (TNn)........................................................... 61

Figura 6.16 Variação da temperatura ao dia (DTR)..................................................... 62

Figura 6.17 Dias com as menores temperaturas mínimas (TN10p)............................. 63

Figura 6.18 Dias com as menores temperaturas máximas (TX10p)............................ 64

13

Figura 6.19 Dias com as maiores temperaturas máximas (TX90p)............................. 65

Figura 6.20 Dias com as maiores temperaturas mínimas (TN90p).............................. 65

Figura 6.21 Regiões do El Niño e Atlânticos Norte e Sul........................................... 67

14

LISTA DE TABELAS

Tabela B1 Índices pluviométricos................................................................................. 84

Tabela B2 Índices de temperatura................................................................................. 89

Tabela C1 Célula 5°N 60°W......................................................................................... 94

Tabela C2 Célula 0° 50°W............................................................................................ 94

Tabela C3 Célula 0° 55°W............................................................................................ 95

Tabela C4 Célula 0° 60°W............................................................................................ 95

Tabela C5 Célula 0° 65°W............................................................................................ 95

Tabela C6 Célula 0° 70°W............................................................................................ 96

Tabela C7 Célula 5°S 40°W.......................................................................................... 96







Tabela C14 Célula 10°S 40°W........................................................................................ 98












Tabela D1 Anomalias dos oceanos Pacífico e Atlântico de 1961 a 2001..................... 103

15

LISTA DE SIGLAS E SÍMBOLOS

SIGLAS:

AB Alta da Bolívia

Alt_N Anomalia do Atlântico Norte

Alt_S Anomalia do Atlântico Sul

ASCII American Standard Code for Information Interchange

CDD Dias Secos Consecutivos (Consecutive Dry Days)

CFC Clorofluorcarboneto

CPTEC Centro de Previsão de Tempo e Estudos Climáticos

CWD Dias Úmidos Consecutivos (Consecutive Wet Days)

DCA Departamento de Ciências Atmosféricas

DPO Oscilação Decadal do Pacífico

DTR Índice de variação da temperatura ao dia

ECMWF European Centre for Médium-Range Weather Forecast

ENOS El Niño/Oscilação Sul

ETCCDMI Expert Team on Climate Change Detection Monitoring

INPE Instituto Nacional de Pesquisas Espaciais

IPCC Intergovernmental Panel of Climate Change

LI Linhas de Instabilidade

LIC Linhas de Instabilidade Costeira

LIP1 Linhas de Instabilidade com Propagação do tipo I

LIP2 Linhas de Inbstabilidade com Propagação do tipo II

NB Região Norte do Brasil

NCDC Centro Nacional de Pesquisas Climáticas

NEB Região Nordeste do Brasil

NOAA National Oceanic and Atmospheric Administration

O3 Ozônio

OMA Oscilação Multidecadal do Atlântico

OMM Organização Meteorológica Mundial

PNUD Programa das Nações Unidas para o Desenvolvimento

PRCPTOT Precipitação total

R10mm Número de dias com precipitação acima de 10mm

R20mm Número de dias com precipitação acima de 20mm

R95p Dias muito úmidos

16

R99p Dias extremamente úmidos

Rnnmm Número de dias com chuvas extremas

RX1dia Índice de precipitação máxima em um dia

RX5dia Índice de precipitação máxima em cinco dias

SDII Índice Simples de Precipitação Diária

SST Sea Surface Temperature (Temperatura da Superfície do Mar)

TSM Temperatura da Superfície do Mar

TN10p Dias com as menores temperaturas mínimas

TN90p Dias com as maiores temperaturas mínimas

TNA Temperatura da superfície do mar sobre o Atlântico Norte

TNx Índice de maior temperatura mínima

TNn Índice de menor temperatura mínima

TSA Temperatura da superfície do mar sobre o Atlântico Sul

TX10p Dias com as menores temperaturas máximas

TX90p Dias com as maiores temperaturas máximas

TXn Índice de menor temperatura máxima

TXx Índice de maior temperatura máxima

UFCG Universidade Federal de Campina Grande

UNEP United Nations Environment Programme

VCAN Vórtice Ciclônico de Alto Nível

ZCIT Zona de Convergência Intertropical

ZCAS Zona de Convergência do Atlântico Sul

SÍMBOLOS:

°C graus Celsius

°C/ano graus Celsius por ano

CO2 Dióxido de Carbono (Gás Carbônico)

dia/ano dias por ano

hPa Hectopascal

m/s metros por segundo

mm milímetro

mm/ano milímetros por ano

ppm partes por milhão

std standard deviation (desvio padrão)

17

1 INTRODUÇÃO

A atmosfera terrestre está sob um equilíbrio dinâmico, e são muitos os eventos que

contribuem para que ela apresente as características que possui em cada região do planeta.

Topografia, parâmetros orbitais e radiação solar estão entre os muitos fatores naturais que

moldam a circulação atmosférica e conseqüentemente a climatologia de cada região do globo.

Mesmo eventos não tão freqüentes, como vulcões em erupção e queimadas provocadas

naturalmente, ao acontecerem, forçam flutuações climáticas que podem ser absorvidas pela

natureza com o passar do tempo, gerando efeitos apenas temporários, mas com os quais a

atmosfera se adéqua para se manter em ordem; e por se tratar de um equilíbrio dinâmico, é

possível que o clima de uma região apresente algumas diferenças ao longo do tempo, pois são

freqüentes as flutuações que sofrem as condições climáticas da Terra, como já observara

Sentelhas et al. (2000). É salutar mencionar que considerando um período muito longo de

tempo, o clima da Terra tem passado, além de flutuações, por mudanças naturais, a exemplo

dos ciclos de Milankovitch.

Com o intuito de entender melhor o planeta em que vivemos, passou-se a estudar as

mudanças climáticas, para que houvesse uma determinação dos períodos que elas levam para

ocorrer, e para compreender quais fatores propiciam e induzem às alterações, incluindo as que

estão além das advindas por erupções vulcânicas, mudanças na constante solar e modificações

dos parâmetros orbitais da Terra. A partir de pesquisas propostas, a comunidade científica

começou a perceber modificações ocorrendo de forma não tão gradual e natural no clima

terrestre, em uma escala de tempo muito menor do que as alterações previstas via fatores,

como rotação da Terra e outros aqui supracitados. Conjecturou-se que as atividades humanas

estão levando a uma mudança global do clima, que podem ser somadas às mudanças que

ocorrem sem a ação do homem, que são chamadas de mudanças naturais (HARTMANN,

1994).

A população mundial também passou a perceber efeitos das alterações climáticas -

como enchentes, aumento da temperatura global e derretimento das calotas polares, dentre

outras - e isso tem ajudado a impulsionar os estudos sobre tal assunto. Para avaliar estas

mudanças climáticas, e para uma melhor compreensão do planeta, estudos sobre a

climatologia da Terra passaram a ser realizados, com o objetivo de entender quais são as

alterações esperadas naturalmente e o que tem feito com que outras mudanças inesperadas

estejam acontecendo em toda a atmosfera. Esses estudos possibilitam também que medidas

sejam tomadas para amenizar possíveis efeitos maléficos; e permitem que alertas sejam dados

18

no sentido de inibir certos comportamentos quem acabem por gerar mudanças climáticas

prejudiciais à atmosfera, à superfície e à humanidade, pois os extremos climáticos associados

à temperatura e precipitação podem afetar o consumo de energia, o conforto humano e

turismo (SUBAK et al., 2000; QIAN & LIN, 2005).

Os estudos da climatologia já perceberam que algumas dessas mudanças são

resultantes da ação humana sobre a Terra (IPCC, 2007). Devastação da vegetação,

construções de cidades e altas taxas de emissão de dióxido de carbono (CO2) são exemplos da

ação humana que interfere e modifica a climatologia de uma região, gerando eventos

atmosféricos inesperados e normalmente prejudiciais à natureza e à humanidade (QIAN e

LIN, 2005).

Os efeitos das alterações climáticas atingem a atmosfera e a superfície em todas as

escalas de grandeza, sendo assim, tanto pequenas regiões, quanto grandes blocos da Terra

sofrem diferenciações em sua climatologia.

Por haver necessidade de se compreender como o clima vem mudando, e para qual

novo cenário ele está se modificando, torna-se imperativo realizar estudos em todas as escalas

meteorológicas de mensuração possíveis, pois assim as alterações em pequenas regiões

poderão ser melhor compreendidas, ao se levar em conta as características das macro-regiões

em que se encontram, conceito que é utilizado em modelos numéricos da atmosfera; e ainda

as mudanças nas áreas de escala maior também serão melhor entendidas, já que elas são

influenciadas pelos efeitos das alterações em cada uma das micro-regiões existentes dentro

dela.

Devido ao grande volume de estudos sobre mudanças climáticas e ao uso de diferentes

mecanismos para avaliação e diagnósticos de mudanças climáticas, a Organização

Meteorológica Mundial (OMM) criou, na primeira metade da década de 2001-2010, um grupo

de trabalho para elaborar uma metodologia para análise de mudanças climáticas que fosse

capaz de atender às diversas especificidades de cada Continente ou até mesmo de cada País.

O referido grupo de trabalho desenvolveu esforços para a construção de índices de detecção e

monitoramento de mudanças climáticas em todo o globo. Para tanto, desenvolveram um

software denominado RClimDex, baseado no R e planilha Excel, e com saídas gráficas e

tabelas dos índices estimados (ZHANG & YANG, 2004). Ressalta-se que esta metodologia

tem sido extensivamente utilizada, em todos os continentes. Para a América do Sul é salutar

mencionar o estudo de Haylock et al (2006). Para áreas menores podem ser citados os

trabalhos de Santos e Brito (2007), para o semiárido do Nordeste do Brasil e Santos et al.,

(2010) para o estado de Utah, USA.

19

Para avaliar as possíveis alterações no clima ocorridas em toda a porção Norte do

Brasil (área do Brasil ao norte de 18,75ºS), o presente trabalho se propõe a fazer uso de

índices de detecção e monitoramento de mudanças climáticas, baseados em dados de

temperaturas máxima e mínima diárias e da precipitação total diária, para verificar como tem

se configurado a climatologia de todo este grande bloco do País (Figura 1.1). A área de estudo

tem um alcance de aproximadamente oitenta por cento (80%) da extensão territorial do Brasil,

proporcionando uma macro visão do caminho que a climatologia da porção norte do Brasil

tem trilhado, nos últimos 40 anos.

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 1.1 Área selecionada para o estudo contendo o Norte, Nordeste e parte do Centro-Oeste do Brasil

20

2 OBJETIVOS

2.1 Objetivo Geral

Estimar os índices de detecção e monitoramento de mudanças climáticas para a porção

norte do Brasil (área ao norte de 18,75ºS). Investigar a relação destes índices com a

variabilidade inter-anual e inter-decadal da temperatura da superfície do mar (TSM).

2.2 Objetivos Específicos

Calcular as tendências de dias consecutivos secos e úmidos;

Estimar as tendências do número de dias no ano com precipitação diária superiores a

10 mm/dia, 20 mm/dia e 50 mm/dia;

Determinar as tendências do total anual de precipitação e da intensidade simples da

precipitação diária;

Verificar as tendências da maior precipitação diária no ano, do maior total anual da

precipitação de 5 dias consecutivos e dos valores do 95º e 99º percentis da precipitação diária

em um ano;

Calcular os índices de mudanças climáticas relativos à temperatura e com eles

observar as oscilações da temperatura na área de estudo e o aumento ou diminuição de dias

com temperaturas mais quentes ou mais frias considerando também as temperaturas máximas

e mínimas;

Correlacionar os índices de detecção e monitoramento de mudanças climáticas com as

anomalias de TSM das áreas do niño 1+2, niño 3, niño 3.4, niño 4, Atlântico tropical norte,

Atlântico tropical sul e com os índices das oscilações multidecadal do Atlântico e decadal do

Pacífico.

21

3 JUSTIFICATIVA

Com o propósito geral de entender a natureza, os mecanismos dela e todos os

processos que dela dependem, várias ciências passaram a ser desenvolvidas, com o objetivo

de melhorar a utilização dos recursos naturais e maximizar os bens que assim podem ser

gerados, tudo visando melhorar a condição de existência humana sobre a Terra.

Uma das ciências desenvolvidas com este propósito foi a Meteorologia, tendo em vista

que os eventos meteorológicos possuem crucial importância sobre a natureza e a humanidade

em diversos aspectos e em qualquer época da existência dos homens sobre a Terra.

A meteorologia influencia a vida humana em diversas escalas de tempo e espaço. Ela é

importante desde o simples fato de saber com que roupa se deve sair de casa para se adaptar

ao tempo atual, passando pela necessidade de ter conhecimento sobre as condições

meteorológicas para pouso ou decolagem de aeronaves, e chegando até a importância de se

estabelecer metas que impeçam que o planeta venha a se aquecer abruptamente num curto

período de tempo.

Entender bem o clima de uma região ajuda a determinar quais culturas devem ser

cultivadas, bem como aponta para as melhores criações que a pecuária pode manter naquela

área; esse conhecimento também serve para que cidades preparem mais apropriadamente as

suas estruturas para enfrentar o clima a que se submeterão; dentre tantas outras utilidades.

Como a meteorologia atinge macro regiões e regiões menores, é necessário realizar

estudos que alcancem todas essas escalas. Tratando da área do Brasil ao norte de 18,75ºS,

eventos meteorológicos de grande escala atingem toda essa porção continental, por isso faz-se

importante que se tenha uma visão generalizada de como eles influenciam o clima, nesse

grande bloco do País, ou ainda, se o clima desta grande área do Brasil, compostas por regiões

semiáridas, florestas tropicais chuvosas, cerrados e pantanal, tem apresentado tendências de

aquecimento/resfriamento e aumento/diminuição da umidade nos últimos 40 anos.

A propósito, dos estudos sobre índices de extremos climáticos, o Instituto Nacional de

Pesquisas Espaciais (INPE), através do Centro de Previsão de Tempo e Estudos Climáticos

(CPTEC), em conjunto com o Programa das Nações Unidas para o Desenvolvimento

(PNUD), elaboram mapas de tendências dos índices de detecção e monitoramento de

mudanças climáticas para o período de 1961 a 1990, utilizando dois modelos numéricos

(CPTEC, 2010). Entretanto, os resultados obtidos apresentam valores conflitantes, como

podem ser observados para os dias consecutivos secos (CDD) e Variação da temperatura em

um dia (DTR) (Figuras 3.1 e 3.2). Para os demais índices os resultados do CPTEC-PNUD

22

também apresentam valores contraditórios. Portanto, a elaboração de índices de extremos

climáticos para porção norte do Brasil, utilizando outras fontes de dados é pertinente e

justificável, uma vez que é necessário se ter uma melhor confiabilidade sobre os reais valores

dos índices e de suas tendências.

(a)

(b)

Figura 3.1 (a) CDD estimado pelos modelos ETA/ECHAM4; (b) CDD estimado pelos modelos

ETA/HADCM3. Observa-se claramente resultados conflitantes entre os dois modelos, principalmente na parte

Norte, Nordeste e Centro-Oeste do Brasil.

(a)

(b)

Figura 3.2 (a) DTR estimado pelos modelos ETA/ECHAM4; (b) DTR estimado pelos modelos ETA/HADCM3.

Observa-se claramente resultados conflitantes entre os dois modelos sobre todo Brasil.

23

4 REVISÃO DE LITERATURA

4.1 Considerações sobre mudanças climáticas

Antes de fazer uma analise de alguns trabalhos desenvolvidos sobre mudanças

climáticas, é importante mencionar que com o objetivo de se ter um melhor acompanhamento

dos estudos sobre das mudanças que estão ocorrendo no Planeta Terra, a Organização

Meteorológica Mundial (OMM) e o Programa das Nações Unidas para o Desenvolvimento

(PNUD) criaram o Intergovernmental Panel on Climate Change (IPCC) no ano de 1988, e

desde então este órgão passou a emitir relatórios com a descrição de diagnósticos climáticos e

previsões do clima global.

Embora a natureza permaneça em um equilíbrio, esse equilíbrio é dinâmico, pois

sempre novos eventos estão acontecendo, fazendo com que reações ocorram em prol de se

tentar recuperar o ponto de equilíbrio, mesmo que o novo estado final não seja exatamente

igual aos padrões iniciais.

Como a atmosfera faz parte da natureza terrestre, ela também está sujeita a essas

mudanças para adequação a novos equilíbrios dinâmicos, e essas alterações podem ocorrer de

duas formas: mudanças naturais ou mudanças antrópicas.

Considerando o planeta desde datas em que se tem dados levantados sobre ele, pode-se

dizer que as mudanças naturais são as maiores responsáveis pelas mudanças climáticas

ocorridas na Terra. As alterações climáticas são normais ao comportamento do planeta e as

suas principais causas naturais são de origens geológicas e de parâmetros orbitais (YOUNG,

1991; MURCK et al., 1996; MERRITTS et al., 1997; SKINNER, PORTE, 2000; EEROLA

2001). São vários os mecanismos que promoveram naturalmente as mudanças no mundo, tais

como movimento das placas tectônicas, produzindo alterações geológicas, períodos de

glaciação decorrentes de parâmetros orbitais, fluxo de radiação solar chegando à Terra e

erupções vulcânicas, dentre outros.

O planeta já passou por vários períodos de glaciação e por períodos inter-glaciais.

Esses eventos são importantes porque alguns deles modificam a topografia de regiões, como,

por exemplo, a formação de permafrost, e assim a atmosfera se ajusta àquela nova realidade,

o que acaba gerando mudanças climáticas. Um bom exemplo disso é a superfície de alguns

países do hemisfério Norte, como a Finlândia, em que, blocos de rochas foram arrancados e

transportados por até centenas de quilômetros, cobrindo o país com depósitos glaciais

(SILVA, 2007).

24

Também é responsabilidade do deslocamento das placas tectônicas, juntamente com

os períodos de glaciações e com as ocorrências de terremotos, a separação do único bloco

contíguo em vários continentes, e graças a períodos interglaciais mais quentes e aos de efeito-

estufa, que a vida animal e vegetal pôde se desenvolver nos continentes (EEROLA, 2001).

Outros fatores que podem ser citados dentre os que influenciam o clima são: a deriva dos

continentes, levando continentes para mais perto dos pólos ou dos outros continentes, criando

novas cordilheiras - em caso de colisão; a mudança de correntes marinhas, via movimentação

das placas tectônicas; o derretimento de geleiras e a formação de novas áreas congeladas no

planeta.

Embora os parâmetros orbitais, as rotações da Terra em torno de seu eixo e do Sol, e a

variação de taxa de recebimento de radiação do Sol influenciem as alterações climáticas, eles

sozinhos não causariam mudanças tão drásticas, mas a soma desses elementos com outros

fatores naturais acaba intensificando as mudanças climáticas naturais, e por isso eles não

podem ser descartados. As condições de clima atuais se devem ao fato de a humanidade estar

vivendo um período interglacial. O pico, ou seja, o máximo volume de gelo, da última

glaciação ocorreu há dezoito mil (18.000) anos atrás, de acordo com Berger e Loutre (2002).

Estudos de 1972 previam que a próxima era glacial ocorreria para daqui a vinte mil (20.000)

anos, entretanto, estudos mais recente mostram que atual era inter-glacial deve durar pelos

menos mais quarenta mil (40.000) anos, e em períodos entre duas glaciações, a temperatura

pode variar ciclicamente (BERGER, LOUTRE, 2007).

Como o planeta está sempre sujeito a desertificações, terremotos, erupções vulcânicas,

glaciações e períodos de efeito-estufa, então sempre novas mudanças climáticas naturais

estarão ocorrendo, por conseguinte sempre haverá seres vivos sendo extintos e outros se

adaptando aos novos climas (GOWDAR, MARTINS, 2003).

As atuais mudanças observadas na temperatura média global do ar próximo à

superfície, e conseqüentemente do clima da Terra, não estão ocorrendo apenas pela atuação

da própria natureza. Muitas das mudanças são de responsabilidade da ação do homem sobre o

planeta. A forma de viver da humanidade e os mecanismos de desenvolvimento humano

acabam sendo fontes de mudanças climáticas. Hoje já se sabe que são fatores responsáveis por

alterações climáticas: a emissão de gás carbônico (CO2), que atua no efeito-estufa; a criação

de gases como os Clorofluorcarbonetos (CFC), que não tem nenhuma fonte natural; o

aumento do metano (CH4) na atmosfera, gerado pelo cultivo de arroz e pela criação de gado; e

também o aumento no teor de ozônio (03), devido ao tráfego de automóveis (EEROLA, 2001)

e todos são produtos da ação humana. Além disso, comparada com as mudanças naturais que

25

ocorrem de forma relativamente lenta, em unidade de milhares de anos, exceto as de origens

das erupções vulcânicas, as mudanças atuais têm ocorrido de forma muito rápida, pois, nos

últimos 140 anos verificou-se um aumento médio global da temperatura do ar próximo da

superfície de aproximadamente 0,7ºC (IPCC, 2007).

Pela enorme liberação de CO2 na atmosfera, ele tem se tornado um ―grande vilão‖ no

aquecimento global, e provavelmente o mais famosos dentre todos. As ciências ainda não

atingiram um conhecimento total sobre a Terra, mas por não se conhecer outras fontes

naturais de CO2, concluiu-se que as mudanças devido ao aumento de gás carbônico são

provocadas pelo homem (YOUNG, 1991; MURCK et al., 1996; MERRITTS et al., 1997;

SKINNER, PORTER, 2000).

Embora existam fontes naturais de emissão de CO2 na atmosfera, como as atividades

vulcânicas; nos últimos tempos, tem crescido consideravelmente a quantidade encontrada de

partes por milhão (ppm) dessa substância na atmosfera. Nos primeiros séculos da Revolução

Industrial, de 1760 até 1960, os níveis de concentração de CO2 na atmosfera aumentaram de

aproximadamente 277ppm para 317ppm, o que dá um aumento de 40ppm. Já se

considerarmos as recentes décadas entre 1960 e 2001, esse aumento de dióxido de carbono foi

de 317ppm para 371ppm, totalizando 54ppm em 4 décadas (MARENGO et al, 2007).

O gás carbônico na atmosfera faz com que a radiação refletida pelo solo não se

disperse nas camadas mais altas da atmosfera, ficando preso em níveis mais baixos e assim

aumentando a temperatura do planeta. Esse aumento de temperatura é notório, e o processo de

aquecimento tem ocorrido velozmente, fora dos padrões naturais. O ano de 1998 foi o mais

quente desde o início das observações meteorológicas, em 1861, apresentando 0.54°C acima

da média histórica de 1961 a 1990. Já em 2005, segundo ano mais quente, detectou-se 0.48°C

acima da média, sendo seguido pelo ano de 2003, com 0.44°C acima do esperado. Tais

aumentos estão ligados aos processos industriais, e algumas conseqüências do aquecimento

global já são notórias, como o derretimento das geleiras e um aumento de 10 cm no nível do

mar em um século (MARENGO et al, 2007). São esperados cenários de climas mais extremos

para um futuro não muito distante, envolvendo secas, inundações e ondas de calor mais

freqüentes (SALATI et al., 2010). E não apenas secas e inundações são previstas como efeito

do aquecimento, pois devido à elevação da temperatura, o ar passa a reter uma maior

quantidade de vapor d‘água, logo ocorre uma maior demanda hídrica, e em resposta a isso,

alguns ecossistemas de plantas poderão não resistir. (IPCC, 2007). É oportuno ressaltar que

Thomas et al. (2004) previram que pelo menos 18 espécies estarão em risco de extinção até o

ano de 2050.

26

Para um melhor estudo das mudanças que passaram a acontecer no Planeta, o IPCC

passou a emitir relatórios com a descrição de diagnósticos climáticos e previsões do clima

global. Para a precipitação, houve um aumento de 0,2% a 0,3% na região tropical entre 10° de

latitude Norte e 10° de latitude Sul (IPCC, 2001). De acordo com o relatório do IPCC, houve

um aumento de 0.65°C na média da temperatura global, no século XX.

O Brasil também está sujeito a essas mudanças climáticas, e as áreas mais vulneráveis

a estas mudanças são as regiões Norte (NB) e Nordeste (NEB), como mostrado nos estudos

recentes de Ambrizzi et al. (2007), Marengo et al. (2007) e Obregon e Marengo, 2007.

Sabendo que todo o globo corre riscos com essas mudanças climáticas, torna-se cada

vez mais necessário entender e prever quais os riscos aos quais a Terra está para se submeter.

Embora não haja certeza total sobre todos os processos que estão relacionados ao

aquecimento global, projeções feitas com modelos matemáticos com dados registrados dos

oceanos, biosfera e atmosfera prevêem um aumento entre 1.4°C e 5.8°C até o final do século

XXI, na média de temperatura (IPCC, 2001). Já Kalnay e Cai (2003) prevêem que a

temperatura poderá subir até 0.88°C por década, o que chega bem próximo às previsões do

IPCC.

Na introdução da presente pesquisa foi mencionado que a OMM criou um grupo de

trabalho, o qual desenvolveu um software, o ―RClimDex‖, que tinha como objetivo facilitar

os trabalhos sobre detecção e monitoramento de mudanças climáticas regionais e locais.

Portanto, se faz necessário citar alguns artigos que utilizaram o RClimDex como uma

ferramenta de estudos de diagnósticos sobre mudanças climáticas, principalmente, aqueles

que estimaram índices de extremos climáticos, tanto em escala continental, como Haylock et

al., (2006) que estimaram índices para a América do Sul, exceto Colômbia, Venezuela,Guiana

e Suriname; bem como aqueles que realizaram trabalho de escala regional: Santos e Brito

(2007) para os estados da Paraíba e Rio Grande do Norte, Araújo (2009) para Bahia e Sergipe

e Santos et al. (2010) para o estado de Utah, nos Estados Unidos da América, mostrando o

interesse de grupos de pesquisa em monitorar possíveis mudanças climáticas que ocorram em

alguma parte do globo.

27

4.2 Sistemas meteorológicos mais significativos atuantes sobre a área de estudo

4.2.1 Zona de Convergência Intertropical

A climatologia de grande área da parte norte e nordeste do Brasil é influenciada pela

Zona de Convergência Intertropical (ZCIT)

Devido ao equador térmico atuante nos oceanos, um grande volume de água do mar

sofre evaporação, passando a fazer parte da atmosfera e ali se acumulando. Essa porção densa

de vapor d‘água quente está localizada na faixa latitudinal de máxima temperatura da

superfície do mar, área zonal de baixa pressão atmosférica na superfície, denominada de

cavado equatorial, e onde ocorre confluência e convergência dos ventos alísios. Esta

convergência produz movimento ascendente levando para altitudes mais elevada o vapor

d‘água que estava próximo da superfície dando origem a uma densa camada de nuvens, em

geral, do tipo Cumulonimbos. A faixa zonal onde estão esse conjunto de nuvens é onde está

localizada a ZCIT. Comumente esta faixa de nuvens é chamada de ZCIT. Entretanto, a ZCIT

é formada pelo conjunto dos sistemas meteorológicos supracitados (Figura 4.1).

