1

UTILIZAÇÃO DE GEOESTATÍSTICA NA ANÁLISE DA VARIABILIDADE DA PRECIPITAÇÃO PLUVIAL NO ESTADO DE SÃO PAULO DURANTE O PERÍODO

CHUVOSO

Leônidas Mantovani Malvestio1 e Dr. Jonas Teixeira Nery2. (1) Professor de Geografia da Secretaria de Educação do Estado de São Paulo. leonidasgeo@gmail.com (CLIMA/CNPq e GADIS/CNPq); (2) Professor Doutor do Curso de Geografia da UNESP/Campus Experimental de Ourinhos. jonas@ourinhos.unesp.br (CLIMA/CNPq e GADIS/CNPq).

RESUMO

Atualmente, a compreensão da distribuição de dados oriundos de fenômenos atuantes no espaço geográfico constitui-se um grande desafio à comunidade científica. Os avanços do conhecimento nas diversas áreas que compõem a ciência geográfica têm evidenciado limitações nos métodos tradicionais da Estatística, principalmente em relação à variabilidade espacial de variáveis relacionadas aos fenômenos naturais. Esta limitação deve-se ao fato da análise estatística clássica se fundamentar na hipótese da estacionaridade, a qual afirma que todas as amostras são aleatórias e independentes de uma distribuição de probabilidade simples. Já a metodologia proposta pela Geoestatística difere, basicamente, na forma de avaliar a variação dos dados. Tal técnica assume que a distribuição das diferenças de variáveis entre dois pontos amostrados é a mesma para toda a área, e que a dependência espacial ocorre através da distância entre eles e da orientação dos pontos. O objetivo deste estudo foi analisar a variabilidade da precipitação pluvial no Estado de São Paulo através do método de interpolação por Krigagem, o qual consiste em ajustar um modelo matemático que considere a dependência espacial. Com base em dados de 96 postos pluviométricos distribuídos pela área de estudo, referentes ao período úmido (primavera-verão) dos anos de 1974 a 2004, foram traçadas isoietas utilizando-se o software Surfer 8.0. A grande questão ao se traçar isolinhas utilizando-se este software está relacionada ao default que pressupõe modelo linear, o que na maioria das vezes não é real. A análise variográfica, necessária para a escolha do melhor modelo matemático de entrada com finalidade de traçar as isolinhas, foi realizada através do software Variowin 2.1. Com base no modelo escolhido traçaram-se as isoietas que ficaram mais suavizadas representando melhor a variabilidade pluviométrica da área de estudo. Observou-se que o Leste de São Paulo, onde há maiores densidade populacional e variação altimétricas, apresentou as maiores médias, desvio padrão, máximos, mínimos, amplitudes e quartis. Palavras-chave: Geoestatística, precipitação pluvial; São Paulo

INTRODUÇÃO A constante apropriação dos recursos da superfície terrestre pela sociedade tem sido realizada sem preocupação com os fenômenos naturais atuantes na paisagem ou no espaço geográfico e as suas características. Dentre as principais conseqüências desta ação predatória pode-se mencionar a degradação do território e os vultosos gastos para a sua recuperação.

2

O estudo do clima e do tempo torna-se importante tanto para compreender a transformação de uma determinada paisagem quanto para avaliar impactos que podem ser ocasionados pelas atividades humanas em um dado espaço. Uma vez que os processos atmosféricos desencadeiam outros novos nas diferentes esferas que compõe o ambiente (criosfera, biosfera, hidrosfera e litosfera). Devido à extensão territorial brasileira há uma grande variabilidade espaço-temporal dos atributos climáticos, principalmente a precipitação pluvial e a temperatura do ar, e isto lhe proporciona distintas paisagens e espaços susceptíveis a dinâmicas particulares. Estes fatores climáticos, segundo Cardim (2001), são os que mais influenciam o meio ambiente e provocam grandes variações na quantidade e qualidade da produção agrícola. E isto se deve a um conjunto de variáveis tais como: características do solo, orografia, vegetação, bacias hidrográficas, latitude, distância do oceano, efeito das correntes marítimas, altitude, continentalidade, rotação da Terra, e as estações do ano (VIANELLO e ALVES, 2000; ROSS, 2003; SILVA, 2006). Além disso, durante os meses de primavera-verão há a formação da Zona de Convergência do Atlântico Sul (ZCAS), que interfere no regime de chuvas dos municípios paulistas, pois intensifica os volumes pluviais nas localidades sobre a influência de seu campo convectivo (FERREIRA et al., 2004). Diversos estudos têm procurado considerar a influência da diversidade climática sobre o regime de precipitação pluvial com o intuito de estabelecer uma melhor forma de ocupação, tipos de atividades socioeconômicas que podem ser praticadas, bem como o planejamento e a tomada de decisão seja no campo ou na cidade. Dentre aqueles que focaram o Estado de São Paulo têm-se o de Sansigolo (1996) que procurou analisar a variabilidade interanual da estação chuvosa (meses de outubro-fevereiro), a partir de métodos diretos simples, visando planejamento e gerenciamento agrícola. Estabeleceram-se as seguintes datas médias para início do período chuvoso: 27 de setembro (dia 271 – início potencial) e 12 de outubro (dia 286 – início efetivo), com erros padrões de estimativa de dois e três dias, respectivamente. Vicente et al. (2002) analisaram as principais características de 30 episódios de chuvas sobre o Leste do Estado (regiões de Campinas, Serras do Mar e Mantiqueira, Grande São Paulo e Vale do Paraíba), via radar meteorológico de São Paulo, no período úmido dos anos de 1990-1995. A convecção esteve relacionada à orografia, ilhas de calor urbanas e à penetração da brisa marítima. Nery et al. (2004) analisaram o comportamento da precipitação pluvial através da aplicação da Análise de Componentes Principais (ACP) em 38 séries pluviométricas. Foram definidas

