Clima e mudanças climáticas na Cidade do Rio de Janeiro · CLIMA E MUDANÇAS CLIMÁTICAS NA ... A...

2 IMPACTOS SOBRE O MEIO FÍSICO

CLIMA E MUDANÇAS CLIMÁTICAS NA CIDADE DO RIO DE JANEIRO

A ORLA COSTEIRA DA REGIÃO METROPOLITANA DO RIO DE JANEIRO: IMPACTOS DAS

MUDANÇAS CLIMÁTICAS SOBRE O MEIO

ELEVAÇÃO DO NÍVEL DO MAR E REDEFINIÇÃO DA LINHA DE COSTA NA REGIÃO

METROPOLITANA DO RIO DE JANEIRO

CLIMA E MUDANÇAS CLIMÁTICAS NA CIDADE DO RIO DE JANEIRO

Claudine Dereczynski (IGEO/UFRJ) | José Marengo (INPE) | Maria G. A. Justi da Silva (IGEO/UFRJ) | Isimar de A. Santos

(IGEO/UFRJ)

O relevo acentuado e diversificado da Região Metropolitana do Rio de Janeiro (RMRJ) e a

proximidade do Oceano Atlântico e das Baías da Guanabara e de Sepetiba, contribuem para a grande

variabilidade espacial dos elementos meteorológicos, tais como a precipitação, temperatura,

umidade, ventos, nebulosidade e evaporação. A cidade do Rio de Janeiro desenvolve‐se ao redor do

Maciço da Tijuca, que a divide em “Zona Norte” e “Zona Sul”. Além deste maciço, outros dois:

Maciço Gericinó‐Mendanha ao norte, e Maciço da Pedra Branca a oeste, influenciam a climatologia

da região que é limitada ao sul pelo Oceano Atlântico, a leste pela Baía da Guanabara e a oeste pela

Baía de Sepetiba.

A RMRJ tem sido castigada, principalmente durante a estação chuvosa (de novembro a março), por

eventos de chuvas intensas que geram grandes transtornos à população. No início de abril de 2010 a

Região Metropolitana do Rio de Janeiro (RMRJ) foi atingida por sistemas convectivos de mesoescala

associados a uma frente fria que se deslocava pela região. Os totais pluviométricos atingiram 323

mm em 24 horas, provocando deslizamentos que fizeram 167 mortes em Niterói e 66 no Rio de

Janeiro, deixando 3262 desabrigados e 11439 desalojados. Neste evento, outros transtornos como

enchentes, quedas de árvores, problemas de transmissão de energia elétrica, além de ressacas com

ondas de até 5 metros, paralisaram a RMRJ nos dias 6 e 7 de abril de 2010 (Figura 1). Desde a

implementação do Sistema Alerta Rio, em janeiro de 1997, este foi o caso mais severo de chuvas

intensas, superando o evento de 9 de janeiro de 1998 quando a precipitação em 24 horas atingiu

272,8 mm na Tijuca.

MEGACIDADES, VULNERABILIDADES E MUDANÇAS CLIMÁTICAS: REGIÃO METROPOLITANA DO RIO DE JANEIRO | 43

Figura 1 – Fotos da destruição provocada pelas chuvas intensas no Rio de Janeiro e Niterói nos dias 6 e 7 de abril de 2010.

Recentemente, na madrugada de 12 de janeiro de 2011, a Região Serrana do Rio de Janeiro foi

devastada por chuvas intensas ocasionadas pela chegada de um sistema frontal na região (Figura 2).

De acordo com o Banco de Dados Internacional de Desastres (EM‐DAT), com sede na Bélgica, este foi

o desastre natural mais severo da história do país, com 872 mortes registradas até o momento (421

em Nova Friburgo, 354 em Teresópolis, 71 em Petrópolis, 21 em Sumidouro, 4 em São José do Vale

do Rio Preto e 1 em Bom Jardim), além de 427 desaparecidos, mais de 9000 desabrigados e mais de

11000 desalojados. As chuvas ocorreram entre aproximadamente 23 Z (21 h local) do dia 11 de

janeiro e 10 Z (8 h local) do dia 12 de janeiro, totalizando‐se em apenas 12 horas em Nova Friburgo

nas estações do INEA: 222,0 mm na estação Ypu, 193,4 mm na estação Sítio Santa Paula, 184,2 mm

na estação Olaria e 126,0 mm em Pico Caledônia. Na estação Teresópolis do INMET o total

pluviométrico acumulado no mesmo período (entre 23 Z e 11 Z) foi de 79,0 mm. As fortes chuvas

deflagaram avalanches e enchentes que mobilizaram, solo, rochas e árvores, gerando um cenário de

destruição nas cidades afetadas.


Figura 2 – Foto da região de Nova Friburgo com incontáveis clareiras nas montanhas e rios turvos de lama (Fonte: Jornal O Globo –

30/01/2011).

Este capítulo foi desenvolvido com o objetivo principal de investigar se estão ocorrendo mudanças

climáticas significativas no clima presente e para elaborar projeções climáticas até o final do século

XXI para a cidade do Rio de Janeiro. Para isso, inicialmente no item 1 é feita uma descrição da

climatologia da região. A seguir, no item 2 apresenta‐se a detecção das mudanças climáticas, ou

seja, analisa‐se a evolução da precipitação e temperaturas extremas diárias ao longo das últimas

quatro décadas. O item 3 é dedicado às projeções das mudanças climáticas futuras e, finalmente,

no item 4 estão as conclusões e propostas a médio e longo prazo das ações necessárias para

ampliar o conhecimento da comunidade e dos gestores públicos no campo da mudança climática.

Os conjuntos de dados observacionais utilizados para analisar a climatologia da região e para fazer a

detecção da mudança climática nas últimas décadas pertencem ao Instituto Nacional de

Meteorologia (INMET). A localização e as informações referentes a cada uma das estações do INMET

utilizadas são apresentadas no mapa da Figura 3 e na Tabela 1.


Figura 3 – Mapa do Município do Rio de Janeiro com localização das estações do INMET utilizadas neste trabalho: Alto da Boa Vista, Bangu,

Rio de Janeiro e Santa Cruz.

Tabela 1 – Informações sobre as Estações Meteorológicas do INMET utilizadas no trabalho

Estação Latitude

(graus

S)

Longitude

(graus W)

Altitude

(m)

Período de

funcionamento da

ã l l

Dados utilizados/períodos

Alto da

Boa

Vista

22,95 43,27 347,09 01/06/1966 a

26/09/2008

Normais climatológicas 1967 a 1990 e

dados diários de chuva, temp. máxima e

mínima do ar de 01/01/1967 a 31/12/2007

Bangu 22,87 43,45 40,30 01/01/1961 a

26/09/2008 Normais climatológicas 1961‐1990

Rio de

Janeiro

22,90 43,17 30,55

Pça XV :

11/06/1941 a

01/11/1973 Normais climatológicas 1961‐1990

22,92 43,27 5,32

Aterro do

Flamengo:

01/11/1973

31/12/1991

Santa

Cruz 22,92 43,68 63,0

Morro da Caixa

D’água:

01/01/1964

31/12/2009

Valores diários de chuva, temperaturas

máxima e mínima do ar


É importante ressaltar que a estação do Alto da Boa Vista localiza‐se dentro da floresta da Tijuca,

onde a vegetação não sofreu grandes pressões e a expansão da malha urbana foi reduzida nas

últimas décadas, enquanto as estações de Santa Cruz e Bangu situam‐se respectivamente nas Zonas

Oeste e Norte do município, onde ocorreu significativa expansão/adensamento da malha urbana

com eventual redução da cobertura vegetal. A estação denominada Rio de Janeiro foi instalada na

Praça XV de Novembro, a seguir foi deslocada para o Aterro do Flamengo e nos últimos anos (desde

30/04/2002) encontra‐se na Praça Mauá.