A ZCIT é o sistema mais importante gerador de precipitação sobre a região equatorial

dos oceanos Atlântico, Pacífico e Índico, bem como sobre sua áreas adjacentes (MELLO et

al., 2009), isso inclui o NEB, podendo ter ainda alguma influência, ao longo da faixa

latitudinal até o extremo ocidente do NB.

Devido ao deslocamento do Sol, posicionando-se em pontos mais ao Sul e ao Norte da

linha do Equador, a ZCIT também possui um deslocamento sazonal ao longo das latitudes.

Esse deslocamento em média varre de 10°N (agosto – setembro) a 2°S (março – abril), mas

sob algumas condições especiais, este deslocamento pode se estender até 14°N e 5°S

(MELLO et al., 2009). Quanto mais a ZCIT descer em direção ao Sul, maior a taxa de

precipitação de chuva no norte do NEB, e conseqüentemente, não apenas parte do norte

nordestino é beneficiada com chuvas, mas também a região central do NEB é alcançada pela

precipitação, ocorrendo precipitação de chuva bem além dos estados do Ceará, Rio Grande do

Norte e o interior de Paraíba e Pernambuco, que normalmente recebem as chuvas

provenientes da ZCIT (UVO, NOBRE, 1989a; UVO, NOBRE, 1989b).

É possível observar também, mas não durante todo o ano, a ocorrência de uma

segunda banda da ZCIT, sendo mais comum no oceano Pacífico do que no Atlântico, mas

segundo Uvo (1998), a formação de uma segunda banda de convecção no Atlântico está

relacionada com anos chuvosos no NEB entre março e abril. Como as chuvas aumentam no

28

NEB quando a ZCIT se desloca mais ao Sul, o aumento da TSM e o enfraquecimento dos

alísios de Sudeste também acabam promovendo mais chuvas no NEB, tendo em vista que a

ocorrência desses dois fatores faz com quem a ZCIT desça para as latitudes mais ao Sul, de

acordo com Chung(1982) e Hastenrath(1984).

Figura 4.1 Zona de Convergência Intertropical no Oceano Atlântico

Fonte: Cptec/Inpe. Disponível em: <http://www.estadao.com.br/noticias/cidades,franca-confirma-desastre-com-

voo-447,380453,0.htm>

4.2.2 Vórtices Ciclônicos de Alto Nível

Originados na alta troposfera, os Vórtices Ciclônicos de Altos Níveis (VCANs) são

sistemas meteorológicos com centros de pressão relativamente baixos, que podem se deslocar

tanto para leste quanto para oeste e que, segundo Palmer (1951), têm tempo de vida variando

de algumas horas a até algumas semanas.

Esses sistemas apresentam um centro relativamente frio, e os movimentos possuem

sentidos diferentes no centro e na periferia, sendo subsidentes no centro e ascendentes nas

bordas. Eles ainda apresentam convergência de massa e promovem uma nebulosidade mais

intensa na direção de seu deslocamento.

Na América do Sul, o surgimento de VCANs sobre o NEB está relacionado a dois

sistemas, que são a Alta da Bolívia (AB), que influencia na quantidade de precipitação que o

vórtice gerará de acordo com posição e a intensidade da AB, conforme foi observado por

29

Lenters e Cook (1997); e o outro sistema ao qual o surgimento de VCANs está relacionado é a

Zona de Convergência do Atlântico Sul (ZCAS),

Aqui no Brasil, esses VCANs atuam numa média de uma a três semanas, e são mais

freqüentes entre os meses de dezembro e fevereiro. Eles influenciam no regime de chuvas do

NEB e também do NB, pois quando eles são formados sobre o continente, promovem chuvas

e nebulosidade em sua periferia e céu claro no centro, por causa dos movimentos verticais

subsidentes do VCAN no centro (KOUSKY, GAN, 1981).

Os primeiros estudos sobre os VCANs foram realizados por Gutman e Schwerdtfeger

(1965) e também por Virgi (1981), abrindo o caminho para que tantos outros passassem a ser

realizados.

4.2.3 Distúrbios ondulatórios de leste

Também conhecido como ondas de leste, esse fenômeno meteorológico tem muito

mais força na região da África, influenciando o clima daquele Continente, mas essas ondas

podem atravessar o Atlântico e até podem se transformar em furacões (ASNANI, 1992). No

NEB, essas ondas têm o papel fundamental na modulação da convecção numa boa parte dos

eventos de meso-escala provenientes do oceano (MACHADO et al, 2009).

Dentre os primeiros estudos realizados sobre a atuação das ondas de leste no Brasil

estão os que foram propostos por Neiva (1975) e Yamazaki (1975), nos quais se constatou a

presença de distúrbios ondulatórios de leste no Atlântico Sul, através da análise espectral de

dados gerados por modelos numéricos de tempo; e também pela análise de imagens geradas

por satélite. Neiva conseguiu perceber ondas com periodicidade de 4 a 6 dias, atuando nos

níveis de 500 hPa e 700 hPa, propagando-se de leste sobre a Região do Atlântico Equatorial

Sul e sobre o litoral norte e nordeste do Brasil.

Esses sistemas atuam do Rio Grande do Norte à Bahia, movendo-se de leste para oeste

atingindo até a região Norte do Brasil, invadindo o interior continental. Ocorrem, em geral, no

período de maio a agosto, mas sua intensidade é variável, dependendo da temperatura da

superfície do mar (TSM), da topografia e do cisalhamento do vento, dentre outros fatores.

Nos estudos realizados por Yamazaki (1975) e por Yamazaki e Rao (1977), foram

detectadas ondas de leste se propagando do Atlântico Tropical Sul da África para o NEB, isto

foi observado através de imagens de satélites, nas quais notou-se a existência de linhas

inclinadas de nebulosidade no Atlântico Sul durante o inverno do hemisférios Sul (junho a

agosto). Yamazaki e Rao (1977) detectaram cerca de 20 linhas de nebulosidade se

30

propagando de 10°E até quase 40°W, com comprimento de onda em torno de 4.000km e

velocidade média de 10m/s. As mesmas linhas de nebulosidade foram notadas em outros

invernos, o que faz crer que as ondas de leste modulam a estação chuvosa no NEB.

4.2.4 Zona de Convergência do Atlântico Sul

Sobre toda a região da Amazônia, pode ser observada uma grande evapotranspiração

proveniente da densa floresta tropical chuvosa, e nesta mesma região ocorre uma grande

atividade convectiva, levando todo esse vapor para a atmosfera. Essa atividade convectiva

começa no oeste da bacia amazônica, no início de agosto, e segue em direção ao sudeste do

Brasil nos meses seguintes.

Dentre os fatores que fazem a umidade proveniente da Amazônia seguirem rumo ao

sudeste brasileiro estão a Cordilheira dos Andes, que impede que a umidade siga para oeste,

tornando-se uma barreira orográfica; e um jato de baixos níveis fluindo nas latitudes

subtropicais, que leva a umidade num eixo noroeste-sudeste, como foi observado por

Carvalho e Jones (2009). Este eixo de umidade noroeste-sudeste se estende do noroeste da

Amazônia até a parte sudeste do Brasil, chegando no oceano Atlântico Sul. Em geral, nas

imagens de satélites, este eixo aparece como uma faixa de nebulosidade, pois ele torna-se uma

região de convergência de umidade, denominada Zona de Convergência do Atlântico Sul

(ZCAS) (Figura 4.2).

Embora o pico de chuvas seja observado sobre o Centro-Oeste e o Sudeste do Brasil, o

NB também recebe chuvas provenientes da ZCAS. As chuvas mais fortes ocorrem entre

dezembro e fevereiro. As atividades convectivas na zona tropical passam a perder força entre

março e começo de abril, ou seja, no início do outono (CARVALHO, JONES, 2009).

Dentre as primeiras observações e comprovações feitas sobre a existência de uma

camada de nebulosidade orientada de noroeste para sudeste sobre a América do Sul, estão as

realizadas por Streten (1973) e por Yusnari (1977), pesquisas estas que utilizaram imagens de

satélites em diferentes canais.

Embora a ZCAS ocorra regularmente em todos os verões, algumas variações são

observadas em cada ocorrência, tanto na organização espacial, na intensidade das chuvas,

quanto na circulação, e são essas mudanças que acabam gerando eventos severos como

alagamentos e deslizamentos de terra, principalmente nos estados de Minas Gerais, Rio de

Janeiro e Bahia.

31

As ZCAS também exerce um importante papel na produção de chuvas na região

Centro-Oeste do Brasil, incluindo o Pantanal Mato-grossense e o Distrito Federal.

.

Figura 4.2 Zona de Convergência do Atlântico Sul

Fonte: Cptec/Inpe Disponível em: <http://g1.globo.com/Noticias/Brasil/0,,MUL1040438-5598,00.html>

4.2.5 Linhas de Instabilidade

As linhas de instabilidade (LI) atuam freqüentemente sobre a costa norte-nordeste da

América do Sul, podendo se propagar para o interior do continente, causando uma

considerável quantidade de precipitação (Figura 4.3). Elas estão ligadas à circulação da brisa

marítima, como pode ser observado em trabalhos como os de Kousky (1980), Cavalcanti

(1982), e Greco et al. (1990), dentre outros.

Por estar ligada à circulação de brisas marítimas, a escala temporal das linhas de

instabilidade está vinculada à variabilidade diurna (brisa marítima e aquecimento terrestre).

Elas extraem calor na camada limite da atmosfera e redistribuem na alta troposfera, por isso

estão envolvidas com a circulação global e com a energética da atmosfera tropical (COHEN

et al, 2009).

Essas LI podem ser classificadas em três tipos: 1) Linhas de Instabilidade Costeira

(LIC), que são as que têm propagação horizontal alcançando até 170km, e não se deslocam

continente adentro; 2) linhas de instabilidade com propagação do tipo I (LIP1), que se

deslocam com 170km a 400km de alcance; e 3)linhas de instabilidade com propagação do

tipo II (LIP2), que alcançam mais de 400km no deslocamento horizontal. As LIP2 se formam

a tarde e propagam-se para o interior da bacia amazônica (COHEN et al, 2009).

32

As LI estão associadas com nuvens do tipo cúmulos, cúmulos-ninbos e também com

nuvens estratiformes. Pela presença de cúmulos-nimbos no sistema, então sempre se pode

esperar fortes chuvas associadas às LI.

Cavalcanti (1982) notou que a posição das LI mudava de acordo com a época do ano,

e que o desenvolvimento delas acompanha o deslocamento sazonal da ZCIT. Já Cohen et al.

(1989) observaram que os sistemas de LI são vistos durante todo o ano, mas com maior

ocorrência entre os meses de abril e agosto. Também observaram que a média de propagação

das LIP1 e LIP2 foi respectivamente de 12m/s e 16m/s, e o ciclo de vida médio para LIC,

LIP1 e LIP2 é de 9, 12 e 16 horas, respectivamente.

Figura 4.3 Linhas de Instabilidade sobre o Nordeste

Fonte: FUCEME (Fundação Cearense de Meteorologia e Recursos Hídricos)

4.2.6 Frentes frias

Durante todo o ano, as frentes frias afetam o tempo na América do Sul, deslocando-se

tanto para o continente quanto para o oceano Atlântico. Embora atuem durante todo o ano, é

durante o inverno que elas chegam em maior número no Brasil, atingindo principalmente as

regiões Sul e Sudeste e sul da Bahia, mas podendo ainda alcançar o oeste da Amazônia e a

costa nordeste do Brasil.

É no inverno que essas frentes vêm acompanhadas de massas de ar com características

das latitudes altas. Já no verão, quando elas se dirigem para o equador, elas interagem com o

ar úmido e quente dos trópicos, o que gera uma convecção profunda dando origem a fortes

33

chuvas sobre o continente, e essa precipitação excessiva pode causar inundações,

deslizamento de encostas, além de granizo e ventos fortes (CAVALCANTI, KOUSKY,

2009).

No verão brasileiro, essas frentes frias costumam se posicionar entre São Paulo e

Bahia, exatamente onde está atuando a ZCAS, podendo promover fortes chuvas e

conseqüentemente inundações e prejuízos humanos e materiais nessa região.

Pela importância desses sistemas atuando sobre o Brasil, vários estudos passaram a ser

feitos e dentre eles estão o de Taljaard (1972), que percebeu uma maior quantidade de frentes

frias invadindo o Brasil durante o inverno do que no verão; o de Oliveira (1989), mostrando

que esses sistemas perdem força quando caminham em direção às latitudes mais baixas; e

também o estudo realizado por Kousky (1979), que percebeu que nos anos de 1961 a 1970, a

maior freqüência de sistemas frontais no sul da Bahia aconteceu entre os meses de março a

dezembro, e que os anos com maior precipitação de chuva nessa região são os que tiveram

maior ocorrência de chegada de frentes frias.

4.2.7 Temperatura da superfície do mar

Embora a temperatura da superfície marítima (TSM) não seja um sistema

meteorológico, essa variável da meteorologia é de grande importância e fundamental

influência sobre o tempo em todo o globo terrestre.

Estudar o clima terrestre implica em estudar os complexos processos que ocorrem

entre o oceano e a atmosfera, que interagem através da camada limite oceânica e da camada

limite atmosférica, onde ocorrem trocas de energia e momento, trocas estas nas quais o

oceano fornece vapor d‘água e energia para a atmosfera, contribuindo para o ciclo hidrológico

e a energética da atmosfera; e a atmosfera fornece água para os oceanos, através da

precipitação, e fornece energia; fatores que afetam a circulação termoalina e as correntes

oceânicas superficiais geradas pelos ventos (PEZZI, SOUZA, 2009).

A TSM tem um fundamental papel nesses processos interativos, pois é por meio dela

que a energia, em forma de fluxo de calor, é trocada entre a atmosfera e o oceano. Pequenas

mudanças na TSM podem acarretar em grandes mudanças na interação ar-mar, o que pode

conseqüentemente provocar impactos significativos nos sistemas meteorológicos.

Um dos exemplos da relevância da TSM sobre a climatologia do Brasil é o El

Niño/Oscilação Sul (ENOS), fenômeno resultante do aquecimento anômalo das águas do

oceano Pacífico Equatorial. A interação oceano-atmosfera é responsável por efeitos que

34

modulam diretamente a precipitação de chuva nas regiões Norte, Nordeste e Sul do Brasil,

bem como influencia nas temperaturas da Região Sudeste brasileira, e todos esses fatores são

modificados na ocorrência de ENOS. Estudos também mostram que em caso de El

Niño/Oscilação Sul, o Atlântico Tropical também tem uma parcela de impacto sobre o NB e o

NEB, pois ele pode intensificar ou minimizar os efeitos do Pacífico (PEZZI, SOUZA, 2009).

Apesar de já haver muitos estudos sobre os efeitos da TSM do Atlântico e Pacífico

sobre o clima da América do Sul, o entendimento a respeito desta relação ainda não é pleno.

Ainda há controvérsias até sobre os mecanismos que geram a variabilidade da TSM no

Atlântico Sul.

Lima e Rao (1994) verificaram que na ocorrência do ENOS mais forte do século, em

1983, a costa leste do NEB apresentou desvios negativos de chuva. Os autores também

perceberam que em 1987, que apresentou mais um episódio quente de El Niño, houve uma

seca moderada no leste do NEB, mas houve uma redução de até 80% de precipitação nos

estados de Alagoas e Sergipe.

Tratando-se do oceano Atlântico tropical, pode-se destacar dois modos de

variabilidade que causam influências no clima da Américas (SERVAIN et al, 2000). O

primeiro é bem similar ao ENOS no Pacífico (ZEBIAK, 1993): durante a fase quente, a TSM

aumenta devido ao enfraquecimento dos ventos alísios do lado oeste na região equatorial. Já

na fase fria, os alísios se intensificam, fazendo com que a TSM diminua. A variação na escala

de tempo para a ocorrência desses eventos frios e quentes é de 2 a 8 anos, sendo que o início

de um evento frio ou quente pode levar apenas semanas ou meses, e é a ocorrência dos

eventos quentes no Atlântico tropical que pode provocar grande impacto no clima do NEB, de

acordo com Crawford et al (1990) e Wagner e da Silva (1994).

O segundo modo é decorrente de um gradiente da TSM entre os hemisférios Norte e

Sul do Atlântico Tropical, que é chamado de Dipolo do Atlântico (MOURA, SHUKLA, 1981;

SERVAIN, 1991; SERVAIN et al., 1999, 2003). Este dipolo envolve variações de fases

opostas na TSM em cada um dos hemisférios, em variadas escalas de tempo, sendo que

quando a região norte da bacia se encontra mais aquecida que a região sul, a ZCIT se

posiciona um pouco mais ao norte da sua posição normal, o que promoverá menos chuvas no

NEB; já quando a bacia sul está mais aquecida, a ZCIT desce mais, e o nordeste brasileiro

recebe maior quantidade de chuvas, como mostram Wainer e Soares (1997).

Considerando ainda a TSM, é necessário ressaltar a influência de outros dois

fenômenos relativos à temperatura do mar: a Oscilação Decadal do Pacífico (DPO – do

inglês: Decadal Pacific Oscilation) e a Oscilação Multidecadal do Atlântico (OMA). A ODP

35

é caracterizada por duas fases: a FASE QUENTE (warm) caracterizada por anomalias

positivas em que as águas assumem valores de temperatura acima da média; e a FASE FRIA

(cool), caracterizada por anomalias negativas, em que as águas da superfície do Pacífico

apresentam valores abaixo da média de temperatura.Outra característica da DPO é a sua

grande persistências. Suas fases quentes e frias podem durar até duas ou três décadas

completas.

Em se tratando da OMA, ela também é um fenômeno relativo a alternâncias de fases

frias e quentes observadas no oceano Atlântico, sendo que suas fases são bem mais longas que

as averiguadas na DPO, levando entre cinqüenta e oitenta anos para que ocorra a alternância.

4.2.8 Oscilação Decadal do Pacífico (DPO) e Oscilação Multidecadal do Atlântico

(OMA)

A sigla DPO vem do inglês Decadal Pacific Oscillation, que é um fenômeno cíclico

observado no oceano Pacífico. O que se observou é que da mesma forma que o Oceano

Pacífico apresentas ciclos de El Niño e La Ninã, que possuem variabilidade temporal mais

curta, tal oceano ainda apresenta um ciclo um pouco mais longo, chegando a durar 20 ou 30

anos para ocorrer uma mudança de fase.

A DPO apresenta duas fases, uma positiva e uma negativa. Na DPO Positiva, os

temperaturas do Oceano Pacífico apresentam uma maioria de valores acima da média normal

observada para a superfície de suas águas, gerando uma maior quantidade de El Niños, q são

bem mais intensos, e diminuindo a ocorrência de La Ninãs. Já na DPO Negativa, as águas do

Pacífico passam a apresentar uma maior quantidade de temperaturas abaixo da média

esperada para este oceano, gerando assim uma maior quantidade de La Niñas, que tendem a

ser mais intensos, e uma menor quantidade de episódios de El Niños, que costumas ser bem

mais curtos.

A OMA apresenta um comportamento semelhante o do El Ninõ/La Ninã (duração de 6

a 18) meses e ao da DPO (duração de 20 a 30 anos), sendo que o prazo para a alternância de

seus ciclos é bem maior, sendo de 5 a 8 décadas. Seu surgimento também é devido a

alterações na média da temperatura da superfície do oceano Atlântico, mas as suas

ocorrências e efeitos ainda não foram largamente estudados e entendidos.

36

5 MATERIAL E MÉTODOS

5.1 Material

5.1.1 Dados meteorológicos e descrição da área de estudo

Para o desenvolvimento da pesquisa, foram usados dados diários de precipitação e

temperatura. Esses dados foram obtidos da reanálise do projeto ERA40 do ECMWF

(European Centre for Medium-Range Weather Forecasts), disponíveis na página <http://data-

portal.ecmwf.int/data/d/era40_daily/> que contém dados de 1957 até 2002, que podem ser

adquiridos gratuitamente, bastando fazer um cadastro simples.

O ERA40 usa uma grade imaginária composta de células de 2.5° de latitude por 2.5°

de longitude e 19 níveis na vertical para varrer o globo terrestre inteiro. Informações

detalhadas sobre o projeto ERA40 podem ser obtidas no site do ECMWF

(http://www.ecmwf.int/), ou em Uppala et al (2005).

Na presente pesquisa foram usadas as informações de precipitação e de temperatura do

ar a 2m de altura. Ressalta-se que na precipitação foi utilizado o total diário, que é a soma das

precipitações observadas as 6h00Z, 12h00Z, 180h00Z e 0h00Z; enquanto que para a

temperatura mínima foi usada a menor temperatura entre as disponíveis nos quatro horários,

que em todos os casos ocorreu no horário das 6h00Z. A temperatura máxima foi a maior

temperatura dos quatro horários, sendo que em todos os dias a máxima verificou-se as

18h00Z.

Foram colhidas informações de 1961 até 2001, totalizando 41 anos de dados sobre

chuva e temperatura, totalizando 104 células, cada uma com 2.5° de latitude e 2.5° de

longitude, sendo que a forma utilizada para descrever cada célula foi informar a latitude e a

longitude do seu ponto central, sendo assim, a célula em 5°S 60°W se estende desde a latitude

3.75°S até 6.25°S, e vai de 58.75°W até 61.25°W, e é por este motivo que as células utilizadas

neste estudo vão de 5°N até 17.5°S de latitude, e de 35°W até 72.5° de longitude,

desconsiderando as células em que não há área continental alguma presente nelas, conforme

pode ser visto no apêndice A.

A janela de dados escolhida cobre toda a região Nordeste, toda a região Norte do

Brasil, e ainda inclui alguma porção da região Centro-Oeste e Sudeste do Brasil, sendo que o

principal foco de estudos está nas regiões Norte e Nordeste. Mais de 80% da extensão

territorial do Brasil está coberta pela pesquisa.

http://www.ecmwf.int/

37

5.1.2 Características climáticas da região de estudo

5.1.2.1 Região Norte

O clima da região Norte do Brasil é profundamente influenciado pela bacia

hidrográfica amazônica e pela floresta lá presente. É nesta região que se encontra a maior

extensão de floresta tropical do planeta, tendo mais de 5 milhões de quilômetros, e devido à

sua variada gama de ecossistemas e à sua diversidade de fauna e flora, ela contém

aproximadamente um quarto das espécies animais e vegetais do planeta. Salati e Marques

(1984) já destacavam a importância desta floresta na manutenção do equilíbrio dinâmico entre

clima e vegetação, por ser vital na reciclagem do vapor d‘água.

Nesta região, a precipitação atmosférica anual é, em média, 2.300 mm, e a vazão

média do rio Amazonas no oceano Atlântico fica por volta de 220.000 m³/s, correspondendo a

18% da descarga total de água fresca nos oceanos do mundo (MARENGO, NOBRE, 2009).

Vários estudos têm sido feitos sobre a Amazônia para melhor entender seu clima e sua

influência na climatologia mundial, estudos estes que incluem desde os clássicos da

meteorologia tropical, que já apresentavam aspectos do clima da Amazônia (SERRA,

RATISBONA, 1942; AB‘SABER, 1966; NIMER, 1989), até pesquisas mais recentes, que

estudam os aspectos do clima e da hidrologia da Amazônia (SILVA DIAS, MARENGO,

1999; MARENGO, NOBRE, 2001; MARENGO 2007).

A região Norte do país apresenta um clima equatorial chuvoso, praticamente sem

estação seca. Por se tratar de uma grande extensão territorial, é possível se notar significativas

diferenças da pluviosidade espacial e sazonalmente. O litoral do Amapá, a foz do rio

Amazonas e o setor ocidental da região são os que apresentam o maior total pluviométrico

anual, excedendo 5.000 mm/ano, com maior intensidade entre abril e junho. Outro setor é o

que está na parte central da Amazônia, em torno de 5°S, com precipitação de até 2.500

mm/ano e com maior índice de chuva entre março e maio. O terceiro setor localiza-se na parte

sul da região amazônica, em que os máximos ocorrem entre janeiro e março. Um quarto setor

ainda pode ser destacado, na parte leste da bacia amazônica, próximo a Belém, com

precipitação anual superior a 4.000 mm/ano (MARENGO, NOBRE, 2009).

Com relação à temperatura, elas se mostram muito elevadas na região central, com

médias que ultrapassam os 26 - 28°C. Já no inverno, os eventos que produzem geadas no Sul

e Sudeste podem esfriar a Amazônia, o que ocorre comumente entre maio e setembro.

38

Pertencem à Região Norte os estados do Acre, Amazonas, Pará, Roraima, Amapá,

Tocantins e Rondônia. Contém mais de 42% do território brasileiro, com 3.851.560 km².

5.1.2.2 Região Nordeste

Engloba os estados do Maranhão, Piauí, Ceará, Rio Grande do Norte, Paraíba,

Pernambuco, Alagoas, Sergipe e Bahia, tendo uma extensão territorial de 1.558.196 km².

Embora o NEB se encontre no extremo nordeste da América do Sul, numa área

tropical, o NEB não apresenta uma distribuição de chuvas de áreas tipicamente equatoriais.

Ele apresenta três tipos de clima, com precipitação anual variando entre 300 e 2.200 mm: 1)

clima litorâneo úmido, indo do litoral da Bahia ao Rio Grande do Norte; 2) clima tropical, em

algumas áreas dos Estados da Bahia, Ceará, Maranhão e Piauí; e 3) clima tropical semiárido,

em todo o sertão nordestino. O NEB apresenta uma alta variabilidade inter-anual, em

particular na precipitação, apresentando anos extremamente secos e outros extremamente

chuvosos. Tão variada climatologia é devida aos muitos sistemas meteorológicos atuando

sobre a região.

A média de temperatura do NEB varia entre 20° e 28°C. Nas áreas situadas

acima de 200m e no litoral leste, as temperaturas variam entre 24° e 26°C. Temperaturas

inferiores a 20°C podem ser encontradas na Chapada Diamantina e também no Planalto da

Borborema.

Alguns fatores são determinantes para explicar a climatologia do NEB: a sua variação

sazonal, sua posição geográfica, o relevo, a natureza da superfície e os sistemas de pressão

atuantes na região (KAYANO, ANDREOLI, 2009). O NEB é fortemente influenciado pelos

fortes sistemas sinóticos que ocorrem sobre sua região, tais como Zona de Convergência

Intertropical, Linhas de Instabilidade e Ondas de Leste, dentre outros.