3

quatro áreas de comportamento homogêneo, das quais o Norte paulista apresentou as menores variabilidades interanual e sazonal e, as regiões sul e litoral as maiores variabilidades. O aspecto comum destes trabalhos é que foram fundamentados na hipótese de estacionaridade, típica da Estatística clássica. Uma grande quantidade de estudos sobre a precipitação pluvial não consideram a variabilidade espacial entre os valores observados, deixando, dessa forma, de verificar a amplitude da dependência espacial entre as amostras (CARDIM, 2001). O oposto é observado na Geoestatística, a qual se fundamentada na Teoria das Variáveis Regionalizadas (MATHERON, 1971), cujo objetivo é estimar um conjunto de variáveis espacialmente correlacionadas. Considera-se a distância entre as amostras, onde: Z(x) é definida como uma variável aleatória que assume diferentes valores Z em função da posição x em uma região S, sendo representada por pares de coordenadas (xi, yi). Assim, os valores de uma variável estão relacionados à disposição espacial e, por isso, as observações tomadas a curta distância se assemelham mais do que aquelas cujas distâncias são superiores (VIEIRA et. al., 1981). Entre os trabalhos que usaram esse método para analisar o regime pluviométrico paulista tem-se o de Cardim (2001), que estudou o comportamento de variáveis climáticas de interesse agrícola (altitude, precipitação pluvial e temperatura do ar) através da aplicação de Análises de Agrupamento, Componentes Principais e Geoestatística em séries históricas de 30 anos (1941 a 1970). Observou-se que as variáveis altitude e temperatura tiveram maior contribuição para a formação de grupos climáticos e, o índice pluviotérmico elaborado pode ser amplamente utilizado para a escolha de culturas e para os trabalhos de manejo e condução da agricultura e das reservas naturais do território paulista. Gomes (2001) avaliou a distribuição espacial do percentil 75 da precipitação decendial para o estado paulista através de 136 postos pluviométricos com séries de dados acima de 27 anos. Foram aplicadas técnicas estatísticas clássicas e, também foram utilizadas técnicas geoestatísticas para fazer a interpolação e gerar mapas de isoietas. As regiões com menores intensidades de precipitação foram o norte e leste durante o outono e inverno e o oeste, sudoeste e noroeste na primavera-verão. O litoral apresentou as maiores intensidades para todos os níveis temporais estudados, com exceção do período úmido, quando os maiores valores ocorreram no Nordeste da área estudada. Carvalho e Assad (2005), compararam três interpoladores univariados (inverso do quadrado da distância, curvatura mínima e krigagem ordinária) para analisar a variabilidade espacial da precipitação pluvial média anual de São Paulo a partir de 1027 postos pluviométricos com

4

registros entre 1957-1997. O método da krigagem ordinária foi mais eficiente, pois apresentou menor quadrado médio do erro ou residual. Neste sentido, o objetivo deste estudo foi aplicar a Geoestatística na geração de mapas de isoietas para analisar a variabilidade da precipitação pluvial no Estado de São Paulo durante o período chuvoso (primavera-verão).

2 MATERIAL E MÉTODOS Para analisar a precipitação pluvial incidente sobre o território do Estado de São Paulo, foram utilizados dados de precipitação pluvial referentes ao período úmido (primavera-verão) de 96 postos pluviométricos (Tabela 1), obtidos através do Sistema de Informações Hidrológicas (Hidroweb), da Agência Nacional de Águas (ANA). Nesta Tabela encontram-se as informações referentes a estas séries pluviométricas selecionadas para o estudo, tendo-se nas duas primeiras colunas a numeração dos postos e os números de registro de cada série no sistema Hidroweb. Nas colunas seguintes têm-se os nomes e a localização (município) do referido posto, acompanhado pelas suas respectivas latitude, longitude e altitude. Estes postos (Figura 1) estão localizados entre as coordenadas geográficas: latitude de 20º05’ a 24º45’ S e longitude de 44º19’ a 51º58’ W, com uma série

temporal compreendendo um período de 31 anos referente aos meses de setembro de 1974 a março de 2004.

Longituge

Latit

ude

POSTOS

LEGENDA

PLUVIOMÉTRICOS

1

2

3

45

6

7

8

910

11

12

1314

151617

181920

21

22

2324

25 26

27

28

2930

3132

3334

3536 37

38

3940

41

42

43

44

45

46

47

48

49

50

51

52

535455

56

5758

59

60

61

62

63

64

65

66 67

6869

70

71 7273

74

75

7677

787981

8283

84

85

8788

8990

91

92

9394

95

96

-53 -52 -51 -50 -49 -48 -47 -46 -45

-24

-23

-22

-21

-20

UTILIZADOS

0 km 60 km 120 km

Figura 1 – Distribuição espacial das estações meteorológicas na área de estudo.

5

Tabela 1 – Identificação e localização dos postos pluviométricos utilizados para a análise da variabilidade da precipitação pluvial do Estado de São Paulo.