Caracterização do Clima da Cidade do Rio de Janeiro

A Organização Meteorológica Mundial (OMM) preconiza que os Serviços Meteorológicos Nacionais

produzam relatórios do clima a cada 30 anos contendo as médias mensais das principais variáveis

observadas em estações ou postos meteorológicos padronizados. A cidade do Rio de Janeiro possui

apenas uma Estação Climatológica Principal denominada Rio de Janeiro, mas o INMET tem produzido

seus relatórios de normais climatológicas para a cidade do Rio de Janeiro usando também algumas

Estações Climatológicas Ordinárias, tais como Alto da Boa Vista e Bangu que não incluem o registro

de todos os parâmetros meteorológicos.

Os ciclos anuais das temperaturas máxima, mínima e média compensada do ar, precipitação,

evaporação e umidade relativa, obtidos das normais climatológicas do INMET (INMET, 2009) nas

estações Rio de Janeiro, Alto da Boa Vista e Bangu são apresentados nas Figuras 4 a 6. Da estação

Rio de Janeiro (INMET, 2009) foi possível obter também as normais climatológicas da insolação,

nebulosidade, velocidade do vento e pressão atmosférica ao nível da estação, apresentados na

Figura 7. Para a pressão atmosférica ao nível da estação, nebulosidade e intensidade dos ventos, os

valores diários são obtidos através de uma média aritmética simples nos 3 horários de observação

(12, 18 e 24 Z). Para a chuva, evaporação e insolação são fornecidos totais diários. A umidade

relativa média diária compensada (URc) é dada pela Equação 1:

42 241812 ZZZ

cURURURUR ++

= (Eq. 1)

A temperatura média compensada (TMc) , é calculada a partir da Equação 2:

52 2412minmax ZZ

cTTTTTM +++

= (Eq. 2)


Na Figura 4 estão representadas as temperaturas máxima, mínima e a média compensada. Como

esperado, no verão (inverno) ocorrem as maiores (menores) temperaturas do ar. Na estação de

Bangu, localizada ao norte do Maciço da Tijuca, longe do litoral e em meio a área urbana extensa e

consolidada, ocorrem as maiores temperaturas máximas. No entanto, em termos de temperatura

média compensada, os valores em Bangu são aproximadamente iguais aos valores observados na

estação Rio de Janeiro. A estação do Alto da Boa Vista, localizada a 347 m de altitude e próxima à

Floresta da Tijuca (maior floresta urbana do mundo), apresenta os menores valores de temperaturas

máxima, média e mínima. As amplitudes térmicas anuais, representadas pelas diferenças entre as

temperaturas do mês mais quente e do mês mais frio, são maiores em Bangu e no Alto da Boa Vista

localizadas em pontos mais afastados do mar. Nota‐se portanto, a forte influência da topografia, que

age bloqueando a brisa marítima e os sistemas transientes que penetram pelo litoral em direção ao

interior da cidade.

Figura 4 – Ciclo anual das temperaturas máximas, mínimas e médias compensadas nas estações do Rio de Janeiro, Alto da Boa Vista e

Bangu (Fonte: INMET).

Os mesmos efeitos fisiográficos de regionalização afetam o comportamento da precipitação e da

evaporação mostradas na Figura 5. Nota‐se maiores valores da precipitação na estação do Alto da

Boa Vista decorrente da convergência de umidade promovida pela encosta que faceia o mar. Como é

característico na região Sudeste do Brasil, o verão é bastante chuvoso e o inverno tem precipitação

bastante reduzida. Vê‐se também que a evaporação é elevada no verão quando as temperaturas são

maiores e reduzida no inverno, quando predominam baixas temperaturas. Contudo, no outono e

principalmente na primavera ocorre uma ligeira elevação da evaporação, provavelmente devido à

interação não linear entre os vários fatores controladores como a temperatura do ar, a velocidade do


vento e a cobertura de nuvens. A diferença de comportamento das três estações está associada à

disponibilidade de água no solo e às temperaturas (as regiões mais elevadas tem temperaturas mais

baixas). Nota‐se, exceto para o Alto da Boa Vista, que no período do final do outono até o início da

primavera a evaporação ultrapassa a precipitação.

Figura 5 – Ciclo anual dos totais mensais de precipitação (mm) e evaporação (mm) nas estações do Rio de Janeiro, Alto da Boa Vista e

Bangu (Fonte: INMET).

A Figura 6 apresenta as normais da umidade relativa do ar. Ao longo do ano no meio do inverno a

umidade relativa nas três localidades é um pouco mais baixa. Como a umidade relativa não depende

apenas do teor de umidade do ar, mas varia inversamente com a temperatura, nos meses de julho e

agosto a umidade absoluta do ar deve ser bastante baixa. A umidade relativa mostra‐se maior no

Alto da Boa Vista por causa das baixas temperaturas registradas naquela localidade. Já no caso de

Bangu além das elevadas temperaturas, a distância do mar reduz significativamente a umidade na

região.


Figura 6 – Ciclo anual da umidade relativa (%) nas estações do Rio de Janeiro, Alto da Boa Vista e Bangu (Fonte: INMET).

Na Figura 7 são apresentados os ciclos anuais da insolação, nebulosidade, velocidade do vento e

pressão atmosférica apenas para a estação Rio de Janeiro. A insolação (Fig. 7 a) é a medida do

número de horas de brilho solar, ou seja, número de horas sem que a radiação solar direta seja

interceptada por nuvens. Destacam‐se os meses de setembro e outubro onde os mínimos de

insolação se devem ao aumento da nebulosidade estratiforme no Rio de Janeiro nesta época do ano.

Na Figura 7 b a fração em décimos de céu coberto por nuvens no Rio de Janeiro é mostrada através

do índice denominado nebulosidade. Destaca‐se o período que vai de setembro a janeiro quando a

nebulosidade média mensal supera os cinqüenta por cento. Nos meses de julho e agosto o Rio de

Janeiro se caracteriza por céu mais claro devido à atuação de massas de ar polar seco que

predominam nesta época do ano e que tem como característica os movimentos subsidentes que

inibem a formação de nuvens. A Figura 7 c representa a intensidade média do vento ao longo do ano

no Rio de Janeiro. A velocidade do vento é afetada tanto pelos gradientes de pressão em escala

sinótica (anticiclones e frentes frias) como os de escala local (brisas e tempestades). No verão, o

maior aquecimento do continente produz uma intensificação da brisa marítima, gerando ventos

mais intensos que no restante do ano. A Figura 7 d referente às normais da pressão atmosférica

mostram que esta se eleva significativamente no período do inverno quando predominam massas de

ar migratórias de origem polar e o anticiclone subtropical do Atlântico Sul adentra o continente, com

valores maiores do que nos períodos de verão.


(a) (b)

(c) (d)

Figura 7 – Ciclo anual de: (a) insolação (h), (b) nebulosidade (décimos), (c) velocidade do vento (m/s) e (d) pressão atmosférica ao nível da

estação (hPa) na estação do Rio de Janeiro (Fonte: INMET).