5.1.2.3 Região Centro-Oeste

Contendo uma área de aproximadamente 1.607.000 km², total que corresponde a 18%

do território brasileiro, a Região Centro-Oeste é formada pelos Estados de Mato Grosso, Mato

Grosso do Sul, Goiás e o Distrito Federal. Fica localizada no Planalto Central, em que a

vegetação predominante é a de cerrado. É muito conhecida pela diversidade vegetal e pelo seu

Pantanal, que é a maior área alagada de todo o mundo e que possui uma grande

biodiversidade.

39

Alguns fatores geográficos como relevo, vegetação e latitude, conferem à região

Centro-Oeste uma variabilidade climática complexa, principalmente em relação à

temperatura. A precipitação tem uma distribuição sazonal, o verão é essencialmente quente e

chuvoso, já o inverno é seco e com temperaturas amenas.

As chuvas também possuem uma distribuição espacial, pois nas regiões mais altas de

Goiás e no Mato Grosso do Sul , pode-se observar temperaturas moderadas, com verões

quentes e chuvosos; e na parte norte do Mato Grosso tem-se temperaturas elevadas com

chuvas no verão, e secas no inverno. Mas em todos os Estados, é possível observar

temperaturas elevadas com alto índice pluviométrico, com média em torno de 1.500 mm/ano

(ALVES, 2009).

As temperaturas mais elevadas podem ser vistas na primavera e no verão, sendo que

na primavera são atingidos valores acima de 33°C no norte e 26°C no sul da região. No

inverno, com a entrada de frentes frias, as temperaturas ficam mais amenas, mas dependendo

da força da frente fria, elas podem cair para próximo de zero, com geadas em algumas

localidades.

O principal mecanismo de produção de precipitação em toda a região Centro-Oeste é a

Zona de Convergência do Atlântico Sul (Figura 4.2).

5.1.3 Softwares utilizados

Esse estudou utilizou-se de alguns softwares que possibilitaram a manipulação dos

dados disponíveis de forma a representarem informações mais estruturadas para a obtenção

dos resultados procurados.

Foi usado o Excel 2003, com o qual alguns dados foram tratados e tabelas e gráficos

foram gerados. Um outro software utilizado foi o Surfer, versão 7.0 da Golden Software Inc.,

para que gerar gráficos de interpolação.

Um programa de grande importância foi o RClimDex, desenvolvido para facilitar o

tratamento estatístico de dados meteorológicos. No RClimDex foram gerados os índices que

apontaram para as características e modificações climáticas da área de estudo, ao longo dos

quarenta e um anos de dados disponíveis.

O RClimDex foi desenvolvido com bases no Microsoft Excel por Byron Gleason, um

pesquisador do NCDC (Centro Nacional de Pesquisas Climáticas) da NOAA(National

Oceanic and Atmospheric Administration) e tem sido largamente utilizado em várias áreas

que necessitam de tratamentos de dados meteorológicos.

40

A versão utilizada do RClimDex foi a 1.9.1, que pode ser obtido gratuitamente através

do endereço eletrônico da ETCCDMI (HTTP://cccma.seos.uvic.ca/ETCCDMI).

Mais um software utilizado foi o GRADS, disponível na página do DCA. Com esse

programa foi possível converter os dados do formato original disponível no site do ECMWF

(que estavam no formato nc) para o formato aceito pelo Excel (txt). Só depois de convertidos

para texto que os dados puderam ser usados no RClimDex.

5.2 Métodos

No desenvolver deste trabalho, foram realizadas análises sobre os levantamentos de

precipitação e temperatura de 41 anos de dados provenientes da reanálise do ECMWF

(European Centre for Medium-Range Weather Forecasts), fazendo uso de 104 células de 2.5°

de latitude por 2.5° de longitude que cobrem toda a porção Norte do Brasil.

Com as séries de dados de cada uma das células estudadas, foram calculados índices

baseados em chuva e temperatura sobre todo o período de tempo abordado, podendo assim

verificar possíveis mudanças climáticas na área de estudo, através da variação do

comportamento das precipitações e temperaturas.

Já que o cálculo dos índices de mudanças climáticas é de fundamental importância no

desenvolvimento desta pesquisa, então fez-se oportuno explicar os requisitos necessários para

o uso do RClimDex 1.9.1, que foi o software usado para a geração de tais índices. Tal

explicação é apresentada a seguir.

5.2.1 Condições para cálculo de índices

5.2.1.1 Controle de qualidade dos dados

Para um perfeito funcionamento do RClimDex, é necessário que os dados estejam em

conformidade com o padrão exigido pelo programa. Para tanto é importante observar alguns

procedimentos:

1) É necessário substituir todos os dados faltosos pelo valor -99.9, só assim o RclimDex

entenderá que tais dados não existem e fará seus cálculos tomando esses dados como

indisponíveis. Nesta pesquisa esse procedimento fez-se desnecessário, já que a

reanálise do projeto ERA40 sempre garantia valores diários para todas as células, mas

http://cccma.seos.uvic.ca/ETCCDMI

41

mesmo assim, uma varredura preventiva foi feita para detecção de possíveis dados

faltosos.

2) Substituir os valores inaceitáveis por -99.9. Essa medida precisa ser tomada porque a

ocorrência de eventos extremos de temperatura ou precipitação pode atrapalhar os

cálculos estatísticos do RClimDex. Embora os dados da reanálise sejam confiáveis, o

clima tropical da área de estudo torna-a sujeita a variações constantes e extremos

repentinos, podendo assim aparecer algum valor de precipitação ou de temperatura

que destoe dos outros dados disponíveis, precisando assim substituir tais dados por -

99.9. Neste procedimento, é também importante verificar valores de precipitação

menores que zero e a ocorrência de temperatura mínima maior do que a máxima.

Valores extremos não podem ser assumidos como temperatura mínima ou máxima.

Para entender melhor como o RClimDex julga um valor como sendo extremo, basta

que se entenda que ele considera valor extremo qualquer dado que esteja fora da área

definida pelo usuário. Na versão 1.9.1 do RClimDex, ele define que esta área de aceitação

é n vezes o desvio padrão dos valores diários, ou seja, [média + n*std, média – n*std], em

que std representa o desvio padrão para os valores diários, e n é o valor de entrada dos

dados, definido pelo usuário durante a execução (nessa pesquisa, usou-se valor 3 para n).

5.2.1.2 Formatação da entrada de dados

O RClimDex 1.9.1 exige uma formatação padrão para a entrada de dados, para tanto é

preciso obedecer a alguns padrões:

1) O arquivo precisa ser de texto em ASCII (American standard code for information

interchange);

2) Precisa estar disposto em colunas, e estas contendo os seguintes dados: Ano, Mês,

Dia, Precipitação, Temperatura Máxima, Temperatura Mínima. Vale lembrar que a

unidade de precipitação é milímetro (mm) e a unidade das temperaturas precisa ser

graus Celsius (°C);

3) As colunas precisam ser espaçadas, contendo um ou mais caractere de espaço

separando-as;

4) Os dados precisam obedecer a ordem cronológica, e quando algum dado estiver

indisponível, ele precisa ser substituído por -99.9;

5) Verificar os anos bissextos para incluir o valor de 29 do mês Fevereiro.

42

Para um melhor entendimento do padrão de entrada de dados, está disposto abaixo

parte dos dados de entrada, relativos à célula 12°S 65°W:

1984 11 30 7.065125 31.021 23.353

1984 11 31 -99.9 -99.9 -99.9

1984 12 1 9.247010 30.460 24.327

1984 12 2 0.000000 29.680 22.753

1984 12 3 5.811850 29.453 22.703

O que se entende para a primeira linha é que no dia 30 de novembro de 1984, houve

uma precipitação total de 7,065125mm, com temperatura máxima de 31,021°C e temperatura

mínima de 23,353°C. A grande quantidade de casas decimais provém dos dados da reanálise,

que são obtidos através de médias, mas isso não ofereceu qualquer problema para a execução

do software, mesmo que o excesso de casas decimais se torne insignificante em algumas

medidas, como no caso da precipitação.

O entendimento para as outras linhas é análogo, bastando destacar que a segunda linha

trata de um dia inexistente (31 de novembro), por isso os valores de precipitação e

temperaturas apresentam -99.9. Isto foi usado aqui apenas para exemplificação, tendo em

vista que a esta pesquisa possuía todos os dados de todos os dias do período selecionado. Vale

lembrar também que o valor 0.000000 (zero) na quarta linha da quarta coluna indica que não

houve precipitação alguma neste dia.

Com esses tratamentos, os dados podem ser entendidos e os índices calculados no

RClimDex 1.9.1.

5.2.2 Índices climáticos básicos do ETCCDMI

Visando uma melhor compreensão e padronização das mudanças climáticas e eventos

extremos que vêm ocorrendo nos últimos tempos, a comunidade científica definiu alguns

índices anuais que representassem bem esses eventos, como pode ser verificado no site

http://cccma.seos.uvic.ca/ETCCDMI/index.shtml. Tais índices são baseados em valores

diários de temperatura e precipitação (FRISCH et al., 2002).

Foram criados 27 índices pelo Expert Team on Climate Change Detection Monitoring

and Indices (ETCCDMI), mas eles não consideram eventos extremos e eventos raros, já que

este tipo de dado complicaria as operações estatísticas e as tendências; tais eventos extremos

foram descartados dos cálculos dos índices devido à pequena quantidade de ocorrência deste

http://cccma.seos.uvic.ca/ETCCDMI/index.shtml

43

tipo de dado, baseando-se nos registros históricos . Os índices do ETCCDMI são calculados a

partir de dados diários, a nível anual, sendo que alguns são baseados num valor limiar fixo e

outros em percentis.

Neste estudo não foram usados os 27 índices, porque nem todos seriam úteis para esta

pesquisa (como os que calculam dados apenas para dias bissextos, ou para cobertura de gelo),

por isso aqui estão expostos os que contribuíram com a pesquisa:

1 – RX1dia (Quantidade máxima de precipitação em um dia)

Seja ijRR o total diário de precipitação num dia i e num período j . Logo, os valores

máximos de 1 dia para o período j são:

)max(1 ijj RRdayRx )1(

2 - RX5dia (Quantidade máxima de precipitação em cinco dias)

Seja kjRR a quantidade de precipitação para o intervalo de cinco dias terminando no

dia k do período j . Logo, os valores máximos de 5 dias para o período j são:

)max(5 kjj RRdayRx )2(

3 - SDII (Índice simples de intensidade diária)

Seja wjRR a quantidade diária de precipitação nos dias úmidos, )1( mmRRw num

período j . Se W representa o numero de dias úmidos em j , então:

W

RR

SDII

w

w

wj

j

1 )3(

4 – R10mm (Número de dias úmidos)

Seja ijRR o montante de precipitação diária acumulada num dia i de um período j .

São contados os dias em que:

mmRRij 10 )4(

5 – R20mm ( Número de dias muito úmidos)

Seja ijRR o montante de precipitação diária acumulada num dia i de um período j .

São contados os dias em que:

mmRRij 20 )5(

6 – Rnnmm (Número de dias acima de nn mm)

44

Seja ijRR a quantidade diária de precipitação num dia i de um período j . Se

*nn representa qualquer valor razoável de precipitação diária então, soma-se o numero de dias

em que:

nnRRij mm )6(

* Neste estudo utilizar-se-á 50nn mm , pois com isto pode-se observar o comportamento

deste índice, de chuva extrema, na região.

7 – CDD (Dias consecutivos secos – Consecutive Dry Days)

Seja ijRR a quantidade diária de precipitação num dia i e de um período j . Soma-se o

maior número de dias consecutivos em que:

mmRRij 1 )7(

8 - CWD (Dias consecutivos úmidos – Consecutive Wet Days)

Seja mmRRij 1 a quantidade diária de precipitação num dia i de um período j .

Soma-se o maior número de dias consecutivos em que:

mmRRij 1 )8(

9 – R95p (Dias muito úmidos)

Seja wjRR a quantidade diária de precipitação num dia úmido )0.1( mmRRw num

período j e seja 95wnRR o 95percentil da precipitação nos dias úmidos no período 1961-

2001. Se W representa o número de dias úmidos no período, então:

w

w

wjj RRpR1

95 onde 95wnwj RRRR )9(

10 – R99p (Dias extremamente úmidos)

Seja wjRR a quantidade diária de precipitação num dia úmido )0.1( mmRRw num

período j e seja 99wnRR o 99percentil da precipitação nos dias úmidos no período 1961-

2001. Se W representa o numero de dias úmidos no período, então:

w

w

wjj RRpR1

99 onde 99wnwj RRRR )10(

11 – PRCPTOT (Precipitação total anual dos dias úmidos)

Seja ijRR a quantidade diária de precipitação num dia i de um período j . Se

I representa o número de dias em j , então:

I

i

ijj RRPRCPTOT1

)11(

45

12 – TXx (Maior temperatura máxima)

Máximo valor mensal das temperaturas máximas diárias.

13 – TNx (Maior temperatura mínima)

Máximo valor mensal das menores temperaturas diárias.

14 – TXn (Menor temperatura máxima)

Mínimo valor mensal das maiores temperaturas diárias.

15 – TNn (Menor temperatura mínima)

Mínimo valor mensal das menores temperaturas diárias.

16 – DTR (Variação da temperatura em um dia)

Diferença entre o valor máximo da temperatura e o valor mínimo.

DTR = TXx-TNn (12)

17 – TN10p

Percentagem de dias no ano em que TN foi menor do que o 10° percentil. Quantidade

de dias que apresentaram as menores temperaturas mínimas.

18 – TX10p

Percentagem de dias no ano em que TX foi menor que o 10° percentil. Quantidade de

dias que apresentaram as menores temperaturas máximas.

19 – TN90p

Percentagem de dias no ano em que TN foi maior do que o 90° percentil. Quantidade

de dias que apresentaram as maiores temperaturas mínimas.

20 – TX90p

Percentagem de dias no ano em que TX foi maior do que o 90° percentil. Quantidade

de dias que apresentaram as maiores temperaturas máximas.

Os dados foram armazenados em arquivos de planilha eletrônica, passando a conter

informações anuais sobre cada um dos índices indicados, logo depois de serem processados.

Vale lembrar que além dos gráficos e valores numéricos dos índices, a saída do RClimDex

também apresenta as tendências (linear e não linear) de longo tempo dos índices e a estatística

p (nível de significância estatística) obtida por meio do teste de Fisher.

Para analisar as causas dos diversos valores encontrados para os índices climáticos

regionais, foram calculadas correlações entre tais índices e as anomalias de temperatura da

superfície do mar (TSM) nas regiões de Niño 1+2 (0°S - 10°S, 90°W - 80°W), Niño 3 (5°N -

5°S, 150°W - 90°W), Niño 3.4 (5°N - 5°S, 170°W - 120°W), Niño 4 (5°N - 5°S, 160°E -

150°W), TNA (Temperatura da superfície do mar no Atlântico Norte) (5°N - 20°N, 60°W -

46

30°W) e TSA (Temperatura da superfície do mar no Atlântico Sul) (0º - 20°S, 30ºW - 10°E).

Foi necessária mais uma equiparação desses índices de monitoramento e detecção de

mudanças climáticas, desta vez correlacionado-os com os índices da Oscilação Decadal do

Pacífico (DPO); com os índices da Oscilação Multidecadal do Atlântico (OMA) e com as

anomalias do Atlânticos Norte e Sul.

Calculou-se a significância estatística das correlações pelo teste t de Student. Para

aplicação do teste, faz-se necessário utilizar três maiores níveis de significância, 0.95;GLt que

corresponde a uma significância estatística de 90% )1.0( p , 0.975;GLt correspondendo a uma

significância estatística de 95% )05.0( p e 0.995;GLt com uma correspondente significância

estatística de 99% )01.0( p , em que GL representa o grau de liberdade da amostra, que é

igual a n -2, considerando que n é o número de anos de cada amostra, n = 41 (1961-2001).

5.2.3 Calculo dos Coeficientes de Correlação

O cálculo das correlações entre os índices de extremo climático e as anomalias de

TSM foi feito utilizando o método dos mínimos quadrado, e para saber quão confiável esta

correlação era, obteve-se o valor de t, através do teste t-student.

A correlação foi obtida automaticamente via Excel, que já dispõe em suas rotinas

internas de uma função que relaciona duas tabelas de mesmo tamanho (função CORREL), e o

valor t foi obtido segundo a seguinte equação:

(13) 1

2.

2r

Nrtcal

em que N é o grau de liberdade da amostra. Neste caso N = 41, já que foram usados os

valores obtidos dos 41 anos de dados disponíveis.

Para o teste t-student, considera-se que para valores de t maiores ou iguais a 1,301, o

grau de confiabilidade é de 90%; para t maior ou igual a 1,69, o grau de confiabilidade é de

95% e para obter 99% de confiabilidade, o valor t precisa ser maior ou igual a 2,42 (estes

valores são todos tabelados).

Procedimento semelhante foi executado para a estimativa das correlações entre os

índices de extremo climático e os índices de DPO e OMA.

47

6 RESULTADOS E DISCUSSÃO

6.1 Índices climáticos do ETCCDMI

Os índices de detecção de mudanças climáticas são a forma escolhida para avaliar as

alterações climáticas que vêm ocorrendo na área de estudo, nos 41 anos de dados

selecionados. Os resultados alcançados através da obtenção e avaliação dos dados estão

apresentados aqui, relativos às 104 células analisadas.

Os gráficos foram gerados utilizando o Surfer versão 7.0. Neles estão destacados os

seguintes dados: os pontos nos quais houve tendência positiva do índice, sendo representado

por um sinal de mais (+) e os pontos nos quais houve tendência negativa, sendo representados

por uma circunferência (○). Os dados com significância estatística acima de 90% estão

destacados, assim, os positivos apresentam um sinal de mais em negrito (+), e os negativos

apresentam uma circunferência preenchida (●).

Foram consideradas tendências estatisticamente significativas todas aquelas cujo

valor-p era inferior a 0,1. O valor-p já é gerado automaticamente pelo RClimDex, quando ele

calcula os índices do ETCCDMI, e refere-se a estatística p do teste F de Fisher.

Os valores obtidos para cada um dos índices, em cada uma das células podem ser

visualizados nas tabelas presentes no Apêndice B.

O primeiro índice avaliado é o CDD (Dias Secos Consecutivos). Na Figura 6.1, pode

ser claramente observado que em toda a região de estudo houve uma tendência de diminuição

da quantidade de dias secos consecutivos. Na região central do NEB, chegou a haver uma

tendência de diminuição de 3 dias consecutivos de chuva ao ano, dentro do período estudado,

como pode ser observado na Tabela B1. Quase que a totalidade dos dados obtidos

apresentaram valores significativos, tornando a avaliação bem confiável. De certa forma este

resultados estão semelhantes ao obtidos por Haylock et al (2006) que elaboram estudos para a

América do Sul utilizado dados de estações meteorológicas no período de 1960 a 2000,

enquanto o atual trabalho fez uso da reanálise ERA40. Fazendo uso do modelo numérico ETA

como condições iniciais de reanálise do modelo ECHAM4 e HADCM3, para o período de

1961 a 1990, o INPE/CPTEC-PNUD obtiveram resultados conflitantes, pois para a porção

norte do Brasil o ETA-ECHAM4 apresentou, em geral, diminuição de CDD, enquanto o

ETA-HADCM3 apresentou aumento de CDD. Portanto, os resultados obtidos neste trabalho

estão mais próximo dos verificados com o ETA-ECHAM4.

48

Ressalta-se que para as análises dos demais índices não serão feitas comparações com

os resultados do INPE/CPTEC-PNUD, uma vez que os resultados obtidos por estes órgãos

usando as reanálises do ECHAM4 e do HADCM3 são, em geral, conflitantes. Os resultados

obtidos no presente trabalho ora concordam com os do ETA-ECHAM4, ora com o ETA-

HDCM3.

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.1 Índice de Dias Secos Consecutivos (CDD). Tendência positiva significante marcada com + em

negrito; tendência positiva sem significância marcada com +; Tendência negativa com significância marcada

com ●; e tendência negativa sem significância marcada com ○.

A Figura 6.2 mostra a distribuição espacial da tendência para o índice CWD (Dias

Úmidos Consecutivos). Observa-se que em boa parte da área de estudo houve também uma

diminuição da quantidade de dias chuvosos consecutivos, com significância estatística. As

células que fazem fronteira com os oceanos e as que estão mais próximas a eles apresentam

uma predominância de valores positivos, provavelmente ocasionados por um aumento da

TSM.

Levando em conta que a quantidade de dias secos consecutivos também diminuiu,

como visto anteriormente, entende-se que tem havido uma maior alternância entre dias secos

e chuvosos, nesses 41 anos de estudos. A partir deste resultados pode-se conjecturar que a

atmosfera tem sofrido algum tipo de perturbação e está procurando o equilíbrio. Uma outra

observação interessante é a de que a probabilidade de que um dia seco ocorra após um dia

49

úmido está aumentado, o mesmo vale para os dias chuvosos. Este resultados diferem dos

obtidos por Haylock et al (2006).

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.2 Índice de Dias Úmidos Consecutivos (CWD). Tendência positiva significante marcada com + em



Analisando-se a Figura 6.3, percebe-se que apenas em algumas células no Mato

Grosso houve diminuição no volume máximo de precipitação em 1 dia. Fora esta região,

apenas três células do norte do NEB também apresentaram diminuição deste índice. Dentre

todos os casos de tendência negativa, apenas um teve confiabilidade estatística, no extremo

leste nordestino. Uma das possíveis causa da diminuição das chuvas muito intensas no Mato

Grosso é a diminuição da vegetação da área, que produz um aumento do albedo e

conseqüentemente diminui a energia disponível para manter movimentos convectivos

localmente mais intensos. Entretanto, mesmo nos pontos em que foi observado uma

tendências negativa, este valor não foi muito além de 1mm/ano, provavelmente, a diminuição

dos movimentos convectivos locais tenha sido compensado pelos efeitos da Zona de

Convergência do Atlântico Sul.

Em todo o restante da região estudada, ficou bem clara a tendência de aumento da

quantidade de precipitação máxima em um dia. O maior valor obtido foi de 3mm/ano, na

celular 5°S 45°W, bem no centro do estado do Maranhão, provavelmente este não seja um

valor muito confiável, uma vez que em todos os outros pontos, o aumento tem sido inferior a

50

1mm/ano. Este aumento da precipitação máxima em um dia na parte norte nordeste do Brasil

também foi verificado por Haylock et al. (2006). Isto provavelmente esteja conectado com o

aumento da temperatura das águas da superfície do Oceano Atlântico Tropical Sul

(SERVAIN et al., 2000).

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.3 Índice de Precipitação máxima em 1 dia (RX1dia). Tendência positiva significante marcada com +

em negrito; tendência positiva sem significância marcada com +; Tendência negativa com significância marcada


A Figura 6.4, relativa à quantidade máxima de precipitação acumulada em 5 dias, não

foi tão diferente da que se obteve quando se considerava apenas 1 dia de precipitação. A

região do estado do Mato Grosso continuou apresentando tendências negativas com

confiabilidade abaixo de 90% e o extremo leste nordestino ainda apresentou uma célula com

tendência significativa negativa. Isto já era esperado, pois, em geral, RX1dia é um

subconjunto de RX5dia

Quase que o mesmo resultado se repete no gráfico relativo ao índice SDII, que pode

ser visto na Figura 6.5. A maior parte da região estudada apresenta tendência de aumento de

precipitação média ao ano. Embora esteja havendo uma tendência positiva em quase toda a

área, esse aumento não atinge 1mm ao ano. O efeito é bem similar nas tendências negativas,

já que nenhuma delas chega nem a 1mm também. O que diferencia o gráfico do SDII dos de

51

RX1dia e RX5dia é que parte da região do Pará passa a ter tendência negativas, bem como

algumas células que cobrem a área sul da Bahia. Isto ocorre porque a intensidade simples da

precipitação diária é dependente da precipitação máxima em um dia e do total máximo das

chuvas em cinco dias.

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.4 Índice de Precipitação máxima em 5 dias (RX5dia). Tendência positiva significante marcada com +



-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

52

Figura 6.5 Índice simples de precipitação diária (SDII). Tendência positiva significante marcada com + em



Usando-se os dias com quantidade de chuva superior a 10 mm como dias úmidos, cuja

distribuição espacial é apresentada na Figura 6.6, verifica-se que a quantidade de dias úmidos

está aumentando. Esses dias não são necessariamente consecutivos, mas tem ocorrido um

aumento de até 1 dia úmido ao ano em várias células, com alta confiabilidade estatística.

Embora as regiões em que ocorrem tendências negativas de R10mm sejam todas compostas

de tendência que não tem confiabilidade estatística, o que se percebe é que elas se repetem

quase que exatamente nas mesmas células em que houve tendência negativa de SDII.

Considerando-se o índice R20mm, que representa os dia muito úmidos, ou seja os dias

com precipitação acima de 20mm, observa-se na Figura 6.7 que a configuração espacial de

R20mm é uma quase que fiel repetição da configuração de R10mm, sendo que as células do

sul da Bahia aparecem todas com tendência positiva, embora que não apresentem

confiabilidade estatística. Esse aumento também é bem discreto, não atingindo 1mm/ano,

porém é observado que sobre o leste nordestino, Mato Grosso e o centro-sul paraense

continuam com tendências negativas, o que faz entender que ao longo dos 41 anos de estudo,

essas áreas não apresentam valores de alta umidade, entretanto os valores da tendência destes

índices (R10mm e R20mm) não são estatisticamente significativo no Mato Grosso e centro-

sul do Pará. Para o litoral leste do Nordeste a tendência negativa de R20mm é estatisticamente

significativa, provavelmente isto tenha ocorrido porque na segunda metade (1981-2001) do

período analisado ocorreu uma maior freqüência de El Niño do que na primeira metade

(1961-1980).

Como o litoral leste do Nordeste climatologicamente tem uma precipitação bastante

superior a das áreas semiáridas, ele dificilmente é afetado por uma forte precipitação de forma

isolada de um determinado ano. Por outro lado, na área semiárida as precipitação de chuvas

são relativamente muito inferiores às do litoral, portanto, esta área do Nordeste do Brasil é a

mais vulnerável a apresentar tendência positiva de R20mm devido a um único episódio de

chuvas muito intensa.

53

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.6 Dias úmidos(R10mm). Tendência positiva significante marcada com + em negrito; tendência positiva

sem significância marcada com +; Tendência negativa com significância marcada com ●; e tendência negativa

sem significância marcada com ○.

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.7 Dias muito úmidos(R20mm). Tendência positiva significante marcada com + em negrito; tendência

positiva sem significância marcada com +; Tendência negativa com significância marcada com ●; e tendência

negativa sem significância marcada com ○.