Nº Posto Nome do Posto Município Latitude (S) Longitude (W) Altitude (m) 1 2047005 Rifaina Rifaina 20º 05’ 47º 25’ 560 2 2047025 Orlândia Orlândia 20º 43’ 47º 53’ 700 3 2047032 Brodosqui Brodoswki 20º 59’ 47º 39’ 848 4 2047067 Ituverava Ituverava 20º 20’ 47º 46’ 560 5 2048006 Brejinho das Antas Guaíra 20º 21’ 48º 18’ 510 6 2048016 Ibitu Barretos 20º 37’ 48º 46’ 490 7 2048034 Botagofo Bebedouro 20º 59’ 48º 55’ 511 8 2049002 Faz. Santa Laura Cardoso 20º 08’ 49º 58’ 420 9 2049009 Ibiporanga Tanabi 20º 29’ 49º 34’ 520

10 2049013 Onda Verde Onda Verde 20º 38 49º 20’ 460 11 2049024 São J. do Rio Preto S. J. Rio Preto 20º 48’ 49º 23’ 470 12 2049033 Faz. Marimbondo Icem 20º 20’ 49º 12’ 430 13 2050004 Macedônia Macedônia 20º 09’ 50º 12’ 500 14 2050005 Faz. Santa Rita Fernandópolis 20º 14’ 50º 19’ 470 15 2050009 Vila Parisi Votuporanga 20º 18 50º 01’ 470 16 2050012 Palmeira D'Oeste P. D'Oeste 20º 25’ 50º 46’ 430 17 2050025 Jales Jales 20º 16’ 50º 33’ 480 18 2051007 Lussanvira Pereira Barreto 20º 42’ 51º 07’ 290 19 2051012 Andradina Andradina 20º 55’ 51º 22’ 370 20 2051018 Castilho Castilho 20º 52’ 51º 29’ 380 21 2146007 Caconde Caconde 21º 32’ 46º 38’ 880 22 2146014 S. João da Boa Vista S. J. Boa Vista 21º 58’ 46º 48’ 770 23 2147003 S. Antônio da Alegria S. A. Alegria 21º 06’ 47º 09’ 820 24 2147004 Clube de Regatas Ribeirão Preto 21º 06’ 47º 45’ 490 25 2147011 Faz. Corredeira Serra Azul 21º 19’ 47º 29’ 530 26 2147016 Faz. Capão da Cruz Luis Antônio 21º 27’ 47º 54’ 580 27 2147022 S. Rosa de Viterbo S. R de Viterbo 21º 31’ 47º 21’ 740 28 2147059 Usina Capão Preto São Carlos 21º 52’ 47º 48’ 610 29 2147069 Cássia dos Coqueiros C. Coqueiros 21º 17’ 47º 10’ 890 30 2147113 Lagoa Branca Casa Branca 21º 54’ 47º 02’ 700 31 2147117 Pirassununga Pirassununga 21º 59’ 47º 52’ 670 32 2148001 Pitangueiras Pitangueiras 21º 01’ 48º 13’ 500 33 2148012 Estação Experimental Pindorama 21º 13’ 48º 54’ 520 34 2148061 Usina Chibarro Araraquara 21º 53’ 48º 09’ 580 35 2148126 Usina Reynaldo G. Itápolis 21º 36’ 48º 58’ 430 36 2148160 Usina Santa Adélia Jaboticabal 21º 20’ 48º 19’ 550 37 2149005 Mendonça Mendonça 21º 11’ 49º 35’ 490 38 2149006 Urupes Urupês 21º 11’ 49º 18’ 420 39 2149018 Faz. São Pedro Lins 21º 28’ 47º 01’ 620 40 2150001 Destivale Araçatuba 21º 03’ 50º 28’ 320 41 2150022 Penápolis Penápolis 21º 26’ 50º 04’ 430 42 2150026 Alto Alegre Alto Alegre 21º 35’ 50º 10’ 500 43 2150038 Bastos Bastos 21º 55’ 50º 44’ 440 44 2150040 Usina Quatiara Rancharia 21º 57’ 50º 56’ 320 45 2150041 Bairro Sabiá Tupã 21º 35’ 48º 49’ 480 46 2150061 Valparaíso Valparaíso 21º 42’ 49º 41’ 480 47 2151010 Dracena Dracena 21º 58’ 50º 27’ 480 48 2151019 Piquerobi Piquerobi 21 º 53’ 51º 44’ 420 49 2151053 Granja Yuba Mirandópolis 21º 01’ 51º 06’ 420 50 2244133 Bananal Bananal 22º 41’ 44º 19’ 460 51 2246003 Aguaí Aguaí 22º 04’ 46º 59’ 650 52 2246013 Itapira Itapira 22º 27’ 46º 49’ 660 53 2246022 M. Alegre do Sul M. Alegre do Sul 22º 42’ 46º 40’ 750 54 2247020 Rio Claro Rio Claro 22º 56’ 46º 54’ 690 55 2247042 Barão Geraldo Campinas 22º 50’ 47º 04’ 630 56 2247075 U. Americana Americana 22º 42’ 47º 17’ 540