Existem poucos trabalhos que tratam da distribuição espacial das variáveis apresentadas acima. Em

Dereczynski et al. (2009) é elaborada uma climatologia da precipitação no município do Rio de

Janeiro utilizando‐se 10 anos (1997 a 2006) de dados observados na rede de 30 postos

pluviométricos da Fundação Geo‐Rio. De acordo com os autores, os totais pluviométricos anuais

médios (Figura 8) exibem máximos concentrados junto aos três maciços existentes na cidade: na

Serra da Carioca (2200 mm) na Serra do Mendanha (1400 mm) e na Serra Geral de Guaratiba (1200

mm). Tais valores reduzem‐se em direção às planícies, sendo um mínimo de 900 mm observado na

Zona Norte da cidade. Este padrão de distribuição espacial das chuvas é explicado pelos sistemas

meteorológicos em deslocamento, preferencialmente de sul para norte, produzindo máximos

(mínimos) de precipitação à barlavento (sotavento) das serras. Tal processo é ainda amplificado pelo

levantamento de ar úmido trazido pela brisa marítima que predomina no município. Os totais

pluviométricos máximos registrados na cidade foram: 54,0 mm em 15 minutos; 69,7 mm em 30

minutos; 116,2 mm em 1 hora e 272,8 mm em 1 dia.


Figura 8 – Distribuição da precipitação total anual média no período de 1997 a 2006, elaborado a partir dos dados de 30 postos

pluviométricos da Fundação Geo‐Rio (Fonte: Adaptado de Dereczynski, et al., 2009).

Ainda em Dereczynski et al. (2009) a análise dos eventos de chuvas intensas (maior que 30,0 mm/dia)

indicou que 77% dos 160 casos selecionados, foram provocados por sistemas frontais que ocorrem

durante todo o ano, com menor freqüência no inverno. Eventos associados com a Zona de

Convergência do Atlântico Sul (13%) e sistemas convectivos de mesoescala (8%) predominam no

verão. Chuvas intensas geradas por efeito de circulação marítima são raras, ocorrendo em apenas 2%

dos casos.

Em Jourdan et al. (2010) é elaborada uma caracterização dos ventos à superfície na Região

Metropolitana do Rio de Janeiro, incluindo sete estações no município do Rio de Janeiro. Apesar das

séries de dados horários serem relativamente curtas, com no máximo 6 anos de dados entre 2000 e

2006, importantes resultados foram obtidos. Em geral, no município predominam ventos de

quadrante norte, que ocorrem na madrugada e manhã e de quadrante sul, que ocorrem nos

períodos da tarde e noite, estes em geral mais intensos do que os ventos nas demais direções. Este

aspecto sugere uma modulação através do mecanismo de brisa terrestre/marítima. Tal padrão se

mantém ao longo do ano. Na primavera e verão, época em que o aquecimento da superfície

continental é mais intenso, a intensidade e a freqüência dos ventos de quadrante sul aumentam em

relação ao padrão anual. De acordo com os autores, um dos fatores que contribui para este fato seria

a intensificação do gradiente horizontal de temperatura resultante do aumento do aquecimento

diferenciado entre continente e oceano, induzindo uma intensificação da circulação da brisa


marítima, enquanto no outono e inverno diminui a freqüência dos registros da direção sul e aumenta

a freqüência dos ventos de norte.

Detecção de Mudanças Climáticas na Cidade do Rio de Janeiro

Para investigação da mudança climática em uma certa região é ideal que se tenha séries longas com

valores diários das principais variáveis meteorológicas que caracterizam o clima da região, tais como

a temperatura do ar e a precipitação. Infelizmente, para este trabalho tais séries foram obtidas

apenas para as estações do Alto da Boa Vista do período de janeiro de 1967 a dezembro de 2007 e

de Santa Cruz de janeiro de 1964 a dezembro de 2009 do INMET (ver Tabela 1). Contudo, apesar

dessa limitação, as estações selecionadas não foram deslocadas durante o período de dados

analisado, e por outro lado estão localizadas em ambientes distintos, permitindo comparar duas

condições urbanas extremas: (i) o Alto da Boa Vista, um ambiente florestado e com menor expansão

e adensamento urbano e (ii) Santa Cruz, na Zona Oeste da cidade, que é uma área de alto

crescimento da malha urbana. Assim, a partir de dados observacionais diários, alguns indicadores de

extremos climáticos associados com a precipitação (Tabela 2) e com as temperaturas máxima e

mínima do ar (Tabela 3) foram calculados utilizando‐se o programa RClimDex, desenvolvido pelo

Serviço Meteorológico Canadense, a partir dos índices recomendados pelo Expert Team on Climate

Change Detection Monitoring and Indices (ETCCDMI) disponível no sítio

http://cccma.seos.uvic.ca/ETCCDMI/index.shtml. Os resultados para a estação do Alto da Boa Vista

estão publicados em Silva e Dereczynski (2010).

Tabela 2 ‐ Indicadores de extremos climáticos relacionados à precipitação.

Sigla

Nome do Índice

Definição

Unidad

e

CDD Dias secos

consecutivos

Número máximo de dias consecutivos no ano com

PREC<1 mm dias

CWD Dias úmidos

consecutivos

Número máximo de dias consecutivos no ano com

PREC>=1 mm dias

PRCPTOT Precipitação total

anual dos dias úmidos Precipitação total anual nos dias úmidos (PREC>=1mm) mm

RX1day Precipitação máxima

em 1 dia Maior total pluviométrico acumulado em 1 dia mm

RX5day Precipitação máxima

em 5 dias

Maior total pluviométrico acumulado em 5 dias

consecutivos mm


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

R30mm Número de dias com

precipitação >=30 mm Número de dias no ano com PREC >=30mm dias

R50mm Número de dias com

precipitação >=50 mm Número de dias no ano com PREC >=50mm dias

R95p Dias muito úmidos Soma da precipitação (a cada ano) nos dias em que a

PREC> percentil 95 dos dias úmidos mm

R99p Dias extremamente

úmidos

Soma da precipitação (a cada ano) nos dias em que a

PREC> percentil 99 dos dias úmidos mm

SDII Intensidade de

precipitação

Precipitação total anual dividida pelo número de dias

úmidos (definido como PREC>=1,0mm) no ano mm/dia

Tabela 3 – Indicadores de extremos climáticos relacionados às temperaturas máxima e mínima do ar.

Sigla Nome do Índice Definição Unidade

SU25 Dias de verão Número de dias no ano quando a Temperatura

Máxima diária é superior a 25ºC (TX>25ºC) dias

TN10p Noites frias Média anual da porcentagem de dias no mês com

Temperatura Mínima Diária inferior ao percentil 10 % de dias

TN90p Noites quentes Média anual da porcentagem de dias no mês com

Temperatura Mínima Diária superior ao percentil 90 % de dias

TR20 Noites tropicais Número de dias no ano quando a Temperatura

Mínima diária é superior a 20ºC (TN >20ºC) dias

TX10p Dias frios Média anual da porcentagem de dias no mês com

Temperatura Máxima Diária inferior ao percentil 10 % de dias

TX90p

Dias quentes Média anual da porcentagem de dias no mês com

Temperatura Máxima Diária superior ao percentil

90

% de dias

TXx

Maior

temperatura

maxima diária

Maior valor da temperatura máxima diária ºC

WSDI Duração de

onda de calor

Número de dias no ano com pelo menos 6 dias

consecutivos de TX>percentil90 dias

A Curvatura de Sen (Sen, 1968) que é um teste não paramétrico para determinar a magnitude de

uma determinada tendência, foi calculada para cada série de dados. Além disso, o teste estatístico de


Mann‐Kendall (Sneyers, 1975) foi aplicado às séries com objetivo de determinar se as tendências

observadas são significativas ao nível de confiança de 95%.