54

A Figura 6.8 é relativa à configuração espacial da tendência do índice Rnnmm

(número de dias com chuvas diárias superior ou igual a 50 mm), denominado de dias

extremamente úmido. Este foi um índice que apresentou muitas tendências positivas, mas

todas com aumento muito discreto. Nenhum deles apresentou sequer 0,5 dia/ano de aumento

na tendência, e a quantidade de células com tendência menor do que 0,09dia/ano foi

relativamente grande como mostram a Figura 6.8 e a Tabela B1 do Anexo B. As tendências

negativas também foram pequenas, nenhuma delas apresentou significância estatística , o que

leva a crer que as chuvas extremas diárias, de um modo geral, estão ocorrendo com uma

maior freqüência ao longo dos 41 anos de dados analisados. Isto provavelmente é decorrente

do aumento de TSM do Atlântico Tropical Sul que leva a uma maior taxa de evaporação

induzindo um aumento da umidade transportada para o Continente.

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.8 Dias com chuvas extremas(Rnnmm). Tendência positiva significante marcada com + em negrito;

tendência positiva sem significância marcada com +; Tendência negativa com significância marcada com ●; e

tendência negativa sem significância marcada com ○.

55

As figuras 6.9 e 6.10, que representam os índices de dias muito úmidos (R95p) e

extremamente úmidos (R99p) respectivamente, apresentam uma configuração espacial muito

semelhante, mas os valores das tendências de R95p foram superiores aos de R99p. Para R95p

os máximos foram atingidos nas células 5°S 45°W (50,087mm/ano) e 5°S 47,5°W

(40.264mm/ano), localizadas sobre o Maranhão, dentre os valores com significância

estatística relevante. Considerando o índice R99p, a maior tendência encontrada entre os

valores positivos com significância estatística relevante estão exatamente sobre essas mesmas

células com alto R95p, mas com tendência máxima de pouco mais de 19mm ao ano. Assim

como para o Rnnmm esta configuração de tendências positivas para R95p e R99p

possivelmente é decorrente do aumento de TSM no Atlântico Tropical Sul.

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.9 Dias muito úmidos (R95p). Tendência positiva significante marcada com + em negrito; tendência

positiva sem significância marcada com +; Tendência negativa com significância marcada com ●; e tendência

negativa sem significância marcada com ○.

56

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.10 Dias extremamente úmidos (R99p). Tendência positiva significante marcada com + em negrito;



O último gráfico relativo a índices pluviométricos é o da precipitação total anual.

Confirmando todas as outras tendências já observadas, o comportamento de PRCPTOT

acompanha o que foi vistos nos outros índices pluviométricos. Apenas a parte central da área

de estudo e alguns pontos do Nordeste apresentaram tendências negativas, no mais, todas as

células mostraram um aumento gradual da precipitação total de chuva, valendo salientar que

boa parte das tendências positivas apresentaram confiabilidade estatística igual ou superior a

90%. O oeste e norte do NB; as células dispostas entre o Maranhão e o norte da Bahia; e o

estado de Goiás apresentam tendência de aumento da precipitação anual com alta

significância estatística. Várias dessas células apresentaram um aumento de mais de 10mm de

chuva ao ano, enquanto no norte do Mato Grosso apresentou a maior tendência negativa, com

valores próximos a 14mm/ano. De modo geral este aumento da precipitação total anual pode

ser decorrente do aumento observado na TSM no Atlântico Tropical Sul nos últimos 30 anos

(SERVAIN et al., 2000). Entretanto, verifica-se que o aumento não é em toda área, em alguns

pontos observa-se tendência negativa, isto mostra que os efeitos locais também são relevantes

para a produção de precipitação.

57

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.11 Precipitação Total (PRCPTOT). Tendência positiva significante marcada com + em negrito;



Analisando agora para os índices de temperatura, a figura 6.12 mostra a configuração

espacial da temperatura máxima. Observou-se uma tendência de decaimento nas Regiões

Norte e Centro-Oeste e um aumento no Nordeste, exceto Maranhão e em algumas áreas da

Bahia. Embora a figura 6.12 mostre uma diminuição da maior temperatura máxima, essa

tendência tem sido ínfima, não chegando nem a 0,09°C ao ano, conforme pode ser visto nas

tabelas com os valores de tendências de todos os índices do Apêndice B. As tendências

positivas também apresentaram valores com essa mesma ordem de grandeza. Isto revela que

as tendências observadas são decorrentes de efeitos locais e globais. É importante ressaltar

que o aumento global da temperatura do ar próximo a superfície não necessariamente produz

aumento da temperatura em todos os locais. Dependendo das condições do escoamento

induzido pelo aquecimento global, em algumas áreas, a temperatura pode até mesmo

diminuir. Também deve ser mencionado que as análise não são para as temperaturas médias,

mínimas e máximas diárias, mas para eventos extremos. No caso da Figura 6.12 usa-se a

maior temperatura máxima registrada no ano, ou seja, entre as 365 máximas diárias, escolhe-

se a maior.

58

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.12 Maior temperatura máxima (TXx). Tendência positiva significante marcada com + em negrito;



A Figura 6.13 mostra a configuração espacial do índice TNx, que representa a maior

temperatura mínima ocorrida em um ano. Observa-se que de maneira geral verificou-se uma

tendência de diminuição, sendo quase todas estatisticamente significativas. Embora a

diminuição do valor da maior temperatura mínima tenha ocorrido quase que na totalidade da

área de estudo, essa tendência só ultrapassou o valor de 0,1°C em duas células (17,5°S;

57,5ºW e 17,5ºS; 60ºW), mas levando-se em conta que são 41 anos de dados, pode-se

considerar que houve uma diminuição de quase 0,5°C na maior temperatura mínima no

extremo sudoeste do Mato Grosso. É importante destacar que esta diminuição da maior

temperatura mínima no Mato Grosso pode ter sido causada pelo o desmatamento, pois nas

regiões sem vegetação as temperaturas mínimas noturnas são, em geral, inferiores a de regiões

vegetada tomando em consideração as mesma condições geográficas. Para a região

Amazônica, a princípio não se tem uma explicação consistente, mas provavelmente esteja

relacionada com o aumento da precipitação e conseqüentemente da nebulosidade que impede

a chegada de parte da radiação solar a superfície. Ressalta-se que esta hipótese é apenas uma

59

especulação. Para a parte leste da Região Nordeste observou-se um aumento na tendência da

maior temperatura mínima em um ano. Esta configuração está de acordo com as condições

observada em superfície por outros pesquisadores, como por exemplo, Vincent et al. (2005).

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.13 Maior temperatura mínima (TNx). Tendência positiva significante marcada com + em negrito;



O mapa obtido para a menor temperatura máxima (Figura 6.14) mostra que todo o

setor mais a oeste da área de estudo tem apresentado uma tendência negativa, enquanto que a

parte mais a leste vem tendo um aumento de TXn. A região central apresenta uma maioria de

tendências negativas, mas as positivas também estão presentes, podendo-se ainda comentar

que entre as células estatisticamente significantes (localizadas no oeste e leste da área) está

um grupo de células sem tanta confiabilidade estatística, o que faz entender ainda melhor que

esta região é de transição entre o aumento e diminuição da menor temperatura máxima. Assim

como no índice TNx, apenas duas células atingiram valores de tendência negativa superior a

0,1°C ao ano (17,5°S 57,5°W e 17,5°S 60°W), enquanto que todas as tendências positivas não

chegaram nem a 0,09°C/ano. Este tipo de configuração mostra que as causas para uma

aumento ou diminuição da menor temperatura máxima em um ano são provenientes de efeitos

locais e globais e dependendo da região um ou outro efeito é predominante.

60

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.14 Menor temperatura máxima (TXn). Tendência positiva significante marcada com + em negrito;



A Figura 6.15 apresenta a configuração espacial do índice TNn, que representa a

menor temperatura mínima em um ano. Este índice é de grande importância, pois o aumento

da temperatura mínima é um forte indicador de aquecimento.

Observa-se na figura, um gradiente de tendência entre o setor sudoeste e o nordeste da

área de estudo. Na região Nordeste, nos estados de Minas Gerais, Goiás, Tocantins e Pará e

no leste do estado do Amazonas verifica-se tendência de aumento da menor temperatura

mínima no ano. Esta configuração de elevação da temperatura mínima da mínima é coerente

com os estudos de outro pesquisadores, realizados para outra parte do Globo, como a

investigação feita por Santos et al. (2010) para o estado de Utah, Estados Unidos da América.

Por outro lado, No Mato Grosso, Rondônia, Acre e oeste do estado do Amazonas observou-se

tendência de diminuição. Mato Grosso, Rondônia e Acre sofreram um intenso desmatamento,

nos últimos 40 anos (*** É necessário acrescentar alguma fonte que comprove isso?). A

retirada da floresta pode ter sido a causa para uma diminuição da temperatura mínima da

61

mínima, uma vez que para as mesmas condições geográfica a temperatura mínima de uma

área vegetada é superior a mínima de uma área desmatada.

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.15 Menor temperatura mínima (TNn). Tendência positiva significante marcada com + em negrito;



O índice DTR representa a variação da temperatura ao longo do dia, e pode ser visto

na figura 6.16.

A tendência negativa estatisticamente confiável se encontra no noroeste da área de

estudo. Tendências positivas e confiáveis são observadas sobre o estado do Mato Grosso. Pelo

que foi percebido nos índices TXx e TNn, tanto a maior temperatura máxima está caindo

quanto a menor temperatura mínima está tendo uma diminuição nesta região do Mato Grosso,

então para que haja um aumento da variação da temperatura do dia, observou-se que a maior

temperatura máxima tem diminuído bem menos do que a menor temperatura mínima, daí vem

o aumento da DTR nessa área. Já no Amazonas, os valores de TXx e TNn estão ficando mais

próximos, por isso ocorre uma diminuição da DTR sobre este estado. Vale ainda lembrar que

em todas as células, haja tendência negativa ou positiva, confiável ou não, a magnitude desse

índice não alcança nem 0,09°C ao ano.

62

Esses índices de menor temperatura devem sempre ser fortemente considerados, tendo

em vista que eles são excelentes indicadores de aquecimento de uma região.

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.16 Variação da temperatura ao dia (DTR = TXx-TNn). Tendência positiva significante marcada com +



A Figura 6.17 apresenta a distribuição espacial da tendência da percentagem de dias

no ano com temperatura mínima menor que o 10º percentil da temperatura mínima diária dos

41 anos de dados. Enquanto a Figura 6.18 mostra a distribuição espacial da tendência da

percentagem de dias no ano com temperatura máxima menor que o 10º percentil da

temperatura máxima diária.

Observa-se que para a temperatura mínima (Figura 6.17) verificou-se uma diminuição

da percentagem dos dias com temperatura mínima inferior ao 10º percentil, em quase toda a

área de estado, a exceção foi no Mato Grosso, Rondônia e Acre. Isto significa que a

temperatura mínima diária em quase toda área aumentou na maioria dos dias, a exceção foi

Mato Grosso, Rondônia e Acre, regiões que sofreram um intenso processo de desmatamento

(*** É necessário dar alguma fonte que comprove isto?).

63

Para a temperatura máxima (Figura 6.18) observou-se um aumento da percentagem

dos dias com temperatura máxima inferior ao 10º percentil nas Regiões Norte e Centro-Oeste,

e uma diminuição na Região Nordeste, ou seja, para o Nordeste a percentagem de dias com a

temperatura máxima menor que o 10º percentil diminui. Portanto, no Nordeste o número de

dias com temperatura máxima superior ao 10º percentil aumentou, ou seja, nos últimos anos

houve um número maior de dias com temperatura máxima mais elevada que nos primeiros

anos da série de dados.

Esse aumento de temperatura pode trazer vários problemas para a sociedade e para o

meio ambiente em geral. A vegetação e alguns animais podem não se adaptar às novas

temperaturas, bem como pode haver uma maior evaporação da água, ocasionando até

problemas de abastecimento de água para cidades. Se ainda for considerado que em geral são

fatores como desmatamento ou emissão de gases na atmosfera que provocam o aquecimento

da temperatura em uma certa região, daí que os efeitos nocivos deste aquecimento ficam mais

evidentes, podendo até aumentar a ocorrência de doenças respiratórias e de pele, e fazer com

quem grupos de animais migre para as cidades, por exemplo.

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.17 Dias com as menores temperaturas mínimas (TN10p). Tendência positiva significante marcada com

+ em negrito; tendência positiva sem significância marcada com +; Tendência negativa com significância

marcada com ●; e tendência negativa sem significância marcada com ○.

64

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.18 Dias com as menores temperaturas máximas (TX10p). Tendência positiva significante marcada com



A configuração espacial da percentagem de dias com temperatura mínima superior ao

90º percentil é mostrada na Figura 6.19 observa-se que na maior parte da Região Nordeste, no

norte de Minas Gerais, em Goiás e leste do Mato Grosso ocorreu um aumento dos dias com a

máxima superior ao 90º percentil. Este tipo de configuração foi observado por outros

pesquisadores, como por exemplo Vincent et al. (2005). Enquanto, na Região Norte

verificou-se uma diminuição dos dias com temperatura máxima superior ao 90º percentil, não

há uma explicação confiável para a diminuição do número de dias com temperatura máxima

superior ao 90º percentil, mas provavelmente esteja relacionado com o aumento da

precipitação e conseqüentemente da nebulosidade impendido que parte da radiação solar

atinja a superfície, produzindo uma diminuição da temperatura máxima diária.

A Figura 6.20 apresenta a configuração espacial da percentagem de dias com

temperatura mínima superior ao 90º percentil. Observa-se que sobre o Nordeste, norte de

Minas Gerais, Goiás e Tocantins ocorreu um aumento dos dias do ano com temperatura

mínima superior ao 90º percentil. Para o Mato Grosso e Região Norte exceto o Tocantins

verificou-se uma diminuição no número de dias com temperatura mínima superior ao 90º

percentil.

65

-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.19 Dias com as maiores temperaturas máximas (TX90p). Tendência positiva significante marcada com



-70 -65 -60 -55 -50 -45 -40 -35-20

-15

-10

-5

0

5

Figura 6.20 Dias com as maiores temperaturas mínimas (TN90p). Tendência positiva significante marcada com



66

6.2 Relação entre TSM e índices climáticos

A atmosfera que envolve toda a região de estudo está profundamente sujeita aos

sistemas que ocorrem em sua área e ao seu redor. Cada novo evento meteorológico que

acontece, promove variabilidade em todo o clima brasileiro. A temperatura da Superfície do

Mar (TSM) é um dos fatores com grande influência sobre o clima da área estudada, sendo

assim, o comportamento dos Oceanos Pacífico e Atlântico é de relevante importância para o

clima, por isso realizou-se um estudo comparativo entre os índices de extremo climático e as

anomalias da TSM nas áreas de Niño 1+2; Niño 3; Niño 3.4 e Niño 4, no Pacífico Equatorial,

e as áreas Atl_N e Atl_S, no Atlântico Tropical (Figura 6.21).

No oceano Pacífico, as interações entre oceano e atmosfera dão origem ao fenômeno

climático El Niño, que causa variações e flutuações periódicas em escala sazonal e inter-anual

no clima brasileiro. O oceano Atlântico tropical também impõe sua influência através do forte

ciclo sazonal que ele apresenta, devido ao deslocamento da Zona de Convergência

Intertropical (ZCIT).

Na tentativa de quantificar quão relacionados estão os índices de extremo climático e

as anomalias da TSM, foram selecionados sete índices pluviométricos e cinco índices de

temperatura para serem correlacionados com as anomalias de TSM das seis áreas supracitadas

e mostradas na Figura 6.21 dos oceanos Pacífico e Atlânticos. Os índices pluviométricos

estudados foram: CDD (dias secos consecutivos); CWD (dias úmidos consecutivos);

PRCPTOT (precipitação total); R10mm (dias de chuva acima de 10mm – dias úmidos);

R20mm (dias de chuva acima de 20mm – dias muito úmidos); R95p (Dias muito úmidos) e

SDII (índice simples de intensidade diária).

Os índices de temperatura utilizados foram: DTR (maior máxima – menor mínima);

TNn (menor temperatura mínima), TNx (maior temperatura mínima); TXn (menor

temperatura máxima) e TXx (maior temperatura máxima).

Além das correlações entre os índices e as anomalias da TSM, também foram

analisadas as correlações entre os índices e a DPO (oscilação decadal do Pacífico), e entre os

índices e a OMA (oscilação multidecadal do Atlântico).

67

Figura 6.21 Regiões do El Niño e Atlânticos Norte e Sul

Fonte: UACA/UFCG Disponível no endereço: <http://www.dca.ufcg.edu.br/tsm.htm>

Como mostrado no Capítulo 5 Material e Métodos Seção 5.2.3, o cálculo das

correlações, r, foi feito pelo método dos mínimos quadrado. Para saber se a correlação era

estatisticamente significativa usou-se o teste t-student.

Todas as tabelas apresentando os valores de r obtidos através dos cálculos realizados

podem ser encontradas no Apêndice C, e os valores utilizados para as anomalias do Pacífico e

Atlântico estão no Apêndice D.

Das correlações obtidas, observou-se que o índice TNn é fortemente correlacionado

com todas as anomalias da TSM de todas as áreas dos Niño, que serão chamadas de Niño

daqui por diante. Na latitude de 10°S, essa correlação continua existindo, mas a confiança

estatística vai diminuindo, já que em algumas células da latitude de 15°S essa confiabilidade

chega a menos de 90%.

Na latitude de 5°N, TXx é fracamente correlacionado com Niño, enquanto TXn

apresenta uma correlação com mais de 90% de confiabilidade com as anomalias de Nino 3,

Niño 3.4 e Niño 4. Nas células seguintes, o que se pode notar é que, na latitude de 0°, quanto

mais a oeste a célula está, menor a confiabilidade da correlação entre ela e Niño, isto valendo

tanto para TXn, quanto para TXx, exceto pela célula em 0° 60°W, em que a correlação de

TXn com Niño apresenta alguma confiabilidade. O que se observa é que à medida em que

TXx e TXn vão deixando de se correlacionar fortemente com Niño, eles passam a se

correlacionar melhor com a DPO, com a OMA e com Alt_N, mostrando que quanto mais ao

sul uma célula está, melhor correlacionada com o Atlântico ela fica. Da mesma forma, quanto

68

mais ao norte uma célula está, melhor correlacionada com o Niño. A anomalia Alt_S está

sempre melhor correlacionada com os índices pluviométricos.

TNx parece estar melhor correlacionado com DPO e com as anomalias do Atlântico

que com as anomalias dos Niño. O índice DTR praticamente não possui qualquer correlação

com as anomalias do Niño.

Os índices SDII e PRCPTOT, de uma maneira geral, apresentam uma fraca correlação

com as anomalias dos Niños, entretanto, ainda é possível verificar células com alguma forte

correlação com El Nino, mas pode-se concluir que as regiões do El Niño apresentaram uma

fraca influência sobre a precipitação total da região estudada, bem como teve pouca

correlação com as intensidade simples de chuvas diárias durante o período no período

estudado. Uma outra observação é que as precipitações das áreas mais ao norte estão melhor

correlacionadas com as anomalias dos Niño que com as do Atlântico, porém a medida que se

desloca mais para o sul as correlações se invertem, pois verifica-se uma melhor correlação

com as anomalias do Atlântico. Este tipo de configuração de correlação já tinha sido

observado por outros pesquisadores, como por, exemplo, Uvo e Nobre (1989). A anomalia com fortes correlações mais freqüentes com SDII é a Alt_S, mostrando

que este índice é bem afetado pelas variabilidade da TSM do Atlântico Sul. Portanto, um

aumento da TSM do Atlântico Sul leva a produção de chuvas mais intensa, enquanto uma

diminuição da TSM leva a um decaimento da intensidade da chuvas. Isto ocorre porque um

aumento da TSM levará a um aumento da evaporação, e o vapor d‘água excedente é

transportado para o Continente.

A PRCPTOT é bem influenciada pela DPO e pelas anomalias do Atlântico e na grande

maioria dos casos, trata-se de uma correlação negativa. O índice DPO refere-se a oscilação

decadal do Pacífico Norte. Quando o índice está mais elevado há um aumento das TSM do

Pacífico Norte e isto leva a uma diminuição das chuvas sobre o Atlântico e regiões adjacente

devido a subsidência de grande escala.

Tratando-se do índice DPO, percebe-se que suas correlações são quase todas negativas

nas latitudes de 10°S e de 15°S. R10mm, R20mm e R95p apresentam um padrão bem variado,

ora estando correlacionados fortemente com El Niño, ora com as oscilações do Atlântico.

Ainda vale ressaltar que essas correlações variam de positiva para negativa sem

aparentemente seguir qualquer padrão.

Os índices CDD e CWD não apresentam nenhum padrão fixo em suas correlações,

mas o que se nota é que CDD está bem correlacionado com DPO e sempre negativamente.

69

CWD é um dos índices com correlações mais variadas, assim entende-se que os efeitos das

anomalias são bem específicos em cada célula quando se considera este índice.

De maneira geral observou-se que a maioria dos índices de extremos climáticos foram

bem correlacionados com os índices DPO e OMA. Portanto, a Oscilação Decadal do Pacífico

e a Oscilação Multidecadal do Atlântico tem influencia sobre os extremo climático da parte

norte do Brasil. Como estas são oscilações em escala de tempo muito grande (década), esta

dependência necessita passar por uma investigação mais detalhada.

70

7 CONCLUSÃO

Visando entender melhor a climatologia da porção do Brasil localizada acima da

latitude de 18,75°S, este trabalho se propôs a utilizar índices de mudanças climáticas para

fazer uma análise estatística da temperatura e da precipitação pluvial ao longo de quarenta e

um (41) anos de dados disponíveis.

Tomando por base os resultados obtidos, as conclusões mais contundentes foram:

(I) Houve aumento de todos os índices de precipitação em quase toda a área de

estudo, exceto no extremo nordeste da Região Nordeste, no Estado do Mato

Grosso e no centro sul do Pará, do que se pode concluir que as mudanças são

devidas a fatores globais e locais; e que os fatores locais, como desmatamento

e construção de cidades, podem ser determinantes para ocorrência de

mudanças climáticas. (*** um dos membros da banca pediu que fossem

citados alguns exemplos de fatores locais)

(II) Os índices CDD e CWD apresentaram tendências negativas, logo o número de

dias secos consecutivos e dias úmidos consecutivos diminuiu ao longo da série

de dados, do que se conclui que vem ocorrendo um maior aumento na

freqüência de dias secos seguidos de dias úmidos e vice-versa.

(III) Os dias extremamente chuvosos apresentaram um aumento de ocorrências,

principalmente no norte da Região Norte; nos Estados do Maranhão e Piauí,

provavelmente devido à atuação da ZCIT; e também houve aumento no estado

de Goiás, possivelmente relacionado com a ZCAS.

(IV) Ocorreu aumento no número de dias com temperatura máxima mais elevada e

houve diminuição na quantidade de dias apresentando as menores

temperaturas, porém para a maioria dos demais índices de temperatura, o que

se verificou foi uma diminuição, ou seja, uma queda na temperatura, o que

mostra que estes índices necessitam de uma investigação mais profunda, para

que se obtenha conclusões mais confiáveis.

(V) Os índices de precipitação estão melhor correlacionados com a DPO, a OMA e

com as anomalias do Atlânticos Norte e do Atlântico Sul. A DPO e a OMA

apresentaram muito boa correlação com quase todos os índices em quase todas

as células.

(VI) Os índices de temperatura estão melhor correlacionados com as anomalias

relativas às regiões do El Niño nas latitudes mais baixas, mas quanto mais ao

71

sul estão localizadas as células, mais fraca essa correlação fica, e então surge

uma melhor correlação com as anomalias do Atlântico Norte, DPO e OMA.

(VII) Observou-se uma boa relação entre as mudanças indicadas pelos índices com o

desmatamento, em especial na região do Mato Grosso e Sul do Pará.

Por fim, conclui-se que mudanças climáticas são observadas nas três regiões

brasileiras estudadas: Norte, Nordeste e Centro-Oeste.

72

8 SUGESTÕES

Os seguintes tópicos ficam sugeridos para futuros estudos:

A investigação dos índices de temperatura utilizando a temperatura mensal, e não

apenas a anual, produziria uma melhor explicação de tais índices.

Uma outra sugestão ainda relativa ao tratamento de temperaturas é a de gerar os

gráficos e valores de tendência utilizando todas as temperaturas máximas e mínimas diárias e

não apenas os valores extremos.

Tratando-se das correlações dos índices com as anomalias, seria proveitoso pesquisar a

influência da DPO e da OMA sobre a precipitação e a temperatura, tendo em vista que esses

índices apresentaram excelentes correlações com as células aqui estudas. Seria interessante

também que esse estudo usasse uma quantidade maior de dados, atingindo uma quantidade

bem maior de anos, tendo em vista que a DPO e a OMA apresentam ciclos com longas

durações.

Para obter uma visão mais completa da climatologia local, torna-se interessante

ampliar este estudo aqui realizado para toda a área do Brasil e também para toda a América do

Sul. Como os sistemas sinóticos que chegam no Brasil influenciam o Continente inteiro, os

resultados da atuação deles em toda a América do Sul trariam uma compreensão completa de

como cada um deles molda a climatologia do Continente.

73

9 CONSIDERAÇÕES FINAIS

Como ainda não há um total conhecimento sobre a climatologia do Brasil e dos

eventos meteorológicos que geram as chuvas e que alteram as temperaturas de toda essa

região, torna-se importante realizar estudos diagnósticos que alcancem toda essa área,

permitindo que uma melhor compreensão seja obtida sobre o comportamento do clima e das

variáveis meteorológicas que atuam sobre esta região, o que possibilitará que no futuro sejam

feitos melhores estudos prognósticos sobre esta área.

Os modelos numéricos realizam o nobre esforço de tentar representar as características

físicas da atmosferas na tentativa de gerar previsões mais confiáveis com base nas

informações que possuem, por isso é de suma importância conhecer bem como se comporta o

clima, para que os modelos consigam prever situações mais próximas das observadas, dessa

forma surge a importância de também realizar estudos comparativos entre os dados

diagnosticados e os prognosticados via modelagem numérica.

O estudo aqui presente serve como base diagnóstica científica e estatística da

climatologia de toda a porção do Brasil localizada acima de 18,75°S e o que se espera é que

ele possa ajudar numa melhor compreensão da climatologia brasileira, já que ele apresenta

resultados relativos a índices de mudanças climáticas e às correlações com anomalias que

atingem todo o país.

74

10 REFERÊNCIAS BIBLIOGRÁFICAS

AB‘SABER, A. N. O domínio morfoclimático amazônico. São Paulo: IGEOG/USP, 1966.

ALVES, L. M. Clima da Região Centro-Oeste do Brasil. In: CAVALCANTI, I. F. A.;

FERREIRA, N. J.; SILVA, M. G. A. J.; DIAS, M. A. F. S. (Eds.) Tempo e Clima no Brasil.

São Paulo; Oficina de Textos. cap. 15. p. 235 - 241, 2009.