6

Continuação da Tabela 1. Nº Posto Nome do Posto Município Latitude (S) Longitude (W) Altitude (m) 57 2247094 SEMAE Piracicaba 21º 59’ 51º 08’ 470 58 2247100 Artur Nogueira Artur Nogueira 22º 34’ 47º 10’ 640 59 2248009 Dourado Dourado 22º 08’ 48º 19’ 700 60 2248015 Guaianas Pederneiras 22º 53’ 46º 38’ 760 61 2248029 Faz. S. J. M. V. Botucatu 22º 49’ 48º 26’ 780 62 2248045 PCH Três Saltos Torrinha 22º 23’ 48º 10’ 720 63 2248051 Gleba Rio Claro Lençóis Paulista 22º 46’ 48º 50’ 630 64 2249006 Garça Garça 22º 12’ 49º 39’ 680 65 2249025 Paulistania Agudos 22º 35’ 49º 24’ 540 66 2249058 Faz. Lajeadinho Ourinhos 22º 59’ 49º 50’ 470 67 2249060 Areia Branca São P. do Turvo 22º 35’ 49º 49’ 580 68 2249062 Dirceu Marília 22º 08’ 49º 55’ 440 69 2249070 Avaí Avaí 22º 10’ 49º 20’ 500 70 2250048 Água da Fortuna Assis 22º 41’ 50º 29’ 500 71 2250063 Paraguaçu Pta. Paraguaçu Pta 22º 25’ 50º 34’ 480 72 2251002 Marabá Paulista Marabá Paulista 22º 06’ 51º 58’ 390 73 2251012 Mirante do P. M. Paranapanema 22º 18’ 51º 55’ 440 74 2251013 Taciba Taciba 22º 23’ 51º 17’ 390 75 2251018 Iepe Iepê 22º 40’ 51º 05’ 380 76 2252034 Faz. Rosanela Teodoro Sampaio 22º 59’ 49º 50’ 460 77 2344009 B. Mato Limpo Cunha 23º 09’ 44º 51’ 1050 78 2345032 Natividade da S. Natividade da S. 23º 23’ 45º 27’ 720 78 2345049 Ponte Nova Salesópolis 23º 34’ 45º 58’ 800 79 2345062 Taubaté Taubaté 23º 38’ 45º 26’ 20 80 2345067 Ponte Alta 1 S. L. do Paraitinga 23º 19’ 45º 08’ 888 81 2345164 Parangaba S. J. dos Campos 23º 11’ 45º 48’ 590 82 2346021 Hospital Juqueri Franco da Rocha 23º 20’ 46º 41’ 740 83 2346030 Bom Sucesso Guarulhos 23º 25’ 46º 24’ 770 84 2346059 Obs. do IAG São Paulo 22º 19’ 49º 02’ 540 85 2346346 Rio Acima S. B. do Campo 23º 50’ 46º 35’ 760 86 2347027 Bairro Sarapu Tatuí 23º 24’ 47º 46’ 540 87 2347047 Piedade Piedade 23º 44’ 47º 25’ 840 88 2348037 Cerradinho Capão Bonito 23º 06’ 48º 55’ 780 89 2349002 Cerqueira César Cerqueira César 23º 20’ 49º 10’ 760 90 2349005 Porto Ermidão Chavantes 23º 40’ 49º 44’ 440 91 2349007 Piraju Piraju 23º 11’ 49º 23’ 500 92 2349020 Itaporanga Itaporanga 23º 58’ 48º 17’ 610 93 2447007 Taquaral S. Miguel Arcanjo 24º 30’ 49º 59’ 770 94 2448013 Apiaí Apiaí 24º 31’ 48º 51’ 800 95 2448026 Barra do Turvo Barra do Turvo 24º 45’ 48º 30’ 160 96 2449001 Engenheiro Maia Itabera 24º 03’ 49º 06’ 680

A escolha dessas séries pluviométricas para o desenvolvimento deste estudo baseou-se em dois critérios: possuir no mínimo de 30 anos de observação e não apresentar ou apresentar o mínimo de falhas no período de verão. Buscou-se obter uma distribuição espacial mais homogênea das estações pelas diferentes regiões paulistas. Assim, através de uma distribuição mais densa e homogênea dos postos pluviométricos pela área de estudo pretendeu-se a melhor compreensão do seu regime de precipitação pluvial. O processo de interpolação consiste em estimar valores de um atributo em locais não amostrados, a partir de valores vizinhos resultantes da amostragem realizada (VIEIRA, 2000).

7

A combinação das metodologias propostas pela Geoestatística e Estatística clássica foi uma forma de melhorar a análise e a interpolação dos dados. Inicialmente, aplicou-se o método descritivo para a verificação de discrepâncias no conjunto dados e também para auxiliar na escolha e ajuste de um modelo matemático. Em seguida utilizou-se a geoestatística para realizar a interpolação e a geração dos mapas de isoietas. Os parâmetros estatísticos (média, desvio padrão, coeficiente de variação, máximos, mínimos, amplitude e quartis) foram utilizados para compreender o regime pluviométrico da área estudada. Estas medidas podem ser classificadas como de posição (oferecem uma idéia sobre o comportamento do conjunto de dados estudados), e também de dispersão, as quais servem para medir o grau de dispersão dos valores individuais em torno da média (representatividade). As representações matemáticas das estatísticas são:

Média: nx

x i

Sendo x o valor médio da variável precipitação, podendo-se tratar-se de uma média mensal

ou anual, por exemplo; ix é o somatório de todos os dados, sejam mensais ou anuais e n a

quantidade de dados envolvidos no cálculo da média.

Desvio Padrão: 1

)( 2

nxx

s i

Sendo s o desvio padrão amostral; 2)( xxi é o somatório das diferenças entre cada valor

dos dados analisados e a média aritmética desses dados e n a número total de dados

analisados.

Coeficiente de Variação: xsCV

Sendo CV o coeficiente de variação; s é o desvio padrão da amostra e x o valor médio dos

dados amostrais.

Amplitude: MENORMAIOR VVA

8

Sendo A a amplitude dos dados, podendo ser a amplitude anual ou mensal, por exemplo;

MAIORV é o maior valor encontrado em cada série analisada e MENORV é o menor valor

encontrado em cada série.