Para descrever o comportamento da precipitação no Rio de Janeiro foram analisados os indicadores

PRCPTOT, R30mm, R50mm, R95p, R99p, SDII, CWD e CDD (ver Tabela 2). O índice PRCPTOT que

mostra o total pluviométrico anual dos dias úmidos (dias com total pluviométrico maior ou igual a 1

mm) está se elevando a cada ano, a uma taxa de 7,8 mm/ano no Alto da Boa Vista e de 2,5 mm/ano

em Santa Cruz (Figura 9), porém tais tendências não são estatisticamente significativas ao nível de

confiança de 95%.

Figura 9 – Indicador PRCPTOT para o Alto da Boa Vista (em azul) e Santa Cruz (em preto). As tendências estimadas a partir da curvatura de

Sen são: 7,8 mm/ano para o Alto da Boa Vista e 2,5 mm para Santa Cruz. Tais tendências não são estatisticamente significativas ao nível de

confiança de 95%.

O índice R95p (Figura 10), que apresenta o total pluviométrico a cada ano nos dias muito chuvosos

(nos quais o total pluviométrico diário é maior do que o percentil 95), indica significativo aumento

para o Alto da Boa Vista, a uma taxa de 11,8 mm/ano, contudo sem tendência para Santa Cruz. O

mesmo comportamento é observado para o índice R99p, com uma taxa de 3,4 mm/ano para o Alto

da Boa Vista e sem tendência em Santa Cruz.


Figura 10 – Indicador R95p para o Alto da Boa Vista (em azul) e Santa Cruz (em preto). As tendências estimadas a partir da curvatura de Sen

são: 11,8 mm/ano para o Alto da Boa Vista e 0 mm/ano para Santa Cruz. Para Alto da Boa Vista a tendência é estatisticamente significativa

ao nível de 95%.

A intensidade de precipitação (SDII) também se encontra em elevação, a uma taxa de 0,07 mm/dia a

cada ano no Alto da Boa Vista e 0,01 mm/dia a cada ano em Santa Cruz. O número de dias com

precipitação maior ou igual a 30 e 50 mm (R30mm e R50mm) em ambas as estações também estão

se elevando. Contudo, tais aumentos não são estatisticamente significativos ao nível de confiança de

95%. Apenas para o Alto da Boa Vista os indicadores RX1day e RX5day que mostram a precipitação

máxima acumulada em 1 dia e em 5 dias, respectivamente, estão se elevando. Em Santa Cruz, ambos

os índices (RX1day e RX5day) estão em ligeiro declínio.

O índice CDD, apresentado na Figura 11, que mostra o número máximo de dias secos consecutivos

(total pluviométrico diário menor do que 1 mm) está com tendência nula, tanto no Alto da Boa Vista

quanto em Santa Cruz. O mesmo comportamento é observado em relação ao índice CWD.

Figura 11 – Indicador CDD para o Alto da Boa Vista (em azul) e Santa Cruz (em preto). As tendências estimadas a partir da curvatura de Sen

são de 0 dia/ano e não são estatisticamente significativas ao nível de confiança de 95% para ambas as estações.


Diante das análises anteriores percebe‐se que o clima no município do Rio de Janeiro está se

tornando mais úmido. Os totais pluviométricos anuais estão em elevação (PRCPTOT em elevação nas

2 estações consideradas: Alto da Boa Vista e Santa Cruz). Eventos de chuvas intensas tem ocorrido

com maior freqüência (R30mm e R50mm em elevação nas duas estações). No Alto da Boa Vista os

eventos de chuvas intensas quando ocorrem produzem maior quantidade de chuvas (RX1day,

RX5day, R95p e R99p em elevação). As tendências na precipitação são mais marcantes no Alto da

Boa Vista do que em Santa Cruz. Esta diferença pode estar associada tanto com uma mudança na

circulação em escala sinótica, quanto com a circulação local devido ao efeito de ilha de calor urbana.

O aquecimento extra gerado pela ilha de calor no Rio de Janeiro possivelmente altera a direção e

intensidade das brisas marítima e terrestre, que por sua vez podem alterar os padrões de advecção

de umidade no município.

Com relação aos extremos de temperatura do ar foram avaliados os índices associados com a

temperatura máxima (SU25, TX90p, TX10p, TXx, TXn e WSDI) e com a temperatura mínima (TR20,

TN10p e TN90p).

O índice dias de verão (SU25) que indica o número de dias no ano quando a temperatura máxima é

superior a 25ºC exibe forte elevação no Alto da Boa Vista, com aumento de 1,5 dia/ano e ligeira

elevação em Santa Cruz, com uma taxa de aproximadamente 0,4 dia/ano (Figura 12).

Figura 12 – Indicador SU25 para Alto da Boa Vista (em azul) e Santa Cruz (em preto). As tendências estimadas a partir da curvatura de Sen

são: 1,4 dia/ano para Alto da Boa Vista e 0,4 dia/ano para Santa Cruz. As tendências são estatisticamente significativas ao nível de 95%

para o Alto da Boa Vista.

Da mesma forma o índice TX90p, que mostra a porcentagem de dias no ano em que a temperatura

máxima é superior ao percentil 90, indica que os “dias quentes” estão ficando mais freqüentes, tanto

na estação do Alto da Boa Vista, quanto na estação de Santa Cruz Figura 13), com a mesma taxa

(0,15%dia/ano).


.

Figura 13 – Indicador TX90p para Alto da Boa Vista (em azul) e Santa Cruz (em preto). As tendências estimadas a partir da curvatura de Sen

para as duas localidades, de 0,15%dia/ano, são estatisticamente significativas ao nível de 95%.

Além disso, o índice “dias frios” (TX10p), que mostra a porcentagem de dias no ano em que a

temperatura máxima é menor que o percentil 10, está em declínio com uma taxa de ‐0,2%dia/ano no

Alto da Boa Vista e de ‐0,1%dia/ano em Santa Cruz, como indica a Figura 14.

Figura 14 – Indicador TX10p para Alto da Boa Vista (em azul) e Santa Cruz (em preto). A tendência estimada a partir da curvatura de Sen é

de ‐0,2%dia/ano para Alto da Boa Vista e de ‐0,1%dia/ano para Santa Cruz. As tendências são estatisticamente significativas ao nível de

95%.

O índice TXx (Figura 15) que apresenta o maior valor da temperatura máxima diária encontra‐se em

ligeira elevação a uma taxa de 0,01ºC/ano em ambas as estações. Contudo o índice TXn que

apresenta o menor valor da temperatura máxima diária está sem tendência para ambas as

localidades.


Figura 15 – Indicador TXx para Alto da Boa Vista (em azul) e Santa Cruz (em preto). As tendências estimadas a partir da curvatura de sem

para as duas localidades, de 0,01ºC/ano não são estatisticamente significativas ao nível de 95%.

O indicador WSDI, que é um indicador de onda de calor, definido como o número de dias no ano com

pelo menos seis dias consecutivos com temperatura máxima maior do que o percentil 90, apresenta‐

se em elevação no Alto da Boa Vista e em Santa Cruz (Figura 16). Isso significa que está aumentando

o número de dias consecutivos com temperaturas elevadas, principalmente no Alto da Boa Vista.

Figura 16 – Indicador WSDI para Alto da Boa Vista (em azul) e Santa Cruz (em preto). O ajuste linear fornece as seguintes equações de

regressão e coeficientes de determinação (R2) para as retas: y=0,19x‐383,0 e R2=0,17 para Alto da Boa Vista e y=0,04x‐83,6 e R2=0,02 para

Santa Cruz.