AMBRIZZI, T.; ROCHA, R.; MARENGO, J. A.; PISNITCHENKO, A. I.; ALVES, L.;

FERNANDEZ, J. P. Cenários regionalizados de clima no Brasil para o século XXI:

Projeções de climas usando três modelos regionais. Relatório n. 3, MINISTÉRIO DO

MEIO AMBIENTE – MMA, SECRETARIA DE BIODIVERSIDADE E FLORESTAS –

SBF, DIRETORIA DE CONSERVAÇÃO DA BIODIVERSIDADE – DCBio. Mudanças

Climáticas Globais e Efeitos sobre a Biodiversidade – Subprojeto: Caracterização do clima

atual e definição das alterações climáticas para o território brasileiro ao longo do século XXI.

Brasília, fev. 2007.

ASNANI, C.G. Tropical Meteorology, Chapter 8, Easterly Waves, Indian Institute of

Tropical Meteorology. 1992.

ARAÚJO, W. S. Detecção de Tendências de Mudanças Climáticas para os Estados da

Bahia e Sergipe por meio de Índices Pluviométricos Diários. 2009, 162 p., Dissertação

(Mestrado em Meteorologia), Universidade Federal de Campina Grande, Campina Grande,

2009.

BERGER, A.; LOUTRE, M. F. Modelling the 100-kyr cycle — an example from LLN

EMICs, Developments in Quaternary Sciences, v. 7, p. 37-44, 2007.

BERGER, A.; LOUTRE, M. F. An exceptionally long interglacial ahead? Science, v. 297, n.

5585, p. 1287-1288, 2002.

CARVALHO, L. M. V.; JONES, C. Zona de Convergência do Atlântico Sul. In:

CAVALCANTI, I. F. A.; FERREIRA, N. J.; SILVA, M. G. A. J.; DIAS, M. A. F. S. (Eds.)

Tempo e Clima no Brasil. São Paulo; Oficina de Textos. cap. 6. p. 96 - 109, 2009.

75

CAVALCANTI, I. F. A. Um estudo sobre interações sobre sistemas de circulação de

escala sinótica e circulações locais. 1982. 113f (INPE-2494-TDL/097). Dissertação

(Mestrado em Meteorologia) – INPE, São José dos Campos, 1982.

Centro de Previsão do Tempo e Estudo Climático (CPTEC) do Instituto Nacional de

Pesquisas Espaciais (INPE). Projeto PNUD – Projeções de Cenários Climáticos: Índices.

Disponível em http://pnud.cptec.inpe.br/pnud_ie.html, acessado em 10 de maio de 2010.

CAVALCANTI, I. F. A.; KOUSKY, V. E. Frentes frias sobre o Brasil. In:



CRAWFORD, R. J. M., W. R. SIEGFRIED, L. V. SHANNON, C. VILLACASTING-

HERRORO. Environmental influences on marine biota of Southern Africa. S. Afr. Journal

Science, n. 86, p. 330-339, 1990.

CHUNG, J. C. Correlations between the tropical Atlantic trade winds and precipitation in

Notheastern Brazil. Journal of Climatology of Northeast Brazil. Journal of climatology, n.2,

p. 35-46, 1982.

COHEN, J.; CAVALCANTI, I. F. A.; BRAGA, R. H. M.; NETO, L. S. Linhas de

Instabilidade na Costa N – NE da América do Sul. In: CAVALCANTI, I. F. A.;

FERREIRA, N. J.; SILVA, M. G. A. J.; DIAS, M. A. F. S. (Eds.) Tempo e Clima no Brasil.

São Paulo; Oficina de Textos. cap. 5. p. 75 - 93, 2009.

COHEN, J. C. P.; SILVA DIAS, M. A. F.; NOBRE C. A. Aspectos climatológicos das linhas

de instabilidade na Amazônia. Climanálise, v. 4, n. 11, p. 34-40, 1989.

EEROLA, T.Climate changes at the Neoproterozoic-Cambriam transition. In: Zhuravlev,

and Riding, R. (Eds.) The Ecology of the Cambrian Radiation. Columbia University Press,

New York, 2001a, p. 90-106.

http://pnud.cptec.inpe.br/pnud_ie.html

76

FRICH, P.; ALEXANDER, L. V.; DELLA-MART, A. P.; GLEASON, B.; HAYLOCK, M.;

KLEIN TANK, A. M. G.; PETERSON, T. Observed coherent changes in climatic extremes

during the second half of the twentieth century. Climate Research, v. 19, p. 193–212, 2002.

GRECO, S.; SWAP, R.; GARSTANG, M.; ULANSKI, S.; SHIPHAM, M.; HARRIS, R. C. et

al. Rainfall and surface kinematic conditions over central Amazonia ABLE 2B. Journal.

Geophysics Resources, v. 95-D10, p. 17001-17014, 1990.

GOWDAK, D; MARTINS, E. Meio Ambiente. São Paulo: FTD, 2003. (Coleção Novo.

Pensar n.5).

GUTMAN, G. J.; SCHWERDTFEGER, W. The role of latent and sensible heat for the

development of a high pressure system over the subtropical Andes, in Summer. Journal Heft,

v.18, n.3, 1965.

HARTMANN, D. L., Global Physical Climatology. California: Academic Press, 1994, 411p.

HASTENRATH, S. Predictability of Northeast Brazil Drought. Nature, n.307, p.531-533,

1984.

HAYLOCK, M.R.; PETERSON, T.C.; ALVES, L.M.; AMBRIZZI, T.; ANUNCIAÇÃO,

Y.M.T.; BAEZ, J.; BARROS, V.R.; BERLATO, M.A.; BIDEGAIN, M.; CORONEL, G.;

GARCIA, V.J.; GRIMM, A.M.; KAROLY, D.; MARENGO, J.A.; MARINO, M.B.;

MONCUNILL, D.F.; NECHET, D.; QUINTANA, J.; REBELLO, E.; RUSTICUCCI, M:;

SANTOS, J.L.; TREBEJO, I.; VINCENT, L.A. Trends in total and extreme South American

rainfall 1960–2000 and links with sea surface temperature. Journal of Climate v.19, p.

1490–1512. 2006.

IPCC. Climate change 2001. working group II: Impacts, adaptations and vulnerability.

Disponível em: <http://www.grida.no/climate/ipcc_tar/wg2/pdf/wg2TARchap5.pdf >Acesso

em: 08 Jul. 2010.

IPCC. Climate Change 2007 – The Physical Science Basis. Contribution of Working Group

I to the Fourth Assessment Report of the IPCC. Cambridge: Cambridge University Press,

2007

http://www.grida.no/climate/ipcc_tar/wg2/pdf/wg2TARchap5.pdf

77

KALNAY, E.; CAI, M. Impact of urbanization and land-use change on climate. Nature,

v.423, n.47, p.528-531, 2003.

KAYANO, M. T.; ANDREOLI, R. V. Clima da Região Nordeste do Brasil. In:



KOUSKY, V.E.; GAN, M.A. Upper tropospheric cyclonic vortices in the tropical South

Atlantic. Tellus, v. 36, n. 6, p. 538-551, 1981.

KOUSKY, V. E. Diurnal rainfall variation in the Northeast Brazil. Monthly Weather

Review, v. 108, p. 488-180, 1980.

KOUSKY, V. E. Frontal influences on Northeast Brazil. Monthly Weather Review, v.107,

p. 1140-1153, 1979.

LENTERS, J. D.; COOK, K. H. On the origin of the Bolivian high and related circulation

features of South American climate. Journal of the Atmospheric Sciences, v.54, p.656-677,

1997.

LIMA, C. M. e RAO, V. B.: Estudo de Casos Extremos (secas/enchentes) no leste da Região

Nordeste do Brasil. Anuais do VIII Congresso Brasileiro de Meteorologia, n. 2, p. 46-48,

1994.

MACHADO, L. A. T.; FERREIRA, N. J.; LAURENT, H.; DIEDHIOU, A. Distúrbios

Ondulatórios de Leste. In: CAVALCANTI, I. F. A.; FERREIRA, N. J.; SILVA, M. G. A. J.;

DIAS, M. A. F. S. (Eds.) Tempo e Clima no Brasil. São Paulo; Oficina de Textos. cap. 4. p.

61 - 74, 2009.

MARENGO, J. A,; NOBRE, C. A. Clima da Região Amazônica. In: CAVALCANTI, I. F.

A.; FERREIRA, N. J.; SILVA, M. G. A. J.; DIAS, M. A. F. S. (Eds.) Tempo e Clima no

Brasil. São Paulo; Oficina de Textos. cap. 13. p. 197 - 121, 2009.

78

MARENGO, J. A. et al. Mudanças climáticas globais e seus efeitos sobre a biodiversidade

– Caracterização do clima atual e definição das alterações climáticas para o territórios

brasileiro ao longo do séculoXXI. 2. Ed. Brasília: Ministério do Meio Ambiente, 2007. v. 1.

p. 214.

MARENGO, J. A.; NOBRE, C. A. The hydroclimatological framework in Amazônia. In:

RICHEY, J. E; McCLAIN, M. E.; VICTORIA, R. L. (Eds.). Biogeochemistry of Amazonia.

Oxford: Oxford University Press, 2001. p. 17-42.

MELLO, A. B. C., CAVALCANTI, I. F. A., SOUZA, P. P. Zona de Convergência

Intertropical do Atlântico. In: CAVALCANTI, I. F. A.; FERREIRA, N. J.; SILVA, M. G.

A. J.; DIAS, M. A. F. S. (Eds.) Tempo e Clima no Brasil. São Paulo; Oficina de Textos. cap.

2. p. 25 - 41, 2009.

MERRITS, D., De Wet, A. & MENKING, K. 1997. Environmental geology. An Earth

system science approach. New York: W.H. Freeman and Company, p. 452, 1997.

MOURA, A. D. AND SHUKLA, J. On the dynamics of droughts in the northeast Brazil:

Observation, theory, and numerical experiments with a general circulation model. Journal of

the Atmospheric Sciences v.38, p. 2653-2675, 1981.

MURCK, B.W., Skinner, B. & Porter, S.C. 1996. Environmental geology. New York: John

Wiley & Sons, Inc., p. 535, 1996.

NEIVA, E. J. F. Na investigation of wave-type disturbances over the Tropical South

Atlantic. 1975 Dissertação (Mestrado em Meteorologia) – Naval Post Graduate School,

Monterrey, California, USA, 1975.

NIMER, E. Climatologia no Brasil, 2. Ed. Rio de Janeiro: Fundação IBGE, 1989.

OBREGÓN, G.; MARENGO, J. Caracterização do clima do século XX no Brasil:

Tendências de chuvas e temperaturas médias e extremas. Relatório n. 2, MINISTÉRIO

DO MEIO AMBIENTE – MMA, SECRETARIA DE BIODIVERSIDADE E FLORESTAS –

SBF, DIRETORIA DE CONSERVAÇÃO DA BIODIVERSIDADE – DCBio. Mudanças

79

Climáticas Globais e Efeitos sobre a Biodiversidade – Subprojeto: Caracterização do clima

atual e definição das alterações climáticas para o território brasileiro ao longo do século XXI.

Brasília, fev. 2007.

OLIVEIRA, A. S. Interações entre sistemas frontais na América do Sul e convecções

sobre a Amazônia. Tec. Rep. INPE-4008-TDL/239, 115f., São José dos Campos – SP, 1989.

PALMER, C. E. On high-level cyclones originating in the tropics. Transaction of America

Geophysics Union, n.32, p.683-695, 1951.

PEZZI, L. P.; SOUZA, R. B.; Variabilidade de mesoescala e interação oceano-atmosfera

no Atlântico Sudoeste. In: CAVALCANTI, I. F. A.; FERREIRA, N. J.; SILVA, M. G. A. J.;

DIAS, M. A. F. S. (Eds.) Tempo e Clima no Brasil. São Paulo; Oficina de Textos. cap. 24. p.

385 - 405, 2009.

QIAN, W., LIN, X. Regional trends in recent precipitation indices in China. Meteorology

and Atmospheric Physics, v. 90, p. 193-207, 2005.

SALATI, E; SANTOS, A. A. dos; NOBRE, C. As mudanças climáticas globais e seus

efeitos nos ecossistemas brasileiros. Disponível em:

<www.comciencia.br/reportagens/clima/clima14.htm> Acesso em: 12 Jun. 2010.

SALATI, E; MARQUES, J. Climatology of the Amazon region. In: SIOLI, H. (Ed.) The

Amazon: limnology and landscape ecology of a mighty tropical river and its basin.

Dordrecht: Dr. W. Junk Publishers, 1984.

SANTOS, C. A. C.; NEALE, C. M. U.; RAO, T. V. R.; SILVA, B. B. Trends in indices for

extremes in daily temperature and precipitation over Utah, USA. International Journal of

Climatology, 2010.

SANTOS C.A.C; BRITO, J.I.B. Análise dos índices de extremos para o semi-árido do Brasil

e suas relações com TSM e IVDN. Revista Brasileira de Meteorologia v. 22, p. 303–312,

2007.

http://www.comciencia.br/reportagens/clima/clima14.htm

80

SENTELHAS, P. C., PEREIRA A. R., ANGELOCCI, L. R. Meteorologia agrícola, 3ª

edição, Piracicaba: Escola Superior de Agricultura Luiz de Queiroz, 2000.

SERRA, A. L.; RATISBONA, L. R. As massas de ar da América do Sul. Rio de Janeiro:

Ministério da Agricultura, Serviço de Meteorologia, 1942.

SERVAIN J. Simple climatic indices for the tropical Atlantic ocean and some applications.

Journal Geophysics Resources, n. 96, p.15137-14146, 1991.

SERVAIN, J., I. WAINER, A. DESSIER AND J. MCCREARY. Relationship between El

Niño and Dipole-like modes of climatic variability in the tropical Atlantic. Geophysics

Resources Letters, p.485-488, 1999.

SERVAIN, J.; WAINER, I., AYINA L. H. AND H. ROQUET. The Relationship between the

Simulated Climatic Variability Modes of the Tropical Atlantic. International Journal

Climatology, n. 20, p. 939-953, 2000.

SERVAIN, J.; CLAUZET, G., WAINER, I. Modes of tropical Atlantic climate variability

observed by PIRATA. Geophysics Resources Letters, n. 104, p. 16259-16276, 2003.

SILVA, J.G.R. Ciclos orbitais ou ciclos de Milankovitch. Textos de Glossário Geológico

Ilustrado, 2007. (http://www.unb.br/ig/glossario/).

SILVA DIAS, P.; MARENGO, J. A. Águas atmosféricas. In: REBOUÇAS, A. C.; BRAGA

Jr., B; TUNDISI, J. G. (Eds.). Águas Doces no Brasil – Capital ecológico, usos múltiplos,

exploração racional e conservação. São Paulo: IEA/USP, 1999, p. 65-116.

SKINNER, B.J.; PORTER, S. C., The dynamic Earth. An introduction to physical

geology. Fourth edition. New York: John Wiley & Sons, Inc., p. 112, 2000.

STRETEN, N. A. Some characteristics of satellite observed bands of persistent cloudiness

over the Southern Hemisphere. Monthly Weather Review, v. 101, p. 486-495, 1973.

81

SUBAK, S., PALUTIKOF, J. P., AGNEW, M. D., WATSON, S. J., BENTHAM, C. G.,

CANNELL, M. G. R., HULME, M., McNALLY, S., THORNES, J. E., WAUGHRAY, D.,

WOODS, J. C. The impact of the anomalous weather of 1995 on the UK economy. Climatic

Change, v. 44, p. 1-26, 2000.

TALJAARD, J. J. Topics: synoptic meteorology of the Southern Hemisphere. Meteorological

Monographs, v.13, n. 35, p. 129-213, 1972.

THOMAS, C. D.; CAMERON, A.; GREEN, R. E.; BAKKENES, M.; BEAUMONT, L. J.;

COLLINGHAM, C. Y.; ERASMUS, B. F. N.; SIQUEIRA, M. F. de; GRAINGER, A.;

HANNAH, L.; HIGHES, L.; HUNTLEY, B.; JAARSVELD, A. S. van; MIDGLEY, G. F.;

MILLES, L; ORTEGA-HUERTA, M. A.; PETERSON, T. A.; PHILLIPS, L. O.; WILLIANS,

S. E. Extinction risk from climate change. Nature, v. 427, p. 145-148, 2004.

UPPALA, S.M. et al. The ERA-40 re-analysis. Quaternary Journal Royal Meteorological

Society, v.131, p. 2961-3012, 2005.

UVO, C. R. B. Influence of sea surface temperature on rainfall and runoff in

Notheastern South America: analysis and modeling. PhD Thesis, Lund University, Sweden,

1998. 78p.

UVO, C. R. B.; NOBRE, C. A. A Zona de Convergência Intertropical (ZCIT) e a precipitação

no norte do Nordeste do Brasil. Parte I: A Posição da ZCIT no Atlântico Equatorial.

Climanalise, v. 4, n. 07, p. 34 – 40, 1989a.

UVO, C. R. B.; NOBRE, C. A. A Zona de Convergência Intertropical (ZCIT) e a Precipitação

no norte do Nordeste do Brasil. Parte II: A Influência dos ventos e TSM do Atlântico

Tropical. Climanalise, v. 4, v. 10, p. 39 – 48, 1989b.

VINCENT, L. A.; PETERSON, T. .C; BARROS, V. R.; MARINO, M. B.; RUSTICUCCI,

M.; CARRASCO, G.; RAMIREZ, E.; ALVES, L. M.; AMBRIZZI, T.; BERLATO, M. A.;

GRIMM, A. M.; MARENGO, J. A.; MOLION, L.; MONCUNNILL, D. F.; REBELLO, E.;

ANUNCIAÇÃO, Y. M. T.; QUINTANA, J.; SANTOS, J. L.; BAEZ, J., CORONEL, G.;

GARCIA, J.; TREBEJO, I.; BIDEGAIN, M.; HAYLOCK, M. R.; KAROLY, D. Observed

82

trends in indices of daily temperature extremes in South America 1960–2000. Journal of

Climate 18: 5011–5023. 2005.

VIRGI, H. A preliminary study of summertime tropospheric circulation patterns over South

America estimated from cloud winds. Monthly Weather Review, v. 109, p. 599-610, 1981.

WAGNER, R. G., and A. DA SILVA. Surface Conditions associated with anomalous rainfall

in the Guinea coastal region. International Journal Climatology, n. 14, p. 179-199, 1994.

WAINER, I. and SOARES, J. North northeast rainfall and its decadal-scale relationship to

wind stress and sea surface temperature. Geophysics Resources Letters, v.24, n.3, p.277-

280, 1997.

YAMAZAKI, Y. Estudos teóricos e sinóticos dos distúrbios tropicais. 1975. 56f.

Dissertação (Mestrado em Meteorologia) – INPE, São José dos Campos, 1975. Disponível

em: http://urlib.net/sid.inpe.br/iris@1913/2005/04.19.17.13 Acesso em: 09 jul. 2010.

YAMAZAKI, Y.; RAO, V. B. Tropical Cloudiness over South Atlantic Ocean. Journal of

the Meteorological Society of Japan, v.55, n. 2, p. 205-207, 1977.

YOUNG, G.M. The geologic record of glaciation: relevance to the climatic history of

Earth. Geoscience Canada 18, 100-106. 1991.

YUSNARI, T. Stationary waves in the Southern Hemisphere mid-latitude zone reveled from

average brightness charts. Journal of the Meteorological Society of Japan, v. 55, p. 274-

285, 1977.

ZEBIAK, S. E. Air-sea interaction in the equatorial Atlantic region. Journal of Climate, n. 6,

p. 1567-1586, 1993.

ZHANG, X.; YANG, F. 2004. RClimDex (1.0) User Guide. Climate Research Branch

Environment Canada: Downsview, Ontario, Canada.

http://urlib.net/sid.inpe.br/iris@1913/2005/04.19.17.13

83

APÊNDICES

APÊNDICE A: Células que cobrem a área de estudo

5°N 60°W

2,5°N 2,5°N 2,5°N 2,5°N 2,5°N 2,5°N 2,5°N

65°W 62,5°W 60°W 57,5°W 55°W 52,5° 50°W

0° 0° 0° 0° 0° 0° 0° 0° 0°

70°W 67,5°W 65°W 62,5°W 60°W 57,5°W 55°W 52,5° 50°W

2,5°S 2,5°S 2,5°S 2,5°S 2,5°S 2,5°S 2,5°S 2,5°S 2,5°S 2,5°S 2,5°S

70°W 67,5°W 65°W 62,5°W 60°W 57,5°W 55°W 52,5° 50°W 47,5°W 45°W

5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S 5°S

72,5°W 70°W 67,5°W 65°W 62,5°W 60°W 57,5°W 55°W 52,5° 50°W 47,5°W 45°W 42,5°W 40°W 37,5°W

7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S 7,5°S

72,5°W 70°W 67,5°W 65°W 62,5°W 60°W 57,5°W 55°W 52,5° 50°W 47,5°W 45°W 42,5°W 40°W 37,5°W 35°W

10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S 10°S

72,5°W 70°W 67,5°W 65°W 62,5°W 60°W 57,5°W 55°W 52,5° 50°W 47,5°W 45°W 42,5°W 40°W 37,5°W

12,5° 12,5° 12,5° 12,5° 12,5° 12,5° 12,5° 12,5° 12,5° 12,5° 12,5° 12,5°

65°W 62,5°W 60°W 57,5°W 55°W 52,5° 50°W 47,5°W 45°W 42,5°W 40°W 37,5°W

15° 15° 15° 15° 15° 15° 15° 15° 15°

60°W 57,5°W 55°W 52,5° 50°W 47,5°W 45°W 42,5°W 40°W

17,5° 17,5° 17,5° 17,5° 17,5° 17,5° 17,5° 17,5° 17,5°

60°W 57,5°W 55°W 52,5° 50°W 47,5°W 45°W 42,5°W 40°W

Figura 11.1 – Figura ilustrativa das células usadas neste estudo

84

APÊNDICE B: Valores dos Índices de Mudanças Climáticas do ETCCDMI

Tabela B1: Índices Pluviométricos

Lat Lon CDD CWD PRCPTOT R10mm R20mm R95p R99p Rnnmm RX1dia RX5dia SDII

5 -60 Tend. -0,034 -0,199 2,029 -0,006 0,006 0,29 0,498 0 0,048 -0,513 0,005

Val. p 0,693 0,413 0,618 0,973 0,91 0,919 0,79 0,988 0,889 0,327 0,68

2,5 -50 Tend. -0,21 1,319 33,073 1,523 0,58 16,881 -0,245 0,112 0,599 1,339 0,066

Val. p 0,002 0,01 0,004 0 0,004 0,125 0,973 0,19 0,354 0,526 0,032

2,5 -52,5 Tend. -0,208 0,02 18,803 0,893 0,205 9,853 5,967 0,051 0,325 0,578 0,048

Val. p 0,047 0,95 0,001 0 0,016 0,029 0,027 0,103 0,51 0,57 0,004

2,5 -55 Tend. -0,019 0,237 9,777 0,305 0,237 10,113 6,309 0,068 0,878 1,634 0,033

Val. p 0,805 0,334 0,173 0,33 0,007 0,015 0,01 0,003 0,032 0,017 0,09

2,5 -57,5 Tend. 0,096 0,184 12,82 0,9 0,45 21,456 9,831 0,086 0,737 1,585 0,049

Val. p 0,606 0,693 0,316 0,039 0,004 0,006 0,027 0,028 0,129 0,048 0,108

2,5 -60 Tend. -0,835 -0,376 15,906 0,815 0,299 14,763 6,642 0,024 0,782 1,218 0,056

Val. p 0,068 0,092 0,021 0 0,001 0 0,003 0,043 0,014 0,019 0,003

2,5 -62,5 Tend. -1,299 0,286 19,203 0,479 0,081 6,573 2,737 0,01 0,584 0,791 0,027

Val. p 0 0,081 0 0 0,001 0 0,001 0,096 0,014 0,017 0

2,5 -65 Tend. -0,464 -1,035 18,295 0,517 0,444 18,156 6,946 0,113 1,79 2,258 0,058

Val. p 0,032 0,002 0,006 0,013 0 0 0,01 0,001 0,001 0,033 0,001

0 -50 Tend. -0,505 1,22 37,75 1,646 0,544 17,692 4,326 0,063 0,27 1,481 0,081

Val. p 0 0,037 0 0 0,003 0,027 0,271 0,281 0,547 0,178 0,001

0 -52,5 Tend. -0,697 0,187 21,862 0,969 0,253 11,125 3,437 0,026 0,657 0,834 0,045

Val. p 0 0,572 0 0 0,002 0,002 0,066 0,146 0,067 0,152 0,002

0 -55 Tend. -0,529 0,143 25,348 0,938 0,367 17,937 9,585 0,087 1,585 3,525 0,063

Val. p 0,003 0,59 0,001 0 0 0 0 0 0 0 0

0 -57,5 Tend. -0,223 0,116 38,19 1,638 0,61 29,127 14,272 0,42 1,397 3,336 0,096

Val. p 0,439 0,691 0,004 0 0 0,001 0,006 0,001 0,001 0 0

0 -60 Tend. -0,465 0,463 35,151 1,414 0,403 22,369 10,329 0,058 1,225 2,27 0,082

Val. p 0,059 0,243 0,001 0 0 0 0,006 0,037 0 0,003 0

0 -62,5 Tend. -0,895 0,83 27,514 0,898 0,193 11,199 5,565 0,031 0,762 1,43 0,043

Val. p 0 0,051 0 0 0 0 0 0,015 0,04 0,005 0

0 -65 Tend. -0,338 -0,783 12,504 0,398 0,148 7,649 4,023 0,026 0,433 0,864 0,021

Val. p 0,006 0,161 0,032 0,099 0,011 0,013 0,023 0,068 0,264 0,138 0,075

0 -67,5 Tend. -0,215 -1 18,653 0,521 0,361 18,521 9,427 0,089 1,467 2,502 0,046

Val. p 0,009 0,059 0,006 0,092 0 0 0 0 0,002 0 0,004

0 -70 Tend. -0,357 -1,236 16,48 0,606 0,271 13,145 7,384 0,051 1,663 2,682 0,04

Val. p 0,006 0,001 0,01 0,034 0 0,001 0,001 0,016 0,001 0,001 0,008

-2,5 -45 Tend. -0,684 1,341 60,226 1,841 0,884 37,305 17,377 0,293 2,036 5,479 0,152

Val. p 0,003 0,001 0 0 0 0 0 0 0 0 0

-2,5 -47,5 Tend. -0,822 0,129 60,834 2,141 0,864 30,989 11,641 0,213 1,886 3,776 0,12

Val. p 0 0,716 0 0 0 0 0,002 0,001 0 0 0

-2,5 -50 Tend. -0,384 -0,192 25,432 1,043 0,197 2,362 0,097 0,001 0,412 0,452 0,031