Quartis: iQ e sQ

A estimativa da dependência espacial ocorreu pelo semivariograma experimental, que é uma representação gráfica da função resultante da semivariancia “γ(h)” e distância de separação das amostras “h” (lag), expresso pela seguinte equação:

Em que N(h) é o número de pares de valores medidos Z

(xi), Z

(xi+h), separados por um vetor h

(Journel e Huibregts, 1978). A escolha do modelo matemático Gaussiano bem como o seu ajuste, através da análise variográfica, definiu os parâmetros dos semivariogramas (Figura 2): o efeito pepita ou nugget (C0); a variância estrutural (C); o alcance da dependência espacial ou range (a) e; o patamar ou sill (C + C0). Foram calculados os variogramas experimentais para a direção de 90º, a qual apresentou maior variabilidade. Para medir o grau de dependência espacial utilizou-se o Índice de Dependência Espacial (IDE) proposto por Trangmar et al. (1985), calculado pela seguinte expressão:

Utilizou-se para classificar a dependência espacial, as seguintes classes de intervalos propostas por Cambardella et al. (1994): IDE inferior ou igual a 25 % (forte dependência espacial); IDE entre 25 e 75 % (moderada dependência espacial) e; IDE superior a 75 % (fraca dependência espacial).

9

média

desvio padrão (DP)

coeficiente de variação (CV)

máximo

mínimo

amplitude

primeiro quartil (Q1)

terceiro quartil (Q3)

Figura 2 – Semivariogramas típicos, com efeito pepita (C0), alcance (a) e patamar (C+ C0), elaborados para cada um dos parâmetros estatísticos.

10

3 CARACTERIZAÇÃO DA ÁREA DE ESTUDO

O território paulista ocupa uma área de 248.209,426 Km2 e se localiza ao sul do Sudeste brasileiro, cujos limites são os Estados de Minas Gerais (norte e nordeste), Rio de Janeiro (nordeste), Paraná (sul), Mato Grosso do Sul (oeste) e o Oceano Atlântico (leste). A população é de aproximadamente 40 442 795 habitantes (IBGE, 2007, p. 154), residentes em 645 municípios. Com aproximadamente 85% de sua superfície situada entre 300 e 900 metros de altitude São Paulo possui um relevo relativamente elevado em relação ao do território nacional, cuja média altimétrica é de, aproximadamente, 600 metros (IBGE, 2007, p. 88). Além disso, o relevo paulista pode ser subdividido (no sentido leste-oeste) nas seguintes unidades geomorfológicas: Província Costeira, Planalto Atlântico, Depressão Periférica, Cuestas Basálticas, Planalto Ocidental (SÃO PAULO (Estado), 2008). Seus principais rios são: Tietê, Paranapanema, Grande, Turvo, do Peixe, Paraíba do Sul, Piracicaba, além do Ribeira do Iguape, único rio de importância na região litorânea. A maior parte do estado situa-se na bacia hidrográfica do rio Paraná (IBGE, 2007, p. 105). A vegetação possui a seguinte distribuição: Mangues e Mata Atlântica no litoral, e remanescentes de Cerrado e de Florestas Tropical e Estacional Semidecidual no resto do território. Atualmente a cobertura vegetal de São Paulo sofreu grande redução de seu domínio original devido à expansão das atividades econômicas e da malha urbana pelo interio território paulista. Rolim et al. (2007), através de valores médios mensais de 27 estações termométricas e de 427 postos pluviométricos buscaram atualizar e melhorar o mapeamento dos sistema de classificação climática de Köppen (THORNTHWAITE, 1948; SETZER, 1966) para aplicá-los em estudos de zoneamento agroclimáticos no território paulista. A partir deste estudo estabeleceram vinte e dois tipos climáticos subdivididos em cinco grupos. A ocorrência de variabilidades nas médias térmicas e pluviométricas da área de estudo deve-se as variações altimétricas do relevo paulista (mais elevado a leste e menos a oeste) e também a influência das massas Tropical Continental (mTc) e Tropical Marítima (mTa). A mTc, que é instável, quente e seca, e associa-se à baixa pressão predominante sobre a região do Chaco devido ao grande aquecimento da superfície no verão. As precipitações associadas são fracas, predominando céu pouco nublado, o que favorece ainda mais o aquecimento diurno e o resfriamento noturno (VIANELLO e ALVES, 2007).

11

A mTa, formada por uma camada superior quente e seca e outra inferior fria e úmida, é originada sobre os oceanos Atlântico e Pacífico. Isto origina nuvens do tipo cumulus de pequena extensão vertical; por isso provocam poucas chuvas, geralmente no litoral associadas à orografia, quando a massa desloca-se sobre o continente (VIANELLO e ALVES, 2007). O fato de a escarpa da Serra do Mar possuir localização geográfica próxima ao oceano Atlântico faz com que ela atue como uma barreira à umidade proveniente do oceano transportada pela mTa e, por isso, seu regime pluviométrico é superior ao do Planalto Ocidental. Considerando que este possui menores altitudes e está mais distante do oceano, permanece sobre o domínio de um grande bolsão de ar quente e seco (mTc), que muitas vezes dificulta a passagem dos sistemas das médias e altas latitudes e, assim, impede a ocorrência de chuvas mais intensas sobre a região.