Com base no índice WSDI foi criado um novo índice, onde se exige que ambas as temperaturas

(máxima e mínima), permaneçam elevadas, em pelo menos 6 dias consecutivos. Este índice batizado

de “períodos com dias e noites quentes consecutivos”, apresentado na Figura 17 para a estação de

Santa Cruz, foi elaborado computando‐se o número máximo de dias consecutivos no ano com

TX>32ºC e ao mesmo tempo TN>24ºC por no mínimo 6 dias consecutivos. Os resultados mostram

que tal índice encontra‐se em ligeira elevação ao longo do período analisado.


Figura 17 – Indicador “dias e noites quentes consecutivos” para Santa Cruz. O ajuste linear fornece a equação de regressão y=0,02x‐34 e o

coeficiente de determinação (R2) = 0,005.

Com relação aos indicadores associados com a temperatura mínima do ar, nota‐se tendências de

elevação mais marcadas para Santa Cruz do que para o Alto da Boa Vista. O índice “noites tropicais”

(TR20), que mostra o número de dias no ano quando a temperatura mínima é superior a 20ºC, exibe

tendência de elevação estatisticamente significativa ao nível de 95% para a estação de Santa Cruz,

com elevação de 0,9 dia/ano, mas não para a estação do Alto da Boa Vista (Figura 18). O mesmo

comportamento se observa para o indicador noites quentes (TN90p), com forte tendência de

elevação em Santa Cruz (0,17%dia/ano) e leve tendência positiva no Alto da Boa Vista

(0,03%dia/ano). As noites frias (TN10p) estão em ligeiro declínio tanto no Alto da Boa Vista como em

Santa Cruz, com taxas de respectivamente ‐0,03 e ‐0,06 %dia/ano, porém não são estatisticamente

significativas. Uma explicação para as alterações mais pronunciadas na temperatura mínima em

Santa Cruz do que no Alto da Boa Vista poderia ser pelo fato da região de Santa Cruz, além de estar

afetada pelo aquecimento global, ser mais fortemente influenciada pelo efeito da ilha de calor

urbano.

Figura 18 – Indicador TR20 para Alto da Boa Vista (em azul) e Santa Cruz (em preto). As tendências estimadas a partir da curvatura de Sen

são: 0,3dia/ano para Alto da Boa Vista e 0,9 dia/ano para Santa Cruz. A tendência é signficativa ao nível de 95% para a Santa Cruz.


Tais análises mostram que o clima está se tornando mais quente no município do Rio de Janeiro. Os

dias quentes estão mais freqüentes (SU25 e TX90p em elevação) e os dias frios menos frequentes

(TX10p em declínio). A maior temperatura máxima a cada ano está se elevando (TXx aumentando).

As ondas de calor, ou seja, os períodos com temperatura máxima elevada, estão se tornando mais

longos (WSDI em elevação). Essas tendências associadas à temperatura máxima são aparentes nas

duas localidades, com tendências levemente mais acentuadas no Alto da Boa Vista. As noites

quentes estão também mais freqüentes (TR20 e TN90p em elevação) e as noites frias estão em

declínio (TN10p em declínio). As tendências associadas à temperatura mínima são mais pronunciadas

em Santa Cruz do que no Alto da Boa Vista.

A Tabela 4 apresenta um sumário das tendências observadas para os indicadores de extremos

climáticos relacionados a chuva, temperatura máxima e temperatura mínima analisados

anteriormente. Nota‐se de forma geral que no município do Rio de Janeiro as chuvas intensas estão

mais freqüentes e os totais pluviométricos anuais estão em elevação. Os dias e as noites quentes

(frios) estão mais (menos) freqüentes, consistentes com um cenário de aquecimento global.

Tabela 4 – Tendências observadas dos extremos climáticos relacionados a precipitação (sombreado

em verde), temperatura máxima (sombreado em amarelo) e temperatura mínima do ar

(sombreado em azul) no Alto da Boa Vista e em Santa Cruz

Indicador Alto da Boa Vista Santa Cruz

PRCPTOT + 7,8 mm/ano + 2,5 mm/ano

R95p + 11,8 mm/ano Sem tendência

R99p + 3,4 mm/ano Sem tendência

SDII +0,07 (mm/dia)/ano +0,01 (mm/dia)/ano

R30mm +0,07 dia/ano +0,03 dia/ano

+0,1 dia/ano Sem tendência

RX1day +1,0 mm/ano ‐0,9 mm/ano

RX5day + 1,5 mm/ano ‐0,5 mm/ano

CDD Sem tendência Sem tendência


CDW Sem tendência Sem tendência

SU25 +1,5 dia/ano +0,4 dia/ano

TX90p +1,5% dia/ano +1,5% dia/ano

TX10p ‐0,2% dia/ano ‐0,1% dia/ano

TXx +0,01°C/ano +0,01°C/ano

TXn Sem tendência Sem tendência

WSDI +0,19 dia/ano +0,04 dia/ano

TR20 +0,9 dia/ano +0,3 dia/ano

TN90p +0,03% dia/ano +0,17% dia/ano

TN10p ‐0,03% dia/ano ‐0,06% dia/ano

Os resultados aqui apresentados para a temperatura do ar estão de acordo com outros trabalhos

para o Brasil, indicando aquecimento nas últimas décadas.

Em Vicente et al. (2005) os mesmos indicadores de extremos climáticos utilizados neste trabalho

foram aplicados para 19 localidades no Brasil e para 49 localidades em outros países da América do

Sul. Seus resultados não indicam mudanças consistentes nos índices baseados na temperatura

máxima do ar, contudo tendências significativas foram observadas nos índices baseados na

temperatura mínima. Os autores mostram significantes tendências de aumento (redução) na

frequência de noites quentes (frias).

Obregon e Marengo (2007), utilizando dados de temperaturas máxima, média e mínima em diversas

estações meteorológicas no Brasil, mostraram que a temperatura mínima média anual se elevou em

todas as localidades estudadas no período de 1961‐2000, com tendência máxima de +1,4ºC/década

sobre o Estado do Tocantins. No Estado do Rio de Janeiro, as estações de Resende e Nova Friburgo

apresentaram aumento de aproximadamente 0,2ºC/década. Os pesquisadores não encontraram

contudo, padrão similar de aumento nas temperaturas média e máxima do ar para todas as

localidades.

Maia (2008) analisa as tendências na temperatura média mensal compensada em Bangu, de janeiro

de 1960 a dezembro de 1977 e na estação denominada Rio de Janeiro, de janeiro de 1960 a

dezembro de 1989 e evidencia suaves tendências de aumento das temperaturas em ambas as


localidades. Sansigolo et al. (1992) analisaram por sua vez, séries de temperaturas médias anuais

para 9 cidades brasileiras e em todas ocorre aquecimento, principalmente em São Paulo

(+0,03ºC/ano) e no Rio de Janerio (0,02ºC/ano).

Com relação à precipitação, os resultados são bastante variáveis. Obregon e Marengo (2007)

mostram tendências positivas nos totais pluviométricos anuais para a maior parte do país no período

de 1951 a 2000, contudo verificaram tendências negativas em postos isolados, como por exemplo no

Estado do Rio de Janeiro (Estação Piller no Município de Nova Friburgo) com valores entre ‐140 e ‐

160 mm/década. Figueiró e Coelho Netto (2003) analisaram os totais pluviométricos anuais da

Estação Capela Mayrink, no Alto da Boa Vista localizada no Maciço da Tijuca (Rio de Janeiro) para o

período de 1976 a 2002 encontrando também tendências negativas. Figueiró (2005) mostra

tendência de redução dos totais pluviométricos anuais em Resende (Rio de Janeiro) no período de

1932 e 2000. Contudo, de acordo com Coelho Netto et al. (2008), os totais pluviométricos anuais

seriam fortemente controlados pela frequência de chuvas diárias extremas (>100 mm/dia) e que a

freqüência de tais eventos se elevou no período de 1977 a 2002 na Estação Capela Mayrink (Alto da

Boa Vista) e também na Estação de Resende no Vale do Rio Paraíba do Sul (Rio de Janeiro) onde a

série é mais longa (1937‐2000).