Val. p 0,001 0,453 0,065 0,027 0,395 0,792 0,981 0,992 0,384 0,579 0,346

-2,5 -52,5 Tend. -0,373 -0,278 7,538 0,308 0,062 1,814 -1,392 -0,027 0,38 0,816 0,002

Val. p 0,001 0,56 0,37 0,387 0,625 0,738 0,611 0,431 0,357 0,217 0,91

-2,5 -55 Tend. -0,668 0,13 12,886 0,462 0,155 8,618 4,227 0,028 0,678 1,086 0,02

Val. p 0,001 0,707 0,02 0,035 0,017 0,007 0,01 0,011 0,017 0,03 0,111

-2,5 -57,5 Tend. -0,806 -0,58 11,13 0,261 0,159 7,411 5,614 0,027 0,769 0,89 -0,002

Val. p 0 0,106 0,006 0,113 0,001 0,003 0,001 0,024 0,011 0,034 0,815

85

Continuação da Tabela B1


-2,5 -60 Tend. -0,51 0,428 27,34 1,069 0,295 17,452 9,372 0,035 1,239 2,082 0,058

Val. p 0 0,36 0,001 0,003 0,002 0,001 0,002 0,017 0 0 0,002

-2,5 -62,5 Tend. -0,293 -0,1 17,032 0,595 0,132 7,327 3,359 0,017 0,334 0,851 0,025

Val. p 0 0,832 0,009 0,032 0,024 0,022 0,091 0,255 0,421 0,127 0,062

-2,5 -65 Tend. -0,235 -1,39 17,411 0,674 0,181 9,841 4,361 0,029 0,884 1,281 0,034

Val. p 0,004 0,045 0,025 0,078 0,027 0,04 0,132 0,217 0,086 0,09 0,073

-2,5 -67,5 Tend. -0,293 -0,562 36,064 1,467 0,394 21,12 8,464 0,098 1,901 3,051 0,079

Val. p 0 0,275 0,001 0 0,005 0,007 0,087 0,084 0,004 0,007 0,003

-2,5 -70 Tend. -0,578 -0,604 23,775 0,782 0,234 12,009 5,852 0,051 1,265 1,851 0,048

Val. p 0 0,108 0,001 0,002 0,002 0,002 0,019 0,039 0,003 0,004 0,002

-5 -37,5 Tend. -0,726 0,03 -5,65 -0,135 -0,073 -4,741 -3,244 -0,029 -1,001 -1,245 -0,072

Val. p 0,35 0,841 0,428 0,451 0,4 0,284 0,207 0,355 0,142 0,44 0,057

-5 -40 Tend. -1,94 -0,088 11,063 0,161 0,136 7,105 2,305 0,076 0,333 2,338 0,022

Val. p 0 0,652 0,208 0,488 0,284 0,182 0,384 0,165 0,518 0,127 0,684

-5 -42,5 Tend. -2,067 0,238 58,804 1,552 0,936 30,255 10,608 0,326 1,918 4,684 0,167

Val. p 0 0,252 0 0 0 0 0 0 0 0 0

-5 -45 Tend. -1,583 0,046 79,616 1,919 1,186 50,087 19,016 0,476 3,321 6,335 0,195

Val. p 0 0,897 0 0 0 0 0 0 0 0 0

-5 -47,5 Tend. -1,384 -0,693 63,789 1,62 1,093 40,264 15,529 0,376 2,924 5,173 0,159

Val. p 0 0,04 0 0 0 0 0 0 0 0 0

-5 -50 Tend. -0,663 -0,504 20,475 0,638 0,358 7,759 0,974 0,064 1,876 2,797 0,039

Val. p 0 0,113 0,278 0,246 0,292 0,541 0,847 0,604 0,006 0,023 0,433

-5 -52,5 Tend. -0,23 -1,459 -8,436 -0,067 -0,035 -4,771 -4,397 -0,042 0,316 0,627 -0,025

Val. p 0,038 0 0,618 0,894 0,899 0,708 0,447 0,696 0,677 0,674 0,577

-5 -55 Tend. -0,283 -1,64 -11,641 -0,192 -0,024 -1,058 -0,954 -0,014 0,637 0,32 -0,031

Val. p 0,057 0 0,245 0,596 0,868 0,881 0,794 0,746 0,178 0,718 0,195

-5 -57,5 Tend. -0,691 -1,036 -3,084 -0,027 0,068 3,421 2,462 0,023 0,469 0,293 -0,011

Val. p 0,004 0,004 0,672 0,901 0,29 0,342 0,283 0,189 0,345 0,68 0,425

-5 -60 Tend. -0,801 -0,078 14,943 0,437 0,111 5,875 3,215 0,021 0,09 0,693 0,03

Val. p 0,001 0,756 0,027 0,05 0,06 0,062 0,119 0,141 0,854 0,343 0,041

-5 -62,5 Tend. -0,256 -0,152 14,258 0,358 0,091 4,651 2,822 0,011 0,162 0,466 0,023

Val. p 0 0,776 0,086 0,316 0,219 0,332 0,331 0,673 0,771 0,55 0,231

-5 -65 Tend. -0,291 -1,025 13,764 0,358 0,203 11,923 6,051 0,05 0,968 1,36 0,031

Val. p 0,083 0,014 0,239 0,465 0,161 0,185 0,259 0,255 0,277 0,261 0,307

-5 -67,5 Tend. -0,483 0,371 37,96 0,953 0,218 14,671 8,923 0,09 1,68 2,913 0,073

Val. p 0 0,32 0,001 0,011 0,049 0,063 0,096 0,099 0,019 0,015 0,01

-5 -70 Tend. -0,671 0,132 23,607 0,477 0,1 6,41 3,794 0,015 1,152 1,596 0,039

Val. p 0 0,677 0,002 0,023 0,064 0,076 0,101 0,414 0,029 0,018 0,01

-5 -72,5 Tend. -0,019 -0,637 2,71 0,031 0,013 1,132 1,069 0,006 0,393 0,328 0,004

Val. p 0,743 0,112 0,646 0,867 0,477 0,575 0,185 0,162 0,22 0,409 0,718

-7,5 -35 Tend. -0,656 0,197 1,846 -0,054 -0,079 -3,207 -3,086 -0,015 -0,906 -1,33 -0,034

Val. p 0,01 0,149 0,722 0,721 0,02 0,128 0,049 0,158 0,031 0,059 0,007

-7,5 -37,5 Tend. -1,095 -0,013 2,369 -0,03 0,005 0,137 0,418 0,005 -0,265 0,18 -0,035

Val. p 0,081 0,877 0,508 0,723 0,902 0,953 0,799 0,818 0,53 0,837 0,113

-7,5 -40 Tend. -3 0,118 19,282 0,466 0,343 10,466 3,583 0,095 0,601 2,679 0,08

Val. p 0 0,26 0,005 0,015 0,001 0,005 0,038 0,011 0,151 0,006 0,024

-7,5 -42,5 Tend. -2,271 -0,045 48,124 1,044 1,01 25,826 8,276 0,326 1,059 3,499 0,189

Val. p 0 0,831 0,001 0,006 0 0,001 0,014 0,001 0,069 0,002 0,002

-7,5 -45 Tend. -1,863 -0,178 41,478 1,092 0,737 24,334 9,433 0,267 1,621 3,402 0,14

Val. p 0 0,256 0,002 0,003 0,002 0,002 0,016 0,002 0,001 0,002 0,006

86



-7,5 -47,5 Tend. -1,747 -0,143 30,538 0,866 0,606 18,976 5,479 0,189 1,868 2,62 0,102

Val. p 0 0,426 0,006 0,012 0,008 0,014 0,098 0,007 0,001 0,025 0,017

-7,5 -50 Tend. -1,859 -0,477 17,794 0,829 0,194 6,271 1,719 0,066 1,502 2,052 0,053

Val. p 0 0,092 0,276 0,082 0,541 0,601 0,759 0,517 0,01 0,042 0,302

-7,5 -52,5 Tend. -0,884 -1,182 -2,584 0,378 -0,019 -7,121 -5,443 -0,081 0,632 0,463 -0,002

Val. p 0,024 0 0,913 0,523 0,959 0,705 0,565 0,632 0,378 0,74 0,976

-7,5 -55 Tend. -0,796 -0,83 -12,516 -0,329 -0,054 -4,404 -2,503 -0,053 0,435 0,269 -0,03

Val. p 0,037 0 0,417 0,48 0,827 0,702 0,643 0,576 0,409 0,756 0,458

-7,5 -57,5 Tend. -0,263 -1,58 -12,074 -0,306 0,003 -0,814 -0,778 -0,007 0,002 -0,256 -0,027

Val. p 0,411 0 0,183 0,321 0,98 0,89 0,804 0,819 0,996 0,722 0,181

-7,5 -60 Tend. -0,766 -0,676 0,834 0,098 0,06 2,689 2,293 0,021 0,453 0,618 0,001

Val. p 0,02 0,102 0,883 0,668 0,306 0,434 0,258 0,196 0,357 0,315 0,964

-7,5 -62,5 Tend. -0,446 -1,071 8,083 0,195 0,074 4,179 1,928 0,016 0,444 0,637 0,009

Val. p 0,012 0,001 0,171 0,428 0,17 0,187 0,34 0,318 0,291 0,242 0,426

-7,5 -65 Tend. -0,398 -0,657 15,158 0,483 0,086 6,577 2,707 0,018 0,347 0,383 0,026

Val. p 0,002 0,046 0,049 0,122 0,145 0,119 0,261 0,403 0,533 0,662 0,123

-7,5 -67,5 Tend. -0,683 0,205 22,074 0,463 0,075 5,812 3,498 0,02 0,847 1,565 0,032

Val. p 0 0,579 0,002 0,055 0,054 0,072 0,061 0,15 0,051 0,014 0,015

-7,5 -70 Tend. -0,92 0,634 25,179 0,424 0,049 5,333 1,885 0,005 0,818 0,905 0,034

Val. p 0 0,024 0,001 0,043 0,234 0,077 0,297 0,733 0,07 0,24 0,016

-7,5 -72,5 Tend. -0,59 0,793 34,217 0,906 0,107 11,192 4,56 0,017 0,957 1,285 0,058

Val. p 0 0,021 0 0 0 0 0 0,029 0 0 0

-10 -37,5 Tend. -0,928 0,254 11,207 0,326 0,015 2,135 0,898 0,003 0,31 0,587 0,013

Val. p 0,006 0,003 0,001 0,001 0,54 0,063 0,307 0,695 0,169 0,159 0,291

-10 -40 Tend. -1,855 0,065 13,872 0,288 0,223 7,807 2,237 0,055 0,629 0,882 0,021

Val. p 0 0,35 0,022 0,076 0,03 0,035 0,162 0,079 0,122 0,284 0,547

-10 -42,5 Tend. -1,297 -0,016 17,538 0,386 0,416 11,035 3,087 0,137 0,655 0,881 0,112

Val. p 0,014 0,846 0,081 0,126 0,018 0,044 0,183 0,041 0,237 0,497 0,06

-10 -45 Tend. -1,96 -0,228 16,55 0,436 0,373 10,113 3,509 0,084 0,938 1,721 0,072

Val. p 0 0,067 0,163 0,171 0,093 0,208 0,333 0,276 0,052 0,076 0,226

-10 -47,5 Tend. -1,314 -0,367 5,781 0,096 0,171 5,575 1,599 0,038 0,683 0,728 0,011

Val. p 0,005 0,042 0,442 0,723 0,313 0,33 0,528 0,356 0,084 0,35 0,712

-10 -50 Tend. -0,982 -0,758 4,21 0,213 0,163 4,902 0,396 -0,001 0,287 0,567 0,018

Val. p 0,034 0,001 0,56 0,448 0,225 0,339 0,873 0,98 0,352 0,295 0,446

-10 -52,5 Tend. -0,817 -0,847 5,145 0,375 0,131 4,916 1,373 0,022 0,95 0,994 0,017

Val. p 0,095 0,004 0,551 0,234 0,342 0,411 0,639 0,562 0,046 0,178 0,49

-10 -55 Tend. -0,495 -1,3 -11,899 -0,361 -0,013 -1,205 -1,133 -0,013 -0,008 -0,303 -0,03

Val. p 0,312 0 0,151 0,24 0,926 0,849 0,741 0,717 0,987 0,713 0,241

-10 -57,5 Tend. -0,387 -1,48 -14,814 -0,313 -0,042 -2,671 -1,323 -0,014 0,03 -0,268 -0,026

Val. p 0,34 0 0,04 0,259 0,652 0,562 0,627 0,576 0,94 0,667 0,158

-10 -60 Tend. -0,431 -1,27 -7,093 -0,169 -0,011 -1,289 -0,631 -0,004 0,007 0,114 -0,011

Val. p 0,243 0 0,184 0,481 0,797 0,634 0,663 0,617 0,979 0,747 0,34

-10 -62,5 Tend. -0,8 -0,007 8,278 0,148 0,047 1,474 0,909 0,001 0,215 0,322 0,016

Val. p 0,013 0,979 0,155 0,495 0,269 0,582 0,52 0,898 0,457 0,436 0,191

-10 -65 Tend. -0,576 -0,002 15,286 0,509 0,036 5,024 1,569 0,007 0,658 0,835 0,029

Val. p 0,014 0,995 0,003 0,005 0,355 0,055 0,418 0,72 0,153 0,13 0,008

-10 -67,5 Tend. -0,666 0,274 13,554 0,354 0,041 4,317 1,529 0,004 0,548 0,683 0,017

Val. p 0,001 0,318 0,014 0,046 0,324 0,141 0,422 0,799 0,108 0,196 0,11

-10 -70 Tend. -1,047 0,779 25,866 0,608 0,066 5,206 1,905 -0,002 0,303 0,502 0,041

Val. p 0 0,001 0 0,001 0,062 0,03 0,212 0,779 0,43 0,415 0,001

87



-10 -72,5 Tend. -0,865 0,607 34,124 0,91 0,097 10,918 3,81 0,012 0,985 1,602 0,061

Val. p 0 0,072 0 0 0,007 0 0,003 0,073 0,001 0 0

-12,5 -37,5 Tend. -0,507 0,211 11,36 0,376 0,068 2,47 1,604 0,004 0,316 0,264 0,015

Val. p 0,001 0,045 0,017 0,031 0,181 0,202 0,122 0,278 0,031 0,34 0,189

-12,5 -40 Tend. -0,721 0,047 9,837 0,127 0,138 5,091 2,926 0,023 0,562 1,251 0,012

Val. p 0,002 0,683 0,067 0,392 0,059 0,096 0,118 0,246 0,106 0,063 0,398

-12,5 -42,5 Tend. -1,059 -0,076 -0,511 -0,101 0,155 3,041 0,062 0,025 0,336 0,418 0,038

Val. p 0,08 0,213 0,923 0,544 0,172 0,292 0,964 0,416 0,469 0,557 0,299

-12,5 -45 Tend. -1,054 -0,276 10,946 0,263 0,353 7,775 2,954 0,076 0,702 1,96 0,072

Val. p 0,083 0,01 0,322 0,389 0,092 0,268 0,234 0,281 0,173 0,056 0,173

-12,5 -47,5 Tend. -1,188 -0,708 4,225 -0,08 0,236 6,504 1,836 0,042 0,186 0,36 0,015

Val. p 0,021 0 0,652 0,788 0,186 0,3 0,469 0,345 0,705 0,718 0,705

-12,5 -50 Tend. -1,063 -0,585 3,795 0,141 0,175 7,038 2,416 0,031 0,482 0,794 0,014

Val. p 0,031 0,006 0,6 0,546 0,116 0,186 0,382 0,356 0,236 0,341 0,598

-12,5 -52,5 Tend. -0,655 -0,799 7,525 0,343 0,14 6,473 2,577 0,017 0,784 0,837 0,017

Val. p 0,197 0,005 0,261 0,128 0,11 0,141 0,319 0,523 0,092 0,331 0,373

-12,5 -55 Tend. -0,628 -0,26 -3,584 -0,21 -0,028 -1,961 -1,141 -0,007 -0,231 -0,603 -0,02

Val. p 0,198 0,252 0,498 0,267 0,677 0,569 0,574 0,721 0,508 0,301 0,182

-12,5 -57,5 Tend. -0,663 -0,424 -2,126 -0,213 -0,036 -3,493 -1,708 -0,017 -0,392 -0,713 -0,017

Val. p 0,174 0,1 0,698 0,251 0,494 0,211 0,324 0,166 0,268 0,177 0,206

-12,5 -60 Tend. -0,92 -0,248 -4,442 -0,249 -0,013 -1,333 -0,826 -0,01 -0,21 -0,287 -0,012

Val. p 0,011 0,458 0,437 0,281 0,751 0,57 0,552 0,147 0,474 0,495 0,363

-12,5 -62,5 Tend. -0,584 0,186 7,272 0,149 0,03 0,831 0,854 -0,003 0,243 0,32 0,016

Val. p 0,043 0,358 0,106 0,329 0,329 0,679 0,51 0,666 0,488 0,468 0,129

-12,5 -65 Tend. -0,697 0,028 10,643 0,311 0,035 2,87 0,977 -0,003 0,15 0,25 0,011

Val. p 0,001 0,901 0,001 0,004 0,262 0,085 0,415 0,517 0,621 0,484 0,098

-15 -40 Tend. -0,531 0,074 3,508 -0,04 0,086 2,554 0,906 0,006 0,221 0,625 -0,003

Val. p 0,001 0,327 0,412 0,767 0,141 0,278 0,495 0,677 0,404 0,17 0,782

-15 -42,5 Tend. -1,365 -0,108 1,222 -0,007 0,168 3,466 0,558 0,029 0,283 0,846 0,046

Val. p 0,03 0,15 0,791 0,964 0,116 0,219 0,651 0,221 0,341 0,235 0,208

-15 -45 Tend. -1,11 -0,121 10,119 0,341 0,316 8,065 1,98 0,074 0,855 1,518 0,075

Val. p 0,036 0,304 0,195 0,127 0,05 0,152 0,446 0,184 0,044 0,071 0,079

-15 -47,5 Tend. -1,534 -0,296 8,74 0,141 0,325 9,418 3,071 0,051 0,341 0,624 0,023

Val. p 0,002 0,017 0,215 0,585 0,033 0,058 0,145 0,095 0,279 0,39 0,416

-15 -50 Tend. -1,794 -0,321 30,063 0,917 0,551 20,614 7,318 0,148 1,532 3,232 0,107

Val. p 0 0,168 0,004 0,005 0,001 0,002 0,015 0,007 0,001 0,002 0,003

-15 -52,5 Tend. -1,346 -0,099 19,149 0,644 0,277 11,529 4,678 0,067 0,948 1,521 0,053

Val. p 0,002 0,571 0,019 0,02 0,022 0,028 0,074 0,053 0,035 0,042 0,028

-15 -55 Tend. -1,253 -0,706 -3,95 -0,143 -0,023 -1,241 -0,504 -0,002 -0,198 -0,5 -0,02

Val. p 0,006 0,001 0,446 0,5 0,731 0,669 0,757 0,839 0,483 0,268 0,173

-15 -57,5 Tend. -1,275 -0,194 -2,758 -0,289 -0,044 -2,289 -1,58 -0,018 -0,408 -0,715 -0,026

Val. p 0,008 0,269 0,617 0,146 0,457 0,411 0,339 0,209 0,291 0,189 0,096

-15 -60 Tend. -1,109 0,138 2,351 -0,1 0,032 0,98 1,015 0,008 0,308 0,588 -0,006

Val. p 0,003 0,647 0,661 0,669 0,368 0,693 0,471 0,398 0,308 0,315 0,653

88



-17,5 -40 Tend. -0,333 0,055 4,568 0,07 0,053 2,06 0,93 0,013 0,071 0,561 0,003

Val. p 0,066 0,48 0,27 0,588 0,448 0,444 0,51 0,356 0,828 0,471 0,858

-17,5 -42,5 Tend. -0,606 -0,003 5,717 0,087 0,222 6,076 1,605 0,025 0,445 0,49 0,014

Val. p 0,009 0,987 0,343 0,63 0,101 0,144 0,335 0,377 0,226 0,544 0,533

-17,5 -45 Tend. -1,605 -0,202 11,386 0,359 0,298 8,52 2,62 0,059 0,995 1,403 0,057

Val. p 0,002 0,031 0,031 0,042 0,005 0,014 0,066 0,025 0,004 0,036 0,029

-17,5 -47,5 Tend. -1,595 -0,222 12,549 0,276 0,278 9,01 2,694 0,035 0,345 0,45 0,022

Val. p 0 0,174 0,013 0,183 0,001 0,006 0,064 0,073 0,248 0,487 0,318

-17,5 -50 Tend. -1,928 0,186 32,556 1,009 0,538 19,067 7,448 0,128 1,064 2,268 0,096

Val. p 0 0,416 0 0 0 0,001 0,001 0,002 0,006 0,007 0,001

-17,5 -52,5 Tend. -1,334 -0,081 17,025 0,628 0,254 8,919 2,385 0,022 0,022 0,36 0,036

Val. p 0,002 0,735 0,004 0,009 0,003 0,005 0,152 0,17 0,958 0,576 0,031

-17,5 -55 Tend. -1,532 -0,413 3,005 0,069 0,04 1,326 0,9 0,002 0,164 0,14 -0,004

Val. p 0,001 0,094 0,475 0,707 0,384 0,517 0,513 0,853 0,616 0,764 0,768

-17,5 -57,5 Tend. -1,499 0,09 6,272 0,056 -0,007 -0,609 -0,486 -0,01 -0,183 -0,333 -0,006

Val. p 0,002 0,699 0,132 0,683 0,847 0,7 0,672 0,18 0,512 0,316 0,516

-17,5 -60 Tend. -1,104 0,132 3,564 -0,057 -0,006 -0,894 -0,611 -0,005 -0,023 -0,483 -0,025

Val. p 0,002 0,408 0,356 0,696 0,85 0,534 0,453 0,532 0,932 0,322 0,003

Os valores p em negrito são os que apresentaram significância estatística de 90% ou

mais, ou seja, os que são menores que 0,1 (valor tabelado).

Tend é a tendência calculada pelo RClimDex. A tendência é expressa nas seguintes

unidades:

CDD: dia por ano;

CWD: dia por ano;

PRCPTOT: milímetro por ano (mm/a);

R10mm: milímetro por ano (mm/a);

R20mm: milímetro por ano (mm/a);

R95p: milímetro por ano (mm/a);

R99p: milímetro por ano (mm/a);

Rnnmm: milímetro por ano (mm/a);

RX1dia: milímetro por ano (mm/a);

RX5dia: milímetro por ano (mm/a);

SDII: mm por ano (mm/a).