4 RESULTADOS E DISCUSSÃO

Neste estudo foi obtida moderada dependência espacial para os dados observados. Os parâmetros geoestatísticos ajustados para os modelos teóricos são apresentados na Tabela 2. Tabela 2 – Parâmetros variográficos para a precipitação pluviométrica do Estado de São Paulo. Variável analisada

Modelo Ajustado

Alcance (range)

(a)

Variância Espacial

(C)

Patamar (sill)

(C+ C0)

Efeito Pepita

(C0)

IDE (%)

Dependência Espacial

Média Gaussiano 3.77 13490 18430 4940 26, 80 % Moderada DP Gaussiano 1.71 2226 1537 3763 244,82 % Fraca CV Gaussiano 2.10 0.00003 0.00174 0.00066 37,93 % Moderada

Máximo Gaussiano 1.47 19600 58800 78400 133,33 % Fraca Mínimo Gaussiano 2.10 9450 15960 6510 40,78 % Moderada

Amplitude Gaussiano 1.07 11700 67600 55900 82,69 % Fraca Q1 Gaussiano 1.76 3920 8680 4760 54,83 % Moderada Q3 Gaussiano 1.12 11040 15360 4320 28,12 % Moderada

Apenas o DP, o máximo e a amplitude pluviométrica apresentaram fracos IDE. O a indicou a distância que terminou a dependência espacial. A C correspondeu à diferença entre o nível da semivariância definida pelo C+ C0, o qual representou o máximo (limite entre a dependência e a independência entre as amostras) e a semivariância inicial, expressa pelo C0, o qual refletiu o erro analítico (variabilidade para escalas menores que a distância de amostragem). Nenhum modelo ajustado apresentou efeito pepita puro, o que significa que houve correlação espacial entre os pontos amostrados.

12

Traçou-se as isoietas com os valores pluviométricos referentes período de setembro de 1974 até março de 2004. Os resultados da variabilidade espacial encontram-se nos mapas das Figuras 3 a 10. As tonalidades de azul mais escuro, presentes no mapa, indicam um aumento na intensidade do fenômeno representado, ao passo que as mais claras referem-se às menores manifestações. Na Figura 3 estão representados os valores médios anuais da precipitação pluvial. Pode-se notar que a parte Oriental de São Paulo é onde se encontram as maiores médias pluviométricas (valores superiores a 1200 mm). Tanto no extremo nordeste (Cuestas Basálticas de Franca e Rifaina), como no Leste de São Paulo (Vale do Paraíba - divisa com o Rio de Janeiro) foram registradas médias superiores a 1300 mm. Na região sudoeste do Planalto Ocidental (Pontal do Paranapanema, localizada no extremo Oeste Paulista, as médias foram inferiores a 1020 mm). Os maiores desvios de precipitação também ocorrem na porção Leste de São Paulo (Figura 4), onde se observa desvios superiores a 200 mm. Os maiores desvios ocorreram no extremo do Vale do Paraíba Paulista (acima de 240 mm). O Oeste Paulista apresentou desvios inferiores a 220 mm. Os menores desvios (inferiores a 180 mm) ocorreram sobre os municípios da região de Andradina, Castilho, Dracena, Panorama, Pereira Barreto e Presidente Epitácio, os quais se localizam na fronteira com o Mato Grosso do Sul.

Longituge

Latit

ude

LEGENDA

-53 -52 -51 -50 -49 -48 -47 -46 -45 -44

-24

-23

-22

-21

-20

1000

1020

1100

1200

1300

1400

0 km 60 km 120 km

PRECIPITAÇÃOPLUVIAL (mm)

Figura 3 – Isolinhas da média da precipitação pluvial (mm) incidente sobre a área de estudo, correspondendo ao período de setembro de 1974 a março de 2004.

13

Longituge

Latit

ude

LEGENDA

-53 -52 -51 -50 -49 -48 -47 -46 -45 -44

-24

-23

-22

-21

-20

180

190

200

220

240

0 km 60 km 120 km

PRECIPITAÇÃOPLUVIAL (mm)

Figura 4 – Isolinhas do desvio padrão (DP) da precipitação pluvial (mm) incidente sobre a área de estudo, correspondendo ao período de setembro de 1974 a março de 2004. Através da Figura 5 é possível inferir que a chuva que incide sobre todo o território paulista durante o período úmido ocorreu de forma mais concentrada espacialmente, conforme indica os valores de CV (média de 17 %), o que não caracterizou uma marcada variabilidade. A chuva se concentrou ligeiramente mais ao extremo Norte da área estudada (divisa com o Triângulo Mineiro), tornando-se ligeiramente mais dispersa conforme aproxima- se dos limites Sul (Baixada Santista, Centro-Sul e Planície Litorânea) e Leste (escarpa da Serra do Mar e Litoral Norte). A análise do máximo precipitado (Figura 6) permite compreender em quais regiões paulistas os episódios pluviais ocorreram com maior intensidade. Pode-se observar que os maiores volumes pluviométricos se concentram na porção Leste da área de estudo (acima de 1600 mm), especialmente na encosta da Serra do Mar (superiores a 1800 mm, na região do Litoral Norte de São Paulo próximo ao Rio de Janeiro). No interior paulista os maiores volumes de precipitação (acima de 1800 mm) encontram-se nas Cuestas Basálticas de Franca e Rifaina e ao Norte da Depressão Periférica, próximo a divisa com o Sul de Minas Gerais. Os menores valores estão no Sudoeste do Oeste Paulista (inferiores a 1500 mm), exceto no extremo Pontal do Paranapanema (divisa com o Mato Grosso do Sul e Paraná) que apresentou máximos de 1600 mm.

14

Longituge

Latit

ude

LEGENDA

0.17662

0.1767

0.1768

0.1769

-53 -52 -51 -50 -49 -48 -47 -46 -45 -44

-24

-23

-22

-21

-20

PRECIPITAÇÃOPLUVIAL (%)

0 km 60 km 120 km

Figura 5 – Isolinhas do coeficiente de variação (CV) da precipitação pluvial (%) incidente sobre a área de estudo, correspondendo ao período de setembro de 1974 a março de 2004.