Projeções das Mudanças Climáticas Futuras

As projeções das mudanças climáticas futuras para o Rio de Janeiro foram analisadas utilizando‐se as

saídas do Modelo Regional Eta ‐ versão climática (Chou et al., 2010 e Marengo et al., 2010), com

resolução horizontal de 40 km e 38 níveis na vertical. Tal modelo tem sido usado no INPE (Chou et al.,

2005) para realizar previsões de tempo e previsões climáticas sazonais desde 1996. A versão

climática foi adaptada para realizar integrações em escalas decadais, com foco nos cenários de

mudanças climáticas relacionadas com diferentes níveis de concentração de CO2. As condições de

contorno usadas para integrar o modelo regional Eta foram fornecidas pelo modelo climático

acoplado do Met Office Hadley Center HadCM3 (Gordon et al. 2000; Collins et al. 2001). Para estudos

do clima presente (1961‐1990) considerou‐se a concentração do CO2 igual a 330 ppm e para o clima

futuro (2011‐2099) foi utilizado o cenário A1B de emissões de CO2 do Special Report on Emissions

Scenarios (SRES) ‐ Intergovernamental Panel on Climate Change ‐ IPCC (Nakicenovic et al. 2000).

Inicialmente, a partir dos totais pluviométricos e temperaturas máximas e mínimas diárias para o

ponto de grade de lat: 23,0°S, lon:43,4ºW e altitude 62,9 m produzidos pelo modelo Eta, foram

gerados os índices de extremos climáticos. Como as saídas do modelo Eta são a cada 6 horas (0, 6, 12

e 18 Z), considerou‐se como temperatura máxima (mínima) diária o maior (menor) valor dentre as


quatro saídas. Para a chuva diária considerou‐se o total pluviométrico acumulado entre 18 Z do dia

anterior até 12 Z do dia em questão, assim como é feito no INMET. Esta etapa de avaliação do

modelo foi realizada para verificar se o mesmo é capaz de simular adequadamente os índices de

temperatura e precipitação no clima presente, aumentando assim a confiança na utilização das

projeções climáticas futuras. Infelizmente, a maior parte dos indicadores climáticos associados à

precipitação, não são representados adequadamente pelo modelo Eta no clima presente, com

exceção dos índices CDD e CWD para os quais o modelo exibe tendência nula, acompanhando a

tendência dos dados observacionais. Por outro lado, os extremos que utilizam a temperatura do ar,

principalmente aqueles calculados em percentis, são muito bem descritos, com tendências de

mesmo sinal e com magnitudes semelhantes. Desta forma, apenas as tendências futuras

relacionadas com a temperatura do ar (máxima e mínima) serão apresentadas.

Apenas dois campos de extremos climáticos, um relacionado com a temperatura máxima (TXx) e

outro com a temperatura mínima (TR20) para os períodos de 1961‐1990 e 2071‐2099 são

apresentados (ver Figuras 19 e 20). O número no centro de cada quadrado equivale ao valor médio

da variável no período analisado e no ponto de grade do modelo e é representativo de todo o

quadrado desenhado. Por exemplo, para o município do Rio de Janeiro, o valor que aparece centrado

em 23ºS/43,4ºW representa o valor médio da variável no período analisado na caixa de grade que se

estende de 22,8‐23,2ºS/43,2‐43,6ºW.

Na Figura 19, analisando‐se o quadro referente ao município do Rio de Janeiro, o índice TXx

iniciando‐se com 33,8ºC no período de 1961‐1990 (Figura 19 a), passa para 35,5ºC no período 2011‐

2040, a seguir para 37,0 ºC em 2041‐2070 e chegando a 38,6ºC em 2071‐2099 (Figura 19 b). Isso

significa um aumento em TXx de 4,8ºC em relação ao clima presente (1961‐1990) até o final do

século XXI. Os mapas mostram também um padrão diferenciado para a área continental e marítima,

com maiores valores de TXx nas áreas continentais, contudo se elevando até o final do século para

toda a região apresentada.


(a) 1961‐1990 (b) 2071‐2099

Figura 19 – Índice TXx para os períodos: (a) 1961‐1990 e (b) 2071‐2099.

Os campos de TR20 (número de dias no ano com temperatura mínima superior a 20ºC) são

mostrados na Figura 20. Nota‐se que para o município do Rio de Janeiro no clima presente o modelo

configura 166,9 dias ao ano com TR20 (Figura 20 a), subindo para 237,6 dias em 2011‐2040, a seguir

276,7 dias em 2041‐2070 e finalmente 311,6 dias em 2071‐2099 (Figura 20 b). Isto representa um

aumento de quase 87% em relação ao clima presente do modelo. Como esperado, os valores de

TR20 são maiores sobre o oceano do que sobre o continente, e por outro lado, o aquecimento até o

final do século é menor sobre os oceanos devido à sua maior capacidade térmica.


(a) 1961‐1990 (b) 2071‐2099

Figura 20 – Índice TR20 para os períodos: (a) 1961‐1990 e (b) 2071‐2099.

A evolução temporal dos indicadores de extremos climáticos associados com a temperatura máxima

do ar (SU25, TX90p, TX10p, TXx e WSDI) e com a temperatura mínima do ar (TR20, TN90p e TN10p)

são apresentados na Figura 21 para o clima presente (1961‐1990) e para o clima futuro (2011 a 2099)

para o ponto de grade do modelo Eta centrado em 23ºS/43,4º W. Equações de regressão lineares e

coeficientes de determinação (R2) são exibidas em cada gráfico para o modelo Eta. Apenas para

efeito de comparação visual, são apresentados também os dados observacionais de Santa Cruz no

clima presente.

As projeções indicam que o número de dias no ano com temperatura máxima superior a 25ºC (SU25)

poderá se elevar a uma taxa de 1,00 dia/ano até o final do século. Nota‐se já no clima

presente uma grande defasagem entre os valores observados em Santa Cruz e simulados pelo

modelo Eta. A porcentagem de dias quentes no ano (TX90p) apresenta tendência de aumento, com

taxa de 0,19%dia/ano. A porcentagem de dias frios (TX10p) apresenta‐se em declínio a uma taxa de ‐

0,08%dia/ano. A maior temperatura máxima anual (TXx) também poderá aumentar até o final do

século a uma taxa de 0,04ºC/ano, ressaltando‐se também, assim como em SU25 as diferenças entre

os dados observacionais e aqueles simulados pelo modelo Eta. As ondas de calor (WSDI), ou seja, o

número de dias consecutivos no ano com temperaturas máximas acima do percentil 90, também

exibem forte tendência de elevação, em torno de 0,24 dias/ano. Os índices relacionados com a

temperatura mínima indicam: provável aumento das noites tropicais (TR20) com temperatura

mínima superior a 20ºC, a uma taxa de 1,33%dia/ano; aumento da frequência de ocorrência de


noites quentes (TN90p) a uma taxa de 0,28%dia/ano e redução na freqüência de ocorrência de noites

frias (TN10p) a uma taxa de ‐0,09%dia/ano.