89

Tabela B2: Índices de Temperatura

Lat Lon DTR TN10p TN90p TNn TNx TX10p TX90p TXn TXx

5 -60 Tend. -0,024 -0,757 1,041 0,028 0,031 -0,153 0,066 0,018 -0,004

Val. p 0 0 0 0 0 0,181 0,69 0,036 0,7

2,5 -50 Tend. 0,003 -0,179 0,404 0,005 0,012 -0,244 0,441 0,011 0,015

Val. p 0,002 0,193 0,036 0,501 0,004 0,124 0,006 0,148 0,019

2,5 -52,5 Tend. 0,008 -0,275 0,172 0,025 -0,013 -0,242 0,244 0,023 -0,014

Val. p 0,117 0,014 0,333 0 0,159 0,014 0,165 0,018 0,419

2,5 -55 Tend. 0,017 -0,211 0,184 0,024 -0,016 -0,472 0,253 0,02 -0,005

Val. p 0,009 0,184 0,386 0,001 0,266 0 0,145 0,087 0,711

2,5 -57,5 Tend. 0,006 -0,934 0,522 0,035 0,033 -0,537 0,258 0,019 0,024

Val. p 0,619 0 0,038 0 0,058 0 0,438 0,241 0,277

2,5 -60 Tend. -0,032 -0,763 0,179 0,027 -0,005 0,167 -0,227 -0,004 -0,04

Val. p 0 0 0,515 0,002 0,698 0,241 0,443 0,801 0,028

2,5 -62,5 Tend. -0,044 -0,013 -0,646 0,011 -0,053 0,38 -1,023 -0,036 -0,072

Val. p 0 0,935 0,009 0,182 0,001 0,006 0 0,011 0,001

2,5 -65 Tend. -0,05 -0,581 -0,076 0,035 -0,04 0,348 -0,612 -0,04 -0,064

Val. p 0 0 0,744 0 0,016 0,009 0,015 0 0,003

0 -50 Tend. -0,008 -0,684 0,419 0,02 -0,003 -0,364 -0,013 0,021 -0,032

Val. p 0,132 0 0,017 0,013 0,595 0,001 0,941 0,031 0,018

0 -52,5 Tend. -0,01 -0,43 0,121 0,037 -0,038 -0,185 -0,149 0,015 -0,04

Val. p 0,087 0,008 0,466 0 0 0,069 0,383 0,133 0,014

0 -55 Tend. -0,01 -0,286 -0,101 0,022 -0,038 0,002 -0,296 0,008 -0,046

Val. p 0,117 0,084 0,616 0,002 0,013 0,99 0,144 0,521 0,006

0 -57,5 Tend. -0,023 -0,638 -0,06 0,03 -0,053 0,174 -0,147 -0,016 -0,068

Val. p 0,011 0 0,832 0,001 0,012 0,237 0,602 0,308 0,006

0 -60 Tend. -0,037 -0,333 -0,335 0,016 -0,063 0,439 -0,501 -0,044 -0,076

Val. p 0 0,045 0,119 0,029 0,001 0,003 0,032 0 0

0 -62,5 Tend. -0,033 -0,027 -0,769 -0,001 -0,112 0,417 -1,013 -0,037 -0,109

Val. p 0 0,85 0,005 0,906 0 0 0 0,002 0

0 -65 Tend. -0,033 -0,59 -0,241 0,013 -0,058 0,267 -0,639 -0,039 -0,076

Val. p 0 0,001 0,32 0,113 0,004 0,012 0,013 0,001 0,002

0 -67,5 Tend. -0,029 -0,619 -0,194 0 -0,028 0,279 -0,44 -0,06 -0,07

Val. p 0 0,001 0,439 0,976 0,067 0,003 0,059 0 0,001

0 -70 Tend. -0,028 -0,189 -0,531 -0,017 -0,059 0,301 -0,833 -0,073 -0,081

Val. p 0 0,169 0,063 0,073 0,002 0,012 0,002 0 0

-2,5 -45 Tend. -0,023 -0,717 0,457 0,02 0,008 -0,15 -0,379 0,002 -0,019

Val. p 0,002 0 0,017 0,003 0,342 0,14 0,056 0,805 0,234

-2,5 -47,5 Tend. -0,014 -0,717 -0,276 0,023 -0,031 -0,193 -0,543 0,01 -0,064

Val. p 0,048 0 0,189 0 0,009 0,094 0,015 0,319 0,003

-2,5 -50 Tend. -0,003 -0,572 -0,183 0,018 -0,039 -0,206 -0,269 0,019 -0,065

Val. p 0,738 0,001 0,341 0,004 0,002 0,11 0,127 0,081 0,001

-2,5 -52,5 Tend. -0,004 -0,556 -0,038 0,018 -0,049 -0,197 -0,19 0,017 -0,065

Val. p 0,559 0 0,849 0,003 0,006 0,082 0,344 0,158 0,008

-2,5 -55 Tend. -0,018 -0,356 -0,204 0,015 -0,046 0,037 -0,492 0,004 -0,059

Val. p 0,022 0,014 0,366 0,066 0,019 0,762 0,04 0,724 0,008

-2,5 -57,5 Tend. -0,016 -0,573 -0,406 0,022 -0,101 0,148 -0,545 -0,025 -0,098

Val. p 0,003 0 0,027 0,009 0 0,15 0,004 0,012 0

90



-2,5 -60 Tend. -0,021 -0,12 -0,621 -0,005 -0,069 0,257 -0,733 -0,043 -0,067

Val. p 0 0,398 0,004 0,576 0,001 0,012 0 0 0,001

-2,5 -62,5 Tend. -0,011 -0,212 -0,778 -0,008 -0,092 0,164 -0,704 -0,037 -0,079

Val. p 0,056 0,17 0,005 0,416 0 0,079 0,008 0,003 0,004

-2,5 -65 Tend. -0,019 -0,614 -0,333 -0,009 -0,07 0,175 -0,447 -0,03 -0,076

Val. p 0,001 0,001 0,211 0,385 0,001 0,074 0,069 0,026 0,001

-2,5 -67,5 Tend. -0,034 -0,415 -0,4 -0,019 -0,057 0,315 -0,773 -0,055 -0,081

Val. p 0 0,002 0,135 0,09 0,001 0,001 0,001 0 0

-2,5 -70 Tend. -0,029 -0,168 -1,044 -0,033 -0,077 0,278 -1,129 -0,068 -0,091

Val. p 0 0,188 0,001 0,016 0 0,002 0 0 0

-5 -37,5 Tend. 0,002 -0,624 0,355 0,039 0,004 -0,376 0,151 0,052 0,01

Val. p 0,81 0,006 0,11 0,002 0,692 0,058 0,436 0 0,354

-5 -40 Tend. 0,01 -0,74 0,532 0,042 0,031 -0,413 0,528 0,068 0,024

Val. p 0,127 0 0,025 0 0,003 0,013 0,022 0 0,002

-5 -42,5 Tend. 0,003 -0,901 0,022 0,042 -0,025 -0,233 0,168 0,038 -0,007

Val. p 0,631 0 0,903 0 0,029 0,041 0,387 0,001 0,577

-5 -45 Tend. -0,01 -0,707 -0,139 0,028 -0,06 -0,095 -0,168 0,019 -0,06

Val. p 0,102 0 0,399 0 0 0,336 0,367 0,024 0,009

-5 -47,5 Tend. 0,002 -0,655 -0,212 0,019 -0,084 -0,127 -0,08 0,015 -0,072

Val. p 0,765 0 0,217 0,023 0 0,289 0,692 0,145 0,004

-5 -50 Tend. 0,004 -0,7 -0,141 0,032 -0,074 -0,127 -0,001 0,007 -0,056

Val. p 0,608 0 0,351 0 0 0,367 0,994 0,558 0,019

-5 -52,5 Tend. 0,002 -0,724 0,257 0,022 -0,035 -0,166 0,238 0,003 -0,029

Val. p 0,853 0 0,159 0,003 0,076 0,254 0,25 0,81 0,28

-5 -55 Tend. 0,004 -0,625 0,011 0,023 -0,05 -0,08 0,116 0,006 -0,034

Val. p 0,691 0 0,958 0,007 0,032 0,608 0,602 0,704 0,246

-5 -57,5 Tend. 0 -0,384 -0,11 0,009 -0,06 0,01 -0,148 -0,022 -0,044

Val. p 0,954 0,004 0,692 0,37 0,031 0,945 0,58 0,132 0,141

-5 -60 Tend. -0,01 -0,017 -1,177 -0,016 -0,077 0,156 -1,075 -0,036 -0,055

Val. p 0,116 0,92 0 0,236 0,001 0,183 0 0,006 0,007

-5 -62,5 Tend. -0,007 -0,096 -1,03 -0,036 -0,084 0,108 -0,835 -0,034 -0,072

Val. p 0,276 0,519 0,001 0,021 0 0,245 0,004 0,011 0,006

-5 -65 Tend. -0,011 -0,512 -0,164 -0,041 -0,048 0,133 -0,148 -0,043 -0,044

Val. p 0,063 0 0,482 0,02 0,011 0,14 0,497 0,004 0,06

-5 -67,5 Tend. -0,035 0,015 -1,271 -0,062 -0,08 0,333 -1,335 -0,06 -0,091

Val. p 0 0,908 0 0,003 0 0,003 0 0 0

-5 -70 Tend. -0,022 -0,203 -1,52 -0,065 -0,066 0,194 -1,359 -0,064 -0,078

Val. p 0,001 0,216 0 0,002 0 0,043 0 0 0

-5 -72,5 Tend. -0,012 -0,366 0,056 -0,033 -0,009 0,077 -0,201 -0,047 -0,018

Val. p 0,126 0,003 0,687 0,063 0,225 0,52 0,235 0,001 0,189

-7,5 -35 Tend. -0,022 -0,497 0,494 0,019 -0,008 -0,167 -0,676 0,013 -0,022

Val. p 0,003 0,001 0,005 0,005 0,189 0,289 0,005 0,033 0,079

-7,5 -37,5 Tend. -0,005 -0,552 0,254 0,031 0,004 -0,282 -0,118 0,011 -0,003

Val. p 0,503 0,006 0,129 0,004 0,69 0,121 0,568 0,393 0,799

-7,5 -40 Tend. 0,013 -0,562 0,153 0,023 0,026 -0,35 0,387 0,053 0,043

Val. p 0,012 0,006 0,42 0,058 0,011 0,038 0,038 0 0

-7,5 -42,5 Tend. 0,006 -0,696 0,371 0,032 -0,015 -0,331 0,362 0,023 0,016

Val. p 0,283 0 0,046 0,001 0,208 0,018 0,065 0,058 0,152

-7,5 -45 Tend. -0,001 -0,633 0,314 0,027 -0,014 0,004 0,347 0,01 0,027

Val. p 0,912 0 0,048 0,001 0,269 0,974 0,063 0,36 0,062

91



-7,5 -47,5 Tend. -0,005 -0,573 0,137 0,033 -0,035 0,032 0,212 -0,001 -0,002

Val. p 0,518 0 0,386 0,005 0,085 0,803 0,211 0,933 0,905

-7,5 -50 Tend. -0,009 -0,375 -0,072 0,021 -0,049 0,065 -0,171 -0,004 -0,03

Val. p 0,245 0,001 0,668 0,032 0,019 0,693 0,29 0,766 0,092

-7,5 -52,5 Tend. -0,009 -0,303 -0,222 0,012 -0,037 0,012 -0,313 -0,018 -0,025

Val. p 0,388 0,006 0,261 0,207 0,117 0,949 0,082 0,159 0,296

-7,5 -55 Tend. 0,003 -0,254 -0,26 0,001 -0,05 -0,072 -0,304 -0,024 -0,024

Val. p 0,795 0,045 0,315 0,909 0,051 0,69 0,268 0,08 0,421

-7,5 -57,5 Tend. 0 -0,302 -0,119 0,009 -0,048 -0,056 -0,207 -0,039 -0,023

Val. p 0,993 0,027 0,628 0,552 0,089 0,691 0,417 0,004 0,516

-7,5 -60 Tend. -0,008 -0,25 -0,453 -0,023 -0,062 0,003 -0,516 -0,025 -0,026

Val. p 0,285 0,068 0,07 0,259 0,008 0,983 0,039 0,036 0,385

-7,5 -62,5 Tend. -0,014 -0,225 -0,527 -0,062 -0,054 0,134 -0,556 -0,035 -0,048

Val. p 0,02 0,102 0,029 0,011 0,003 0,167 0,016 0,012 0,067

-7,5 -65 Tend. -0,016 -0,27 -0,871 -0,083 -0,066 0,21 -0,802 -0,054 -0,058

Val. p 0,003 0,046 0,011 0,001 0,003 0,027 0,007 0,002 0,034

-7,5 -67,5 Tend. -0,015 0,043 -1,449 -0,117 -0,09 0,262 -1,337 -0,075 -0,068

Val. p 0,006 0,766 0 0 0 0,015 0 0,001 0,009

-7,5 -70 Tend. -0,016 0,152 -1,664 -0,132 -0,078 0,262 -1,362 -0,093 -0,081

Val. p 0,013 0,27 0 0 0 0,026 0 0 0,001

-7,5 -72,5 Tend. -0,041 -0,08 -0,262 -0,077 -0,03 0,248 -0,962 -0,074 -0,069

Val. p 0 0,445 0,132 0,002 0,004 0,02 0 0,001 0

-10 -37,5 Tend. -0,054 -0,591 0,4 0,026 -0,014 0,093 -0,99 0,005 -0,058

Val. p 0 0,003 0,003 0,003 0,245 0,403 0 0,546 0,001

-10 -40 Tend. -0,016 -0,423 -0,091 0,014 -0,032 -0,03 -0,377 0,008 -0,002

Val. p 0,123 0,044 0,513 0,163 0,019 0,81 0,078 0,442 0,903

-10 -42,5 Tend. 0,002 -0,365 0,362 0,022 -0,015 -0,165 0,285 0,009 0,014

Val. p 0,721 0,018 0,03 0,066 0,252 0,225 0,087 0,572 0,35

-10 -45 Tend. 0,007 -0,368 0,037 0,017 -0,034 -0,066 0,292 -0,006 0,014

Val. p 0,202 0,003 0,827 0,202 0,01 0,631 0,096 0,709 0,264

-10 -47,5 Tend. 0,008 -0,318 -0,093 0,016 -0,055 0,02 0,154 -0,017 -0,026

Val. p 0,351 0,007 0,543 0,282 0 0,89 0,374 0,173 0,089

-10 -50 Tend. -0,001 -0,276 -0,115 0,012 -0,036 0,046 -0,02 -0,021 -0,032

Val. p 0,928 0,03 0,52 0,39 0,089 0,779 0,905 0,05 0,111

-10 -52,5 Tend. -0,003 -0,219 -0,299 0,001 -0,044 0,047 -0,292 -0,038 -0,036

Val. p 0,783 0,06 0,193 0,973 0,067 0,783 0,143 0,004 0,1

-10 -55 Tend. 0,012 -0,228 -0,091 -0,03 -0,051 -0,047 -0,05 -0,034 -0,032

Val. p 0,23 0,086 0,648 0,118 0,033 0,759 0,82 0,011 0,203

-10 -57,5 Tend. 0,014 -0,085 -0,251 -0,069 -0,049 -0,144 -0,178 -0,033 -0,033

Val. p 0,161 0,485 0,202 0,002 0,049 0,31 0,408 0,024 0,237

-10 -60 Tend. 0,007 0,052 -0,613 -0,089 -0,06 -0,049 -0,475 -0,031 -0,023

Val. p 0,448 0,589 0,009 0,001 0,015 0,722 0,044 0,053 0,434

-10 -62,5 Tend. -0,002 0,125 -1,279 -0,127 -0,08 0,144 -1,059 -0,05 -0,04

Val. p 0,791 0,274 0 0 0,002 0,211 0 0,006 0,141

-10 -65 Tend. 0 0,122 -1,133 -0,122 -0,092 0,279 -0,874 -0,091 -0,05

Val. p 0,92 0,272 0,001 0 0 0,003 0,002 0 0,057

-10 -67,5 Tend. 0,005 0,197 -1,17 -0,14 -0,085 0,253 -0,772 -0,094 -0,035

Val. p 0,284 0,081 0 0 0 0,005 0,003 0 0,101

-10 -70 Tend. -0,012 0,295 -1,144 -0,121 -0,099 0,282 -1,037 -0,101 -0,085

Val. p 0,038 0,016 0 0 0 0,008 0 0 0

92



-10 -72,5 Tend. -0,029 0,367 -1,015 -0,09 -0,077 0,356 -1,235 -0,078 -0,086

Val. p 0 0,008 0 0 0 0,001 0 0,005 0

-12,5 -37,5 Tend. 0,006 -0,47 0,489 0,013 0,008 -0,645 0,458 0,009 0,016

Val. p 0,052 0,011 0,008 0,057 0,059 0 0,004 0,156 0,016

-12,5 -40 Tend. -0,039 -0,48 0,181 0,015 -0,038 -0,051 -0,799 0,001 -0,069

Val. p 0,005 0,009 0,215 0,092 0,011 0,665 0,004 0,9 0,006

-12,5 -42,5 Tend. 0,006 -0,29 0,419 0,021 -0,008 -0,177 0,274 0,007 0,012

Val. p 0,388 0,056 0,029 0,113 0,663 0,151 0,167 0,667 0,573

-12,5 -45 Tend. 0,014 -0,184 0,207 0,016 -0,025 -0,049 0,435 -0,007 -0,01

Val. p 0,017 0,171 0,262 0,341 0,144 0,731 0,015 0,703 0,484

-12,5 -47,5 Tend. 0,015 -0,168 0,016 -0,004 -0,054 0,063 0,336 -0,018 -0,012

Val. p 0,113 0,199 0,911 0,801 0,001 0,693 0,06 0,234 0,496

-12,5 -50 Tend. 0,008 -0,111 0,08 0,014 -0,045 0,126 0,339 -0,029 -0,014

Val. p 0,411 0,399 0,733 0,464 0,038 0,449 0,143 0,124 0,493

-12,5 -52,5 Tend. 0,004 -0,094 -0,146 -0,01 -0,064 0,141 0,065 -0,019 -0,027

Val. p 0,711 0,5 0,509 0,664 0,015 0,368 0,767 0,208 0,242

-12,5 -55 Tend. 0,015 0,034 -0,358 -0,087 -0,062 0,013 -0,197 -0,027 -0,041

Val. p 0,043 0,798 0,126 0,002 0,012 0,904 0,353 0,089 0,072

-12,5 -57,5 Tend. 0,019 0,238 -1,243 -0,17 -0,086 0,042 -0,915 -0,073 -0,066

Val. p 0,006 0,016 0 0 0,001 0,683 0,001 0 0,005

-12,5 -60 Tend. 0,02 0,347 -1,239 -0,146 -0,091 0,056 -0,818 -0,079 -0,045

Val. p 0,021 0 0 0 0 0,648 0,002 0,001 0,079

-12,5 -62,5 Tend. 0,008 0,494 -1,452 -0,154 -0,093 0,277 -1,128 -0,125 -0,048

Val. p 0,309 0 0 0 0 0,008 0 0 0,048

-12,5 -65 Tend. 0,01 0,38 -0,551 -0,114 -0,082 0,343 -0,39 -0,123 -0,052

Val. p 0,019 0 0,008 0 0 0 0,034 0 0,009

-15 -40 Tend. -0,029 -0,289 0,357 0,018 -0,013 -0,082 -0,598 -0,005 -0,046

Val. p 0,01 0,052 0,008 0,08 0,294 0,432 0,012 0,705 0,025

-15 -42,5 Tend. 0,012 -0,175 0,142 0,013 -0,011 -0,138 0,165 -0,007 0,01

Val. p 0,076 0,197 0,429 0,31 0,544 0,277 0,376 0,69 0,622

-15 -45 Tend. 0,019 -0,124 0,107 0,006 -0,031 -0,02 0,381 0,008 0,013

Val. p 0,001 0,373 0,6 0,756 0,145 0,881 0,021 0,638 0,482

-15 -47,5 Tend. 0,007 -0,279 0,231 0,014 -0,028 0,013 0,485 0,002 0

Val. p 0,281 0,042 0,274 0,455 0,164 0,922 0,008 0,908 0,981

-15 -50 Tend. -0,005 -0,213 0,05 -0,001 -0,058 0,211 0,281 -0,009 -0,014

Val. p 0,542 0,061 0,801 0,952 0,017 0,187 0,123 0,564 0,515

-15 -52,5 Tend. -0,002 -0,079 -0,101 -0,018 -0,074 0,148 0,051 -0,032 -0,031

Val. p 0,836 0,494 0,553 0,492 0,002 0,243 0,75 0,075 0,191

-15 -55 Tend. 0,013 0,056 -0,241 -0,111 -0,073 0,065 -0,127 -0,101 -0,046

Val. p 0,059 0,586 0,193 0,001 0,001 0,426 0,403 0 0,028

-15 -57,5 Tend. 0,016 0,27 -1,265 -0,151 -0,095 0,188 -0,876 -0,162 -0,074

Val. p 0,003 0,004 0 0 0 0,032 0 0 0,001

-15 -60 Tend. 0,013 0,504 -1,332 -0,143 -0,109 0,339 -1,109 -0,161 -0,082

Val. p 0,071 0 0 0 0 0 0 0 0,003

93



-17,5 -40 Tend. -0,009 -0,359 0,496 0,021 0,017 -0,242 -0,115 0,033 -0,018

Val. p 0,281 0,007 0,001 0,046 0,164 0,018 0,554 0,002 0,345

-17,5 -42,5 Tend. 0,012 -0,255 0,341 0,02 -0,01 -0,179 0,317 0,031 0,022

Val. p 0,053 0,033 0,037 0,134 0,491 0,103 0,041 0,033 0,362

-17,5 -45 Tend. 0,009 -0,254 0,219 0 -0,026 -0,057 0,392 -0,015 0,017

Val. p 0,185 0,033 0,166 0,993 0,278 0,644 0,007 0,482 0,451

-17,5 -47,5 Tend. -0,007 -0,367 0,095 -0,03 -0,03 0,09 0,116 -0,016 -0,007

Val. p 0,372 0,006 0,527 0,266 0,157 0,362 0,362 0,401 0,737

-17,5 -50 Tend. -0,015 -0,206 -0,057 -0,039 -0,066 0,261 -0,04 -0,036 -0,048

Val. p 0,06 0,045 0,696 0,225 0,004 0,026 0,743 0,109 0,046

-17,5 -52,5 Tend. -0,005 -0,061 -0,094 -0,066 -0,071 0,132 -0,108 -0,057 -0,037

Val. p 0,458 0,516 0,541 0,067 0,001 0,152 0,474 0,039 0,15

-17,5 -55 Tend. 0,002 0,158 -0,495 -0,11 -0,062 0,196 -0,404 -0,125 -0,069

Val. p 0,779 0,09 0,01 0,002 0,005 0,017 0,009 0,001 0,005

-17,5 -57,5 Tend. 0,004 0,337 -1,374 -0,152 -0,119 0,324 -1,135 -0,189 -0,084

Val. p 0,512 0 0 0 0 0 0 0 0,001

-17,5 -60 Tend. 0,004 0,453 -1,327 -0,139 -0,119 0,342 -1,374 -0,171 -0,065

Val. p 0,621 0 0 0 0 0 0 0 0,009

Os valores p em negrito são os que apresentaram significância estatística de

90% ou mais, ou seja, os que são menores que 0,1 (valor tabelado).

Tend é a tendência calculada pelo RClimDex. A tendência é expressa nas seguintes

unidades:

DTR: °C/ano;

TNn: °C/ano;

TNx: °C/ano;

TXn: °C/ano.

TXx: °C/ano;

TN10p: dia/ano;

TN90p: dia/ano;

TX10p: dia/ano;

TX90p: dia/ano.

94

APÊNDICE C: Correlação entre os índices de mudanças climáticas e as Anomalias do

Atlântico e Pacífico

Tabela C1: Célula 5°N 60°W

5°N60°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx

Nino1+2 0,159 0,007 0,087 0,070 0,236 0,175 0,127 -0,132 0,193 0,472 0,148 0,011

Nino 3 0,254 0,002 0,060 0,043 0,151 0,130 0,095 -0,046 0,118 0,455 0,213 -0,013

Nino 3.4 0,349 -0,063 -0,068 -0,065 -0,062 -0,037 -0,017 -0,005 0,030 0,371 0,310 0,000

Nino 4 0,338 0,020 -0,018 -0,012 0,031 0,039 0,029 0,051 0,013 0,370 0,252 -0,007

DPO -0,021 0,103 -0,200 -0,381 -0,252 -0,304 -0,291 -0,295 0,137 0,397 0,429 -0,086

OMA 0,340 -0,204 0,221 0,284 0,558 0,510 0,475 0,168 0,420 0,535 -0,076 0,384

Atl_N 0,296 -0,266 0,363 0,369 0,561 0,543 0,536 0,003 0,375 0,487 -0,065 0,273

Atl_S -0,018 -0,120 0,129 0,097 0,329 0,287 0,247 -0,325 0,420 0,431 0,114 -0,120

Tabela C2: Célula 0° 50°W

0°50°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx

Nino1+2 -0,107 0,245 -0,031 0,119 -0,164 -0,204 -0,079 0,129 0,462 0,232 0,403 0,048

Nino 3 -0,004 0,047 -0,190 -0,083 -0,299 -0,307 -0,229 0,147 0,522 0,376 0,458 0,140

Nino 3.4 0,008 -0,285 -0,384 -0,332 -0,459 -0,430 -0,407 0,045 0,558 0,512 0,425 0,182

Nino 4 0,065 -0,135 -0,355 -0,279 -0,444 -0,426 -0,383 0,128 0,523 0,471 0,439 0,209

DPO -0,270 0,018 0,018 0,143 -0,188 -0,194 -0,050 -0,283 0,432 0,145 0,503 -0,192

OMA 0,194 0,310 0,088 0,170 0,122 0,079 0,141 0,440 0,275 0,435 0,085 0,441

Atl_N 0,202 0,101 -0,108 -0,056 -0,131 -0,157 -0,103 0,473 0,393 0,529 0,322 0,393

Atl_S -0,147 0,166 0,370 0,436 0,338 0,263 0,336 -0,193 0,219 0,055 0,164 -0,103

Valores críticos para o Teste t de Student:

t >= 1,301. 90% de confiabilidade



em que Nino 1+2, Nino 3, Nino 3.4 e Nino 4 são as regiões do El Niño; DPO é a Oscilação

Decadal do Pacífico; OMA é a Oscilação Multidecadal do Pacífico; Atl_N é a anomalia do

Atlântico Norte; e Atl_S é a anomalia do Atlântico Sul.

95

Tabela C3: 0° 55°W


Nino1+2 0,143 -0,037 -0,109 -0,027 0,005 -0,074 -0,074 0,197 0,530 0,116 0,559 0,148

Nino 3 0,205 -0,040 -0,157 -0,167 -0,128 -0,159 -0,159 0,193 0,506 0,288 0,547 0,261

Nino 3.4 0,090 -0,051 -0,086 -0,209 -0,159 -0,135 -0,135 -0,008 0,540 0,440 0,340 0,247

Nino 4 0,203 -0,069 -0,196 -0,272 -0,227 -0,222 -0,222 0,141 0,507 0,419 0,463 0,314

DPO 0,001 -0,208 -0,179 -0,054 -0,018 -0,152 -0,152 0,061 0,549 0,130 0,440 0,032

OMA 0,025 0,434 0,399 0,322 0,377 0,411 0,411 -0,005 0,164 0,024 0,048 0,012

Atl_N 0,146 0,400 0,214 0,109 0,194 0,204 0,204 0,143 0,229 0,237 0,256 0,207

Atl_S -0,256 0,072 0,331 0,443 0,374 0,327 0,327 -0,263 0,079 -0,495 -0,114 -0,486



Nino1+2 -0,090 0,251 0,107 0,191 0,190 0,181 0,218 -0,043 0,446 0,111 0,169 -0,011

Nino 3 -0,042 0,163 -0,009 0,050 0,039 0,036 0,073 0,037 0,439 0,269 0,262 0,131

Nino 3.4 0,032 -0,088 -0,132 -0,111 -0,143 -0,141 -0,101 0,043 0,364 0,268 0,206 0,183

Nino 4 0,030 0,030 -0,116 -0,083 -0,099 -0,102 -0,066 0,099 0,383 0,354 0,304 0,232

DPO 0,163 -0,232 -0,129 -0,016 -0,014 -0,032 0,038 0,077 0,441 0,027 0,043 -0,070

OMA -0,108 0,304 0,351 0,402 0,444 0,458 0,379 -0,142 0,003 0,063 -0,034 0,101

Atl_N -0,071 0,268 0,163 0,198 0,247 0,251 0,205 -0,023 0,090 0,138 0,151 0,111

Atl_S -0,103 0,246 0,275 0,289 0,202 0,231 0,267 -0,307 0,177 -0,184 -0,259 -0,204



Nino1+2 0,009 0,317 0,044 0,024 0,181 0,139 0,069 -0,150 0,507 0,066 0,160 0,081

Nino 3 0,069 0,311 0,048 0,075 0,171 0,128 0,098 -0,081 0,548 0,140 0,206 0,180

Nino 3.4 0,062 0,127 0,061 0,084 0,102 0,036 0,071 -0,047 0,486 0,040 0,122 0,137

Nino 4 0,106 0,285 0,021 0,053 0,093 0,043 0,055 0,001 0,509 0,148 0,228 0,231

DPO -0,115 0,128 0,300 0,235 0,299 0,246 0,298 -0,367 0,343 -0,285 -0,109 -0,280

OMA 0,310 -0,250 -0,459 -0,345 -0,158 -0,160 -0,364 0,279 0,201 0,475 0,164 0,487

Atl_N 0,288 -0,200 -0,307 -0,224 0,011 -0,022 -0,187 0,135 0,381 0,275 0,162 0,344

Atl_S -0,132 -0,228 0,073 0,211 0,041 0,116 0,118 -0,226 0,099 -0,072 -0,123 -0,121





96



Nino1+2 -0,224 -0,148 0,159 0,177 0,014 0,079 0,136 -0,180 0,272 0,025 0,017 -0,158

Nino 3 -0,145 -0,094 0,110 0,131 -0,056 0,035 0,100 -0,073 0,414 0,096 0,123 -0,054

Nino 3.4 -0,097 -0,098 0,025 -0,030 -0,060 -0,005 0,012 0,070 0,427 0,033 0,057 0,005

Nino 4 -0,082 -0,034 0,022 0,017 -0,140 -0,054 0,007 0,054 0,478 0,124 0,191 0,032

DPO -0,324 -0,299 0,076 0,037 0,052 0,018 0,011 -0,161 -0,052 -0,217 -0,285 -0,287

OMA 0,295 -0,341 -0,292 -0,211 0,026 -0,082 -0,139 0,187 0,121 0,395 0,120 0,351

Atl_N 0,138 -0,273 -0,104 -0,051 -0,037 -0,073 -0,040 0,084 0,149 0,225 0,119 0,202