Longituge

Latit

ude

LEGENDA

-53 -52 -51 -50 -49 -48 -47 -46 -45 -44

-24

-23

-22

-21

-20

1400

1500

1600

1700

1800

0 km 60 km 120 km

PRECIPITAÇÃOPLUVIAL (mm)

Figura 6 – Isolinhas da precipitação pluvial máxima (mm) incidente sobre a área de estudo, correspondendo ao período de setembro de 1974 a março de 2004. A análise dos menores volumes precipitados (Figura 7) permite inferir que os maiores mínimos (superiores a 800 mm) localizam-se a Leste do Estado, principalmente nas Cuestas

15

Basálticas e Baixada Santista (acima de 900 mm). Os menores índices (inferiores a 700 mm) estão presentes tanto no extremo sudoeste, quanto no Vale do Ribeira próximo a divisa com o nordeste do Paraná.

Longituge

Latit

ude

LEGENDA

-53 -52 -51 -50 -49 -48 -47 -46 -45 -44

-24

-23

-22

-21

-20

600

700

800

900

1000

PRECIPITAÇÃOPLUVIAL (mm)

0 km 60 km 120 km

Figura 7 – Isolinhas da precipitação pluvial mínima (mm) incidente sobre a área de estudo, correspondendo ao período de setembro de 1974 a março de 2004. A amplitude amostral (Figura 8) confirma a variabilidade espacial da pluviosidade de São Paulo apresentada pelas porções Oeste e Leste do território. A maior variação (superior aos 900 mm) encontra-se sobre o Nordeste da área de estudo (Cuestas Basálticas) e na Baixada Santista, enquanto a menor variação está no Sudoeste do Planalto Ocidental e no Sul de São Paulo (inferior aos 700 mm). A partir da análise do primeiro e terceiro quartis (Figura 9 e 10) pode-se explanar sobre a distribuição dos 25 % menores e 25% maiores valores de volumes de precipitação pluvial que ocorreram sobre a área de estudo. A partir da análise do primeiro quartil ou QI (Figura 12) nota-se que os menores volumes variaram entre 1000 e 1200 mm. O Nordeste e o extremo Litoral Norte registraram volumes acima de 1100 mm. Nas Cuestas Basálticas de Franca e Rifaina os volumes ultrapassaram 1200 mm. No Oeste Paulista e Centro-Sul os volumes foram inferiores a 1000 mm. O terceiro quartil ou QS (Figura 13) demonstrou que os 25 % maiores valores situaram-se entre 1200 e 1500 mm.

16

Longituge

Latit

ude

LEGENDA

-53 -52 -51 -50 -49 -48 -47 -46 -45 -44

-24

-23

-22

-21

-20

700

800

900

1000

1100

PRECIPITAÇÃOPLUVIAL (mm)

0 km 60 km 120 km Figura 8 – Isolinhas da amplitude da precipitação pluvial (mm) incidente sobre a área de estudo, correspondendo ao período de setembro de 1974 a março de 2004.

Longituge

Latit

ude

LEGENDA

0 km 60 km 120 km

-53 -52 -51 -50 -49 -48 -47 -46 -45 -44

-24

-23

-22

-21

-20

1000

1100

1200

PRECIPITAÇÃOPLUVIAL (mm)

Figura 9 – Isolinhas do primeiro quartil (QI) da precipitação pluvial (mm), correspondendo ao período de setembro de 1974 a março de 2004.

17

Longituge

Latit

ude

LEGENDA

-53 -52 -51 -50 -49 -48 -47 -46 -45 -44

-24

-23

-22

-21

-20

1100

1200

1300

1400

1500

PRECIPITAÇÃOPLUVIAL (mm)

0 km 60 km 120 km Figura 10 – Isolinhas do terceiro quartil (QS) da precipitação pluvial (mm), correspondendo ao período de setembro de 1974 a março de 2004. Através da Figura 10 nota-se que o Oeste Paulista apresentou valores pluviométricos inferiores a 1200 mm. Os maiores volumes foram observados em todo o Nordeste de São Paulo, Planície Litorânea e Vale do Paraíba (ultrapassaram 1300 mm). O destaque foram as Cuestas Basálticas que apresentaram volumes acima de 1500 mm.

5 CONSIDERAÇÕES FINAIS Através do estudo da precipitação pluvial foi possível identificar que a área estudada, principalmente por se localizar ao sul da região Sudeste do Brasil, apresentou um clima bem complexo. Pode-se inferir que os episódios pluviais sofreram a influência de diversos fatores climáticos, os quais atuaram freqüentemente ao longo do período úmido, tais como as massas de ar, os sistemas de latitudes médias e altas e a convecção amazônica. Quando da combinação entre estes sistemas produtores de tempo ocorreram intensas chuvas convectivas sobre o recorte espacial estudado, principalmente sobre a porção Leste de São Paulo. Os maiores volumes pluviais registrados durante os meses mais úmidos (novembro a março) foi produto de precipitações do tipo convectivo, o que o caracterizou como período mais crítico. Por serem provenientes de nuvens muito profundas, como as cumulunimbus, as gotas de chuva possuem elevada energia cinética e, portanto, denota-se um alto potencial erosivo