(a) SU25 (b) TX90p

Figura 21 – Evolução temporal dos índices: (a) SU25, (b) TX90p, (c) TX10p, (d) TXx, (e) WSDI, (f) TR20, (g) TN90p, e (h) TN10p calculados

para o ponto de grade do modelo Eta localizado em 23ºS/43,4º W e altitude 62,9 m (em verde) e para os dados observacionais de Santa

Cruz (em preto). Equações de regressão lineares e coeficientes de determinação (R2) são apresentados para o modelo Eta.

(c) TX10p (d) TXx

(e) WSDI (f) TR20

(g) TN90p (h) TN10p


Figura 21 – Final.

Conclui‐se, utilizando‐se as projeções do modelo Eta climático, cenário A1B do IPCC, que o clima no

Rio de Janeiro deverá ficar mais quente até o final do século XXI, seguindo o padrão que já está

sendo observado no município no clima presente. Projeta‐se um aumento da maior temperatura

máxima anual, aumento (redução) na freqüência de ocorrência de dias e noites quentes (frios) e

aumento da duração das ondas de calor.

Conclusões e Propostas de Ação para Trabalhos Futuros

Neste capítulo foram elaboradas análises para detecção da mudança climática no Rio de Janeiro, a

partir de dados meteorológicos coletados diariamente numa área urbana (Santa Cruz), localizada na

Zona Oeste da cidade e numa área florestada (Alto da Boa Vista). Os resultados mostraram que o

clima está se tornando mais úmido, principalmente na região florestada, com totais pluviométricos

anuais em elevação, eventos de chuvas intensas ocorrendo com maior freqüência e produzindo

maior quantidade de chuvas (apenas na área de floresta). Com relação à temperatura do ar, as

análises mostram que o clima está se tornando mais quente no município do Rio de Janeiro e

provavelmente também na RMRJ. Os dias quentes (frios) estão mais (menos) freqüentes . A maior

temperatura máxima a cada ano está se elevando. As ondas de calor, ou seja, os períodos com

temperatura máxima elevada, estão se tornando mais longos. As noites quentes estão também mais

freqüentes e as noites frias estão em declínio. As tendências associadas à temperatura mínima são

mais pronunciadas em Santa Cruz do que no Alto da Boa Vista. As diferenças encontradas nas duas

regiões (urbana e florestada) podem estar associadas com mudanças na circulação em escala

sinótica, e também em escala local devido ao efeito de ilha de calor urbana.

Conforme já assinalamos, as projeções do modelo Eta climático, cenário A1B do IPCC, indicam que o

clima no Rio de Janeiro poderá ficar mais quente até o final do século XXI, seguindo a tendência já

observada no município no clima presente. Projeta‐se um aumento da maior temperatura máxima


anual, aumento (redução) na freqüência de ocorrência de dias e noites quentes (frios) e aumento da

duração das ondas de calor.

As análises climatológicas e estudos de detecção e projeções de mudanças climáticas aqui

apresentados ficaram limitados aos dados meteorológicos oferecidos pela base de dados do INMET.

Além disso, os dados observados se limitam às últimas quatro décadas e contam com diversas falhas

em suas séries respectivas históricas. Esses fatos evidenciam a grande necessidade de serem gerados

dados atmosféricos contínuos de boa qualidade, em outros pontos da cidade que, sabidamente,

possuem microclimas diferenciados.

O Rio de Janeiro precisa capitalizar mais e melhor o fato de abrigar várias instituições federais e

estaduais que podem gerar dados e informações ambientais que permitam aprimorar as descrições

climatológicas e assim subsidiar os planos de adaptação da cidade ao clima do futuro.

A prefeitura da cidade do Rio de Janeiro através do seu Sistema Alerta Rio vem produzindo dados

preciosos de precipitação, possui uma equipe dedicada de meteorologistas e deu início

recentemente à operação de um radar meteorológico (inaugurado em 31.12.2010). É preciso

expandir essas iniciativas para abarcar dados climatológicos mais diversificados, conhecer as regiões

microclimáticas da cidade e concatenar as informações observacionais e de modelos a fim de

preparar a cidade para os desafios ambientais que ela enfrentará nas próximas décadas.

Nenhuma tecnologia de estudos climáticos prescinde de informações ambientais apropriadas. Essa

carência se acentua quando nos damos conta do fato de que as soluções para as megacidades

resultarão do conhecimento das respostas do clima na escala local. A cidade do Rio de Janeiro figura

entre as maiores megalópoles do mundo e desponta como uma metrópole de elevado

desenvolvimento social e econômico. Isso atribui a esta cidade responsabilidades que tem se

avolumado nos últimos anos. É necessário entender as diversas dimensões e desdobramentos

decorrentes das variabilidades e mudanças climáticas. Esta preparação se faz em duas vertentes: (i)

reunir e concatenar todos os dados climáticos relevantes e (ii) viabilizar a geração de mais dados

meteorológicos, hidrológicos e oceanográficos (OBS: garantir acesso não seria uma terceira

vertente?). Isso significa, por exemplo, a criação e manutenção de bancos de dados atmosféricos, do

nível e vazão dos rios, do nível do mar e das ondas oceânicas. Estes bancos de dados também

permitirão a percepção das carências em termos de localização e tipos de novos dados ambientais a

serem gerados.

Os desencontros do passado nos têm ensinado que a aplicação do conhecimento do clima e sua

variabilidade em benefício das grandes cidades só terá sucesso se for resultado de trabalho em

equipes multidisciplinares. A cidade do Rio de Janeiro tem muitos problemas, mas tem também


profissionais competentes interessados em encontrar as melhores soluções interagindo o seu

conhecimento. Nesta discussão não devem estar apenas os cientistas do clima, os engenheiros e os

economistas, mas deve incluir tomadores de decisão, tanto a nível executivo como legislativo.

Os projetos de engenharia, sejam eles de pequeno ou grande porte, e aqui se devem incluir também

as obras públicas, precisam estar articulados e ser respaldados pelas perspectivas climáticas futuras,

pois se espera que tais obras tenham uma durabilidade de décadas. Como uma cidade costeira, o Rio

de Janeiro é extremamente dependente dos processos oceânicos. A esperada elevação do nível do

mar em decorrência do aquecimento global é uma preocupação generalizada. Contudo a cidade do

Rio de Janeiro, já há alguns anos, tem percebido uma maior vulnerabilidade decorrente das

chamadas marés meteorológicas, que provocam o aumento do nível do mar, a aproximação de

grandes ondas e de ressacas, produzidas remotamente por ciclones no Atlântico Sul.

Chuvas intensas e eventualmente continuadas, tem produzido enchentes em rios e lagoas na cidade

do Rio de Janeiro e em seu entorno. Dadas as características topográficas da cidade e a ocupação

desordenada do espaço urbano, essas chuvas freqüentemente provocam deslizamentos com

transtornos e riscos inaceitáveis. Diante da perspectiva consensual de que o clima do futuro trará

tempestades mais freqüentes, os problemas que já existem tendem a se agravar.

Como acontece em todas as grandes cidades, o Rio de Janeiro tem sérios problemas de poluição

atmosférica. Cabe registrar que nos últimos anos várias ações governamentais trouxeram melhoria

visível ao ambiente urbano. Sendo a questão ambiental essencialmente multidisciplinar, tomadores

de decisão, tanto gestores quanto legisladores, devem avançar no sentido de tornar o ambiente

desta cidade o mais saudável possível, sem restringir em demasia o desenvolvimento econômico.