Atl_S -0,029 -0,241 0,139 0,200 0,435 0,358 0,254 -0,187 -0,155 -0,065 -0,213 -0,100

Tabela C7: Célula 5°S 40°W

5°S40°W CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx

Nino1+2 0,047 -0,255 -0,229 -0,227 -0,246 -0,168 -0,080 0,537 0,552 0,213 0,522 0,320

Nino 3 0,166 -0,312 -0,358 -0,330 -0,366 -0,316 -0,192 0,509 0,565 0,154 0,494 0,313

Nino 3.4 0,170 -0,272 -0,313 -0,279 -0,253 -0,280 -0,154 0,302 0,428 0,153 0,351 0,318

Nino 4 0,252 -0,306 -0,380 -0,334 -0,362 -0,351 -0,205 0,410 0,471 0,101 0,385 0,287

DPO -0,135 -0,014 0,148 0,105 0,190 0,266 0,272 0,321 0,265 0,289 0,391 0,350

OMA 0,133 -0,224 -0,156 -0,222 -0,139 -0,074 -0,073 0,349 0,384 0,311 0,052 0,406

Atl_N 0,253 -0,228 -0,237 -0,315 -0,153 -0,084 -0,015 0,422 0,490 0,275 0,200 0,279

Atl_S -0,259 0,250 0,293 0,284 0,159 0,191 0,009 -0,243 0,074 0,073 0,187 0,210



Nino1+2 -0,315 0,075 0,315 0,291 0,249 0,295 0,267 -0,007 -0,003 -0,043 -0,034 -0,094

Nino 3 -0,166 0,057 0,200 0,164 0,143 0,212 0,181 0,080 0,025 0,094 0,012 0,053

Nino 3.4 -0,022 -0,053 0,156 0,108 0,160 0,197 0,193 0,004 0,183 0,111 0,064 0,110

Nino 4 -0,045 0,022 0,106 0,065 0,077 0,139 0,112 0,080 0,045 0,175 0,014 0,142

DPO -0,416 -0,247 0,588 0,483 0,601 0,599 0,568 -0,332 0,128 -0,290 0,058 -0,215

OMA 0,255 0,099 0,015 -0,049 0,073 0,121 0,121 0,500 0,226 0,456 -0,043 0,531

Atl_N 0,161 0,081 0,084 0,053 0,102 0,192 0,184 0,339 0,300 0,309 0,034 0,380

Atl_S -0,145 0,203 0,287 0,255 0,285 0,242 0,277 -0,233 0,337 -0,121 0,214 -0,172





97



Nino1+2 -0,359 -0,179 0,056 0,081 0,029 0,033 0,071 0,092 0,418 -0,061 0,127 -0,101

Nino 3 -0,179 -0,054 -0,028 -0,008 -0,064 -0,038 0,045 0,120 0,443 0,094 0,253 0,017

Nino 3.4 0,066 -0,106 -0,085 -0,060 -0,096 -0,075 0,019 0,036 0,488 0,141 0,224 0,092

Nino 4 -0,016 -0,029 -0,083 -0,068 -0,113 -0,076 0,054 0,094 0,433 0,188 0,282 0,097

DPO -0,346 -0,270 0,186 0,213 0,202 0,142 0,130 -0,123 0,490 -0,275 0,159 -0,272

OMA 0,188 -0,051 -0,502 -0,573 -0,429 -0,434 -0,262 0,615 0,402 0,388 0,396 0,556

Atl_N 0,136 -0,090 -0,285 -0,362 -0,223 -0,202 -0,028 0,450 0,404 0,297 0,389 0,373

Atl_S -0,208 -0,142 -0,046 -0,024 -0,039 -0,072 -0,100 -0,011 0,205 -0,086 0,066 -0,067



Nino1+2 -0,110 0,031 0,004 0,017 0,057 0,084 0,020 0,024 0,472 0,064 0,065 0,062

Nino 3 -0,056 0,151 -0,011 0,008 0,019 0,050 0,011 0,042 0,497 0,060 0,056 0,059

Nino 3.4 -0,066 0,056 -0,039 0,019 -0,036 -0,023 -0,031 0,000 0,412 0,022 0,020 0,024

Nino 4 -0,033 0,203 -0,002 0,025 -0,005 0,022 0,016 0,025 0,461 0,026 0,020 0,026

DPO -0,315 -0,150 0,104 0,169 0,087 0,101 0,068 -0,265 0,393 0,130 0,157 0,122

OMA 0,533 -0,149 -0,640 -0,570 -0,549 -0,520 -0,583 0,655 0,406 -0,202 -0,218 -0,191

Atl_N 0,294 -0,064 -0,424 -0,352 -0,325 -0,305 -0,372 0,433 0,443 0,073 0,058 0,082

Atl_S 0,008 -0,262 -0,139 -0,083 -0,077 -0,096 -0,147 0,021 0,175 0,132 0,124 0,130



Nino1+2 -0,138 -0,073 -0,122 -0,191 -0,100 -0,135 -0,170 0,011 0,328 -0,011 0,244 -0,098

Nino 3 -0,055 -0,111 -0,204 -0,244 -0,131 -0,181 -0,220 0,059 0,428 0,095 0,334 -0,020

Nino 3.4 -0,045 -0,187 -0,231 -0,215 -0,098 -0,163 -0,192 0,035 0,411 0,092 0,257 -0,012

Nino 4 0,013 -0,142 -0,265 -0,277 -0,151 -0,211 -0,250 0,074 0,460 0,161 0,379 0,027

DPO -0,267 -0,318 -0,079 -0,158 -0,059 -0,131 -0,109 -0,162 0,188 -0,279 -0,045 -0,289

OMA 0,250 0,072 -0,216 -0,122 -0,188 -0,123 -0,199 0,467 0,355 0,370 0,276 0,376

Atl_N 0,086 0,043 -0,245 -0,212 -0,283 -0,212 -0,272 0,367 0,389 0,205 0,334 0,174

Atl_S -0,102 0,016 0,278 0,246 0,162 0,223 0,273 -0,196 -0,089 -0,181 -0,228 -0,184




t >= 2,42. 99% de confiabilidade .

98


5°S CDD CWD PRCPTOT R10mm R20mm R95p SDII DTR TNn TNx TXn TXx

Nino1+2 -0,117 -0,022 0,100 0,100 0,118 0,101 0,085 -0,077 0,225 0,009 0,175 0,021

Nino 3 -0,066 0,029 0,075 0,087 0,082 0,081 0,071 -0,098 0,345 0,142 0,271 0,028

Nino 3.4 -0,098 0,063 0,094 0,100 0,050 0,076 0,087 -0,242 0,379 0,107 0,245 -0,126

Nino 4 -0,057 0,088 0,064 0,086 0,042 0,054 0,061 -0,133 0,404 0,185 0,312 -0,007

DPO -0,196 0,058 0,529 0,519 0,527 0,519 0,512 -0,426 -0,007 -0,246 -0,179 -0,300

OMA 0,215 -0,131 -0,371 -0,367 -0,264 -0,271 -0,333 0,427 -0,037 0,355 0,146 0,467

Atl_N 0,200 -0,220 -0,379 -0,375 -0,287 -0,276 -0,349 0,346 0,081 0,354 0,168 0,368

Atl_S 0,120 -0,276 0,226 0,222 0,304 0,291 0,273 -0,137 -0,034 -0,007 -0,041 0,031



Nino1+2 -0,101 0,111 0,204 0,292 0,095 0,103 0,193 -0,138 0,108 0,020 0,106 -0,020

Nino 3 -0,015 0,129 0,097 0,198 0,059 0,050 0,093 -0,085 0,264 0,086 0,245 0,043

Nino 3.4 -0,030 0,140 0,009 0,033 0,023 -0,013 -0,014 -0,103 0,302 0,026 0,231 -0,026

Nino 4 0,053 0,110 -0,007 0,076 0,021 -0,008 -0,005 -0,030 0,360 0,135 0,319 0,084

DPO -0,313 0,004 0,292 0,314 0,276 0,248 0,304 -0,364 -0,168 -0,303 -0,136 -0,337

OMA 0,190 -0,180 -0,262 -0,271 -0,146 -0,219 -0,291 0,351 0,120 0,324 0,112 0,393

Atl_N 0,054 0,013 -0,120 -0,166 -0,164 -0,218 -0,187 0,201 0,133 0,133 0,127 0,207

Atl_S -0,221 0,263 0,315 0,315 0,490 0,450 0,345 -0,149 -0,150 -0,221 -0,061 -0,146



Nino1+2 -0,004 0,007 0,035 0,027 0,034 0,113 0,173 0,085 0,444 0,266 0,227 0,297

Nino 3 0,104 0,055 -0,017 -0,035 -0,029 0,097 0,175 0,100 0,422 0,314 0,236 0,309

Nino 3.4 0,079 0,286 0,151 0,128 0,129 0,276 0,310 -0,101 0,188 0,114 0,145 0,110

Nino 4 0,161 0,173 0,025 -0,002 0,000 0,155 0,223 0,034 0,327 0,269 0,181 0,247

DPO -0,252 0,341 0,407 0,369 0,390 0,422 0,447 -0,252 -0,063 -0,248 0,025 -0,025

OMA 0,410 -0,083 -0,209 -0,186 -0,105 -0,100 -0,091 0,498 0,243 0,363 0,274 0,466

Atl_N 0,325 0,071 -0,219 -0,171 -0,112 -0,113 0,091 0,344 0,107 0,415 0,219 0,319

Atl_S -0,121 0,019 0,294 0,291 0,226 0,211 0,086 -0,165 0,010 0,005 0,228 -0,047





99



Nino1+2 -0,116 -0,204 0,015 0,002 0,043 0,077 0,091 0,262 0,377 0,243 0,039 0,285

Nino 3 0,007 -0,206 -0,027 -0,047 0,005 0,062 0,082 0,246 0,438 0,335 0,049 0,277

Nino 3.4 0,064 -0,203 0,057 0,038 0,108 0,150 0,179 0,153 0,226 0,188 -0,060 0,165

Nino 4 0,091 -0,181 -0,026 -0,043 0,008 0,067 0,092 0,177 0,368 0,326 -0,003 0,219

DPO -0,246 -0,131 0,407 0,382 0,456 0,449 0,468 -0,062 -0,060 -0,274 -0,373 0,063

OMA 0,286 0,037 -0,144 -0,238 -0,151 -0,064 -0,148 0,337 0,277 0,433 0,395 0,334

Atl_N 0,252 -0,059 -0,100 -0,213 -0,061 0,044 -0,016 0,327 0,205 0,452 0,246 0,276

Atl_S -0,290 0,143 0,268 0,281 0,185 0,190 0,129 -0,073 0,052 -0,204 0,257 -0,020



Nino1+2 -0,081 -0,156 0,005 0,046 0,053 0,038 0,096 -0,006 0,389 0,049 0,083 0,055

Nino 3 0,016 -0,087 -0,036 0,024 0,020 0,018 0,064 0,028 0,430 0,148 0,106 0,147

Nino 3.4 0,111 -0,159 -0,111 -0,029 0,037 0,031 0,027 0,085 0,316 0,226 -0,052 0,207

Nino 4 0,106 -0,055 -0,063 0,003 0,013 0,016 0,050 0,051 0,389 0,224 0,060 0,212

DPO -0,257 -0,385 0,183 0,269 0,418 0,378 0,375 -0,219 -0,026 -0,058 -0,319 -0,139

OMA 0,548 -0,110 -0,293 -0,287 -0,205 -0,244 -0,186 0,334 0,636 0,575 0,275 0,601

Atl_N 0,400 -0,146 -0,254 -0,205 -0,071 -0,097 -0,083 0,240 0,635 0,485 0,269 0,466

Atl_S -0,128 -0,186 0,036 0,018 0,075 -0,004 0,029 -0,077 0,100 0,068 0,064 -0,011



Nino1+2 -0,217 0,013 0,143 0,152 0,267 0,249 0,172 0,016 0,237 -0,084 0,030 -0,032

Nino 3 -0,065 0,058 0,127 0,123 0,217 0,207 0,140 0,024 0,333 -0,011 0,090 0,039

Nino 3.4 0,118 -0,052 -0,042 -0,027 0,018 -0,005 -0,042 0,037 0,267 0,008 -0,014 0,065

Nino 4 0,066 0,087 0,072 0,072 0,126 0,115 0,073 0,021 0,350 0,049 0,095 0,092

DPO -0,200 -0,172 0,214 0,232 0,318 0,294 0,277 -0,244 -0,115 -0,284 -0,325 -0,210

OMA 0,529 -0,134 -0,572 -0,522 -0,452 -0,464 -0,520 0,643 0,345 0,573 0,457 0,626

Atl_N 0,286 -0,108 -0,297 -0,273 -0,237 -0,256 -0,265 0,336 0,320 0,337 0,287 0,387

Atl_S -0,001 -0,156 -0,238 -0,185 -0,192 -0,218 -0,245 0,153 -0,076 -0,055 0,015 0,062





100



Nino1+2 -0,090 -0,158 0,011 0,096 0,059 0,088 0,045 -0,055 0,155 0,027 0,219 -0,007

Nino 3 -0,021 -0,075 -0,024 0,079 -0,044 0,044 -0,007 -0,020 0,275 0,083 0,275 0,053

Nino 3.4 0,011 -0,054 -0,174 -0,090 -0,251 -0,152 -0,203 0,077 0,276 0,046 0,230 0,072

Nino 4 0,028 -0,019 -0,072 0,027 -0,133 -0,026 -0,067 0,026 0,335 0,111 0,297 0,087

DPO -0,161 -0,173 -0,090 -0,011 -0,059 0,008 -0,079 -0,046 -0,153 -0,264 -0,103 -0,166

OMA 0,570 -0,239 -0,614 -0,572 -0,529 -0,562 -0,520 0,582 0,127 0,539 0,535 0,608

Atl_N 0,431 -0,098 -0,447 -0,423 -0,498 -0,447 -0,413 0,322 0,137 0,392 0,436 0,405

Atl_S 0,128 -0,133 -0,084 -0,103 0,137 -0,005 -0,046 0,142 -0,227 -0,021 -0,178 0,016



Nino1+2 -0,206 -0,073 0,126 0,212 0,222 0,259 0,166 -0,089 0,030 0,027 0,010 0,127

Nino 3 -0,044 -0,111 0,075 0,194 0,208 0,248 0,147 -0,125 0,193 0,123 0,044 0,158

Nino 3.4 0,042 -0,074 0,044 0,163 0,033 0,128 0,101 -0,042 0,247 0,082 -0,009 0,056

Nino 4 0,067 -0,121 -0,008 0,132 0,104 0,151 0,074 -0,077 0,288 0,185 0,078 0,166

DPO -0,213 -0,217 0,181 0,329 0,162 0,253 0,231 0,107 -0,229 -0,282 -0,289 -0,162

OMA 0,248 0,298 -0,136 -0,086 -0,140 -0,123 -0,027 0,370 0,093 0,293 0,222 0,485

Atl_N 0,227 0,055 -0,142 -0,091 -0,012 -0,056 -0,064 0,192 0,121 0,198 0,149 0,272

Atl_S 0,055 0,177 0,219 0,316 0,100 0,209 0,298 0,059 -0,174 -0,132 -0,205 0,017



Nino1+2 -0,186 0,213 0,262 0,252 0,200 0,323 0,303 -0,147 -0,012 -0,094 0,023 -0,036

Nino 3 -0,011 0,100 0,143 0,193 0,157 0,274 0,218 -0,099 0,130 0,015 0,092 0,103

Nino 3.4 0,045 -0,067 -0,065 0,030 0,016 0,052 -0,006 0,033 0,177 0,072 0,072 0,179

Nino 4 0,103 -0,022 -0,013 0,069 0,070 0,147 0,068 -0,008 0,226 0,117 0,156 0,215

DPO -0,357 0,248 0,348 0,339 0,204 0,265 0,333 -0,251 -0,232 -0,451 -0,339 -0,385

OMA 0,173 0,012 -0,065 0,014 -0,019 -0,056 -0,027 0,422 0,048 0,149 -0,012 0,288

Atl_N 0,135 -0,091 -0,061 0,013 0,026 -0,013 -0,019 0,337 0,051 0,141 -0,121 0,279

Atl_S -0,092 0,305 0,252 0,302 0,049 0,207 0,259 -0,098 -0,294 -0,181 -0,175 -0,176





101



Nino1+2 -0,185 0,080 0,208 0,217 0,264 0,258 0,256 -0,121 0,422 -0,003 0,235 0,000

Nino 3 -0,097 0,033 0,139 0,140 0,238 0,237 0,201 -0,058 0,332 0,018 0,230 0,086

Nino 3.4 -0,031 -0,026 0,004 -0,022 0,179 0,173 0,062 0,000 0,058 -0,032 0,194 0,035

Nino 4 -0,017 0,020 0,090 0,092 0,217 0,226 0,176 0,002 0,195 0,025 0,238 0,114

DPO -0,272 0,076 0,103 0,029 0,366 0,341 0,140 -0,224 0,160 -0,166 0,083 -0,330

OMA 0,330 -0,264 -0,390 -0,349 -0,172 -0,247 -0,233 0,399 0,307 0,466 -0,033 0,453

Atl_N 0,060 -0,008 -0,140 -0,108 -0,050 -0,086 -0,068 0,160 0,050 0,160 -0,024 0,184

Atl_S -0,088 -0,154 -0,085 -0,104 -0,068 -0,080 0,058 0,100 0,066 0,349 -0,021 0,239



Nino1+2 -0,024 -0,031 0,132 0,190 0,132 0,132 0,146 0,109 0,323 0,057 0,163 0,164

Nino 3 0,044 -0,048 0,153 0,238 0,159 0,145 0,178 -0,016 0,330 0,060 0,066 0,085

Nino 3.4 0,061 -0,153 0,172 0,276 0,238 0,177 0,252 -0,061 0,095 -0,040 -0,107 -0,035

Nino 4 0,087 -0,061 0,141 0,245 0,164 0,121 0,177 -0,116 0,251 0,041 -0,012 0,019

DPO -0,445 0,035 0,450 0,464 0,479 0,458 0,496 0,096 -0,115 -0,372 -0,157 -0,144

OMA 0,404 -0,229 -0,100 -0,042 -0,050 -0,044 0,030 0,096 0,390 0,452 0,401 0,569

Atl_N 0,248 -0,183 0,025 0,071 0,039 0,072 0,104 0,023 0,210 0,211 0,202 0,252

Atl_S 0,080 -0,258 0,077 0,135 0,125 0,046 0,134 0,297 0,018 0,097 0,095 0,316



Nino1+2 -0,262 -0,101 0,166 0,129 0,173 0,225 0,158 -0,124 0,372 0,015 -0,141 0,049

Nino 3 -0,184 -0,032 0,171 0,148 0,166 0,219 0,186 -0,149 0,406 0,035 -0,200 0,084

Nino 3.4 -0,137 0,056 0,252 0,247 0,265 0,299 0,309 -0,139 0,186 -0,048 -0,227 0,077

Nino 4 -0,121 0,043 0,188 0,175 0,180 0,228 0,221 -0,162 0,328 0,042 -0,235 0,104

DPO -0,505 -0,018 0,601 0,558 0,644 0,660 0,605 -0,461 -0,129 -0,358 -0,375 -0,235

OMA 0,243 0,216 -0,035 -0,017 -0,069 -0,072 0,001 0,039 0,462 0,520 0,275 0,619

Atl_N 0,147 -0,064 -0,136 -0,146 -0,119 -0,091 -0,086 0,057 0,420 0,398 0,244 0,472

Atl_S -0,230 0,111 0,322 0,337 0,313 0,283 0,325 -0,221 0,131 -0,017 0,163 0,073





102



Nino1+2 -0,221 -0,034 0,142 0,142 0,158 0,158 0,129 -0,070 0,101 -0,130 -0,001 -0,097

Nino 3 -0,100 -0,054 0,128 0,128 0,211 0,211 0,142 -0,111 0,167 -0,051 0,108 -0,046

Nino 3.4 0,081 -0,171 -0,072 -0,072 0,112 0,112 0,001 0,033 0,122 -0,029 0,139 -0,006

Nino 4 0,005 -0,069 0,055 0,055 0,165 0,165 0,077 -0,108 0,195 0,011 0,182 0,008

DPO -0,317 -0,058 0,246 0,246 0,301 0,301 0,309 -0,199 -0,329 -0,368 -0,300 -0,353

OMA 0,516 -0,161 -0,338 -0,338 -0,183 -0,183 -0,250 0,145 0,244 0,499 0,163 0,597

Atl_N 0,439 -0,183 -0,226 -0,226 0,065 0,065 -0,026 0,130 0,111 0,326 0,084 0,349

Atl_S -0,037 -0,263 -0,079 -0,079 -0,145 -0,145 -0,145 0,124 -0,126 -0,048 -0,210 0,108



Nino1+2 -0,194 0,076 0,165 0,170 0,122 0,192 0,148 -0,170 0,047 -0,089 -0,049 -0,172

Nino 3 -0,043 -0,027 0,106 0,123 0,121 0,198 0,116 -0,146 0,135 0,029 0,062 -0,082

Nino 3.4 0,114 -0,133 -0,125 -0,128 0,004 0,022 -0,115 0,113 0,106 0,105 0,104 0,030

Nino 4 0,085 -0,111 -0,013 0,007 0,058 0,119 0,012 -0,060 0,181 0,141 0,151 0,021

DPO -0,264 -0,046 -0,054 -0,186 0,141 0,017 -0,125 0,081 -0,232 -0,232 -0,255 -0,200

OMA 0,459 -0,098 -0,289 -0,289 -0,067 -0,164 -0,204 0,459 0,125 0,283 0,023 0,407

Atl_N 0,390 0,015 -0,063 -0,065 0,237 0,101 0,073 0,140 0,069 0,208 -0,096 0,231

Atl_S 0,044 0,063 0,004 0,063 -0,026 0,038 0,009 0,235 -0,214 -0,160 -0,145 0,018





em que Nino 1+2, Nino 3, Nino 3.4 e Nino 4 são as regiões do El Niño; DPO é a Oscilação

Decadal do Pacífico; OMA é a Oscilação Multidecadal do Pacífico; Atl_N é a anomalia do

Atlântico Norte; e Atl_S é a anomalia do Atlântico Sul.

103

APÊNDICE D

Tabela D1: Anomalias dos oceanos Pacífico e Atlântico de 1961 a 2001

Ano Nino 1+2 Nino 3 Nino 3.4 Nino 4 DPO AMO*10 Atl_N*10 Atl_S*10

1961 -0,459 -0,314 -0,083 -0,093 -0,818 1,603 -0,467 -2,708

1962 -0,949 -0,531 -0,279 -0,309 -1,158 0,850 1,617 -0,967

1963 -0,457 -0,178 -0,229 -0,118 -0,686 0,753 2,933 1,683

1964 -0,827 -0,234 -0,014 0,106 -0,770 -0,503 0,700 1,192

1965 0,308 -0,106 -0,369 -0,121 -0,314 -1,394 -2,317 -4,333

1966 -0,234 0,494 0,625 0,923 -0,459 -0,632 1,433 -2,367

1967 -0,631 -0,503 -0,024 -0,263 -0,734 -0,281 0,250 -2,567

1968 -1,257 -0,753 -0,005 -0,334 -0,403 -1,608 -1,542 -3,300

1969 0,424 0,505 0,633 0,658 -0,098 0,193 4,100 0,467

1970 -0,508 -0,035 0,285 0,264 -0,398 -0,610 3,400 -4,542

1971 -1,048 -1,051 -0,885 -1,049 -1,291 -2,678 -1,925 -1,600

1972 0,613 0,058 0,003 0,018 -0,922 -3,349 -1,950 -1,967

1973 0,258 0,507 0,339 0,618 -0,804 -2,372 -1,192 5,200

1974 -0,700 -0,895 -1,038 -1,127 -0,337 -3,233 -4,575 2,467

1975 -0,818 -0,721 -0,793 -0,729 -1,102 -3,227 -4,583 -1,225

1976 -0,266 -0,632 -0,887 -0,852 0,008 -3,518 -4,283 -5,742

1977 0,182 0,356 0,157 0,483 0,231 -2,196 -0,883 -3,325

1978 -0,487 -0,213 0,264 0,133 0,236 -1,742 0,300 -3,725

1979 0,002 -0,018 0,079 0,003 0,335 -1,257 1,475 -2,450

1980 0,252 0,234 0,392 0,369 0,603 0,109 3,350 -1,467

1981 -0,380 -0,286 -0,078 -0,224 0,918 -0,749 3,133 -3,133

1982 -0,193 0,367 0,397 0,417 0,114 -1,055 0,558 -1,442

1983 2,995 2,093 0,568 1,553 1,648 -1,287 0,975 -2,242

1984 -0,127 -0,412 -0,545 -0,517 0,838 -1,324 -1,908 3,175

1985 -0,871 -0,911 -0,423 -0,769 0,449 -2,623 -3,550 2,617

1986 -0,551 -0,418 0,062 -0,253 1,239 -2,392 -3,083 2,050

1987 0,889 1,064 0,877 1,283 1,821 -0,447 0,650 1,275

1988 -0,230 -0,148 0,343 0,113 0,532 0,834 3,817 4,992

1989 -0,612 -1,048 -1,021 -1,253 -0,179 -0,677 -2,133 3,050

1990 -0,391 -0,105 0,319 0,064 -0,356 -0,732 0,908 0,108

1991 -0,172 0,222 0,732 0,443 -0,419 -0,305 -0,867 1,217

1992 0,785 0,833 0,888 1,152 0,928 -1,568 -1,000 -4,817

1993 0,313 0,240 0,451 0,348 1,417 -2,127 -1,025 -2,867

1994 -0,418 -0,036 0,484 0,277 -0,152 -2,083 -3,317 2,367

1995 -0,065 0,153 0,729 0,513 0,643 1,093 1,742 2,575

1996 -0,884 -0,638 -0,237 -0,544 0,641 0,311 4,892 2,842

1997 0,817 0,350 0,442 0,350 1,461 0,012 1,825 -4,500

1998 3,078 1,938 0,433 1,270 0,246 3,187 6,383 5,242

1999 -0,487 -0,812 -1,003 -1,123 -1,063 2,517 2,275 1,817

2000 -0,674 -0,851 -0,820 -0,973 -0,590 0,840 0,900 1,842

2001 -0,417 -0,306 -0,177 -0,338 -0,563 0,672 -0,500 0,775

104

Fonte: Earth System Research Laboratory da NOAA, Disponível em:

<http://www.esrl.noaa.gov/psd/data/climateindices/>

http://www.esrl.noaa.gov/psd/data/climateindices/

Documents

UNIVERSIDADE FEDERAL DE CAMPINA GRANDE … · Meteorologia da UFCG, pelo intuito insaciável de ajudar todos os pós-graduandos. ... In general, a trend of increased indices of the