18

decorrente deste tipo de precipitação nesta época do ano, o que se torna um grande desafio ao planejamento e a utilização integrada dos recursos hídricos de São Paulo procurando a resolução de conflitos como o desequilíbrio entre demanda e disponibilidade de água. A combinação entre as metodologias propostas pela Geoestatística e Estatística clássica contribuiu para uma melhor análise e interpolação dos dados pluviométricos. A escolha e o ajuste do modelo matemático Gaussiano foram importantes tanto para suavizar as isoietas quanto para caracterizar a variabilidade do regime pluviométrico no território paulista. Observou-se a ocorrência de moderada dependência espacial para a maioria das variáveis pluviométricas analisadas. Resultado equivalente ao encontrado por Silva (2006), porém, o ajuste dos modelos teóricos foi na direção 45º. Em relação aos resultados do trabalho de Cardim (2001), a divergência consiste no fato deste autor ter verificado forte dependência espacial para a precipitação no Estado de São Paulo. A restrição da área estudada (exclusão do litoral) pode ter ocasionado a discrepância. Nesse sentido, torna-se necessário uma melhor exploração do conjunto de dados, como a aplicação de testes de validação e análises de agrupamento e, a consideração de outras hipóteses como o ajuste dos variogramas para outras direções, a inclusão de postos pluviométricos que extrapolam os limites da área estudada e o estabelecimento de novas distâncias para a análise da dependência espacial.

19

6 REFERÊNCIAS

ATLAS geográfico escolar / IBGE, 4. ed. Rio de Janeiro: IBGE, 2007, p. 88-105. CAMBARDELLA, C. A. et. al. Field-scale variability of soil properties in Central Iowa Soils. Soil Science Society of America Journal, n. 58, p. 1501-1511, 1994. CARDIM, M. Mapeamento do comportamento multivariado das principais variáveis climáticas de interesse agrícola do estado de São Paulo. 124f. 2001. Tese (Doutorado em Agronomia)– Universidade Estadual Paulista, Faculdade de Ciências Agronômicas, Botucatu, 2001. CARVALHO, J. R. P.; ASSAD, E. D. Análise espacial da precipitação pluviométrica no estado de São Paulo: comparação de métodos de interpolação. Engenharia Agrícola, v. 25, n. 2, p. 377-384, maio/agosto, 2005. FERREIRA, N. J.; SANCHES, M.; SILVA DIAS, M. A. F. Composição da zona de convergência do atlântico sul em períodos de El Niño e La Niña. Revista Brasileira de Meteorologia, v. 19, n. 1, p. 89-98, 2004. GOMES, B. M. Comportamento espacial do percentil 75 da precipitação decendial do estado de São Paulo. 101f. 2001. Tese (Doutorado em Agronomia)– Universidade Estadual Paulista, Faculdade de Ciências Agronômicas, Botucatu, 2001. JOURNEL, A. G.; HUIJBREGTS, Ch. J. Mining Geostatistics. London: Academic Press, 1978. 600 p. MATHERON, G. The theory of regionalized variables and its applications. Paris, Les Cahiers du Centre de Morphologie Mathematique de Fontainebleu, 1971. 211p. NERY, J. T; SILVA, E. S.; CARFAN, A. C. Distribuição da precipitação pluvial no estado de São Paulo. In: SIMPÓSIO BRASILEIRO DE CLIMATOLOGIA GEOGRÁFICA, 6., 2004. Anais… Aracaju: UFSE, [s. n.], 2004. 1 CD-ROM. ROSS, J. L. S. Geografia do Brasil. 4. ed. São Paulo: EDUSP, 2003. p. 95. SANSIGOLO, C. A. Variabilidade interanual da estação chuvosa no estado de São Paulo. Revista Brasileira de Agrometeorologia, v. 4, n. 1, p. 101-105, 1996. SÃO PAULO (Estado), 1998. Secretaria Estadual de Comunicação. Biblioteca Virtual do Governo do Estado de São Paulo. Disponível em: <http://www.bibliotecavirtual.sp.gov.br/docs/spgeo_geografia.pdf>. Acesso em: 05 abr. 2008. SETZER, J. Atlas Climático e Ecológico do Estado de São Paulo. Comissão Interestadual da Bacia Paraná-Uruguai, 1966. 61p.

20

SILVA, E. S. Variabilidade da precipitação pluviométrica nas regiões sudeste e sul do Brasil. 2006. 187f. Tese (Doutorado em Agronomia)– Faculdade de Ciências Agronômicas, Universidade Estadual Paulista, Botucatu, 2006. TRANGMAR, B. B.; YOST, R. S.; UEHARA, G. Application of geostatistics to spatial studies of soil properties. Advances in soil science, n. 38, p. 45-94, 1985. VIANELLO, R. L.; ALVES A. R. Meteorologia básica e aplicações. Viçosa: UFV, 2000, p. 310-313. VICENTE, E. C.; SANSIGOLO, C. A.; FILHO, A. J. P. Características das precipitações convectivas intensas na área do radar meteorológico de São Paulo. In: CONGRESSO BRASILEIRO DE METEOROLOGIA, 12., 2002. Anais… Foz do Iguaçu: Sociedade Brasileira de Meteorologia, p. 2061-2066, 2002. 1 CD-ROM. VIEIRA, S.R.; NIELSEN, D.R.; BIGGAR, J.W. Spatial variability of field-measured infiltration rate. Soil Science Society of America Journal, v. 45, n. 6, p. 1040-1048, 1981. VIEIRA, S. R. Geoestatística em estudos de variabilidade espacial do solo. In: NOVAIS, R. F. de; ALVAREZ V. H.; SCHAEFER, C. E. G. R. (Ed.). Tópicos em ciência do solo. Viçosa: Sociedade Brasileira de Ciência do Solo, 2000, v. 1, p. 1-54.