As medidas de adaptação pressupõem uma conexão com a escala temporal dos fenômenos

meteorológicos e oceânicos. Assim, ações de curto prazo podem ser desencadeadas a partir de boas

previsões do tempo, enquanto que as medidas de engenharia de mais longo prazo devem estar em

sintonia com as projeções climáticas e seus desdobramentos locais sobre a cidade.

Em resumo, propõem‐se as seguintes medidas concretas a médio e longo prazo:

• Implementação de um banco de informações atmosféricas, hidrológicas e oceanográficas

visando o uso amplo dessas informações tanto por pesquisadores, quanto por engenheiros e

administradores, preparando a cidade para as variações climáticas futuras. (acessibilidade dessas

bases é também uma questão a ser explicitada)

• A partir de diagnósticos abrangentes, implementar redes de monitoramento ambiental que

supram as carências e viabilizem ações de adaptação mais precisas. (essa me parece ser a primeira

proposta)


• A partir dos modelos climáticos globais que se mostrem mais representativos da condição

climática presente, utilizar as previsões do clima futuro e implementar downscaling apropriados à

cidade através de modelos de mesoescala com física e resolução espacial adequadas.

• Incentivar o estabelecimento de equipes e processos de avaliação interinstitucionais e

multidisciplinares que identifiquem as vulnerabilidades da cidade e proponham soluções de

adaptação viáveis de serem implementadas.

Bibliografia

Chou, S. C., Bustamante J. F. e Gomes, J. L., 2005: Evaluation of Eta Model seasonal precipitation

forecasts over South America. Nonlinear Process Geophys. 12(4): 537‐555.

Chou, S. C., Marengo, J. A., Lyra, A. A., Sueiro, G., Pesquero, J. F., Alves, L. M., Kay, G., Betts, R.

Chagas, D., Gomes, J. L., Bustamante J. F. e Tavares, P.Gomes, J. L., 2010: Downscaling of South

America present climate driven by 4‐member HadCM3 runs. Submetido para Climate Dynamics.

Coelho Netto, A. L., Avelar, A. de S. e D’orsi, R., 2008: Domínio do ecossistema da floresta atlântica de

encostas. In Rio Próximos 100 anos. O Aquecimento Global e a Cidade. Rio de Janeiro. Instituto

Municipal de Urbanismo Pereira Passos.

Collins, M. Tett S. F. B. e Cooper, C., 2001: The internal climate variability of a HadCM3, a version of

the Hadley Centre coupled model without flux adjustment. Clim. Dyn. 17:61‐81.

Dereczynski, C. P., Oliveira, J. S. e Machado, C. O., 2009: Climatologia da Precipitação no Município

do Rio de Janeiro. Revista Brasileira de Meteorologia, v. 24, n. 1, 24‐38.

Figueiró, A. S. e Coelho Netto, A. L., 2003: Do Local ao Regional: análise comparativa de transectos

pluviométricos em diferentes escalas. V Encontro Nacional da Associação Nacional de Pós Graduação

em Geografia/ANPEGE, Florianópolis.

Figueiró, A. S., 2005: Mudanças ambientais na interface floresta‐cidade e propagação de efeito de

borda no Maciço da Tijuca, Rio de Janeiro: um modelo de vizinhança. Tese de Doutorado em

Geografia, UFRJ.

Gordon, C. C. et al., 2000: The simulation of SST, sea ice extents and ocean heat transport in a version

of the Hadley Centre coupled model without flux adjustment. Clim. Dyn., 16: 147‐168.

INMET ‐ Instituto Nacional de Meteorologia, 2009: Normais Climatológicas do Brasil 1961‐1990,

2009. Organizadores: Andrea Malheiros Ramos, Luiz André Rodrigues dos Santos, Lauro Tadeu

Guimarães Fortes. Brasília, DF: INMET, 465 p.


Jourdan, P., Marton, E., Pimentel, L. C. G e da Silva, M. S., 2010: Caracterização do Regime de Vento

em Superfície na Região Metropolitana do Rio de Janeiro: Influência dos Aspectos Fisográficos e do

Ciclo Diário. Submetido à Revista Brasileira de Geofísica.

Maia, Luiz, 2008: Micro‐clima e eventos climáticos extremos. In Rio Próximos 100 anos. O

Aquecimento Global e a Cidade. Rio de Janeiro. Instituto Municipal de Urbanismo Pereira Passos.

Marengo, J. A., Chou, S. C., Kay, G., Alves, L. M., Pesquero, J. F., Soares, W. R., Santos, D. C., Lyra, A.

A., Sueiro, G., Betts, R., Chagas, D. J., Gomes, J. L., Bustamante, J. F. e Tavares, P., 2010: Development

of regional future climate change scenarios in South America using the Eta CPTEC/HadCM3 climate

change projections: Climatology and regional analyses for the Amazon, São Francisco and the Parana

River Basins.

Nakicenovic, N., Alcamo, J. Davis, G., de Vries, B., Fenham, J., Gaffin, S., Gregory, K., Grubler, A. Jung,

T. Y., Kram, T., La Rovere, E. L., Michaelis, L., Mori, S., Morita, T., Pepper, W., Pitcher, H., Price L.,

Riahi, K. Roehrl, A., Rogner, H. H., Sankovski, A., Schlesinger, M., Shukla, P., Smith, S., Swart, R., van

Rooijen, S., Victor, N., Dadi, Z., 2000: Special Report on emissions scenarios. Cambridge University

Press, United Kingdom, p. 599.

Obregon, G., Marengo J, A. 2007: Caracterização do clima do Século XX no Brasil: Tendências de

chuvas e temperaturas médias e extremas. Relatório 2, MINISTÉRIO DO MEIO AMBIENTE ‐ MMA,

SECRETARIA DE BIODIVERSIDADE E FLORESTAS – SBF, DIRETORIA DE CONSERVAÇÃO DA

BIODIVERSIDADE – DCBio Mudanças Climáticas Globais e Efeitos sobre a Biodiversidade ‐ Sub

projeto: Caracterização do clima atual e definição das alterações climáticas para o território brasileiro

ao longo do Século XXI. Brasília, Fevereiro 2007.

Sansigolo, C., Rodriguez, R. e Etichichury, P., 1992: Tendências nas temperaturas médias no Brasil. In:

Congresso Brasileiro de Meteorologia, 7, 1992, v1, p.367‐371.

Sen, P. K., 1968: Estimates of the Regression Coefficient based on Kendall’s Tau. Journal of American

Statistics Association, V. 63, p. 1379‐1389.

Silva, W. L e Dereczynski, C. P., 2010: Tendências observadas nos índices extremos diários de

temperatura do ar e precipitação na Cidade do Rio de Janeiro. In: XVI Congresso Brasileiro de

Meteorologia, Belém, Brasil, 2010. Anais. Sociedade Brasileira de Meteorologia. CD‐ROM.

Sneyers, R., 1975: Sur L’analyse Statistique des Series D’observations. Gênevè: Organisation

Méteorologique Mondial. 192 p. (OMN, Note technique, 143).

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., Moncunill, D. F.,



Rebello, Anunciação, Y. M. T., Quintana J., Santos J. L., Baez, J., Coronel, G., Garcia, J., Trebejo, I.,

Bidegain, M., Haylock, M. R. e Karoly, D., 2005: Observed Trends in Indices of Daily Temperature

Extremes In South America. 1960‐2002. Journal of Climate.18. 5011 – 5023.

Clima e mudanças climáticas na Cidade do Rio de Janeiro · CLIMA E MUDANÇAS CLIMÁTICAS NA ... A...

Documents

Transcript of Clima e mudanças climáticas na Cidade do Rio de Janeiro · CLIMA E MUDANÇAS CLIMÁTICAS NA ... A...