ESTUDO DOS EVENTOS DE SECA METEOROLÓGICA NA REGIÃO SUL … · pessoas que me inspiraram e me...
Transcript of ESTUDO DOS EVENTOS DE SECA METEOROLÓGICA NA REGIÃO SUL … · pessoas que me inspiraram e me...
ESTUDO DOS EVENTOS DE SECA METEOROLÓGICA NA
REGIÃO SUL DO BRASIL
Priscila Bogo Pessini
Trabalho de Conclusão de Curso
Universidade Federal de Santa Catarina Graduação em
Engenharia Sanitária e Ambiental
Priscila Bogo Pessini
ESTUDO DOS EVENTOS DE SECA METEOROLÓGICA NA
REGIÃO SUL DO BRASIL
Trabalho apresentado à Universidade
Federal de Santa Catarina para a
conclusão do Curso de Graduação em
Engenharia Sanitária e Ambiental.
Orientador: Prof. Dr. Pedro Luiz
Borges Chaffe
Coorientador: Vinícius Bogo Portal
Chagas
Florianópolis
2017
Ficha de identificação da obra elaborada pelo autor, através do Programa de Geração Automática da Biblioteca Universitária da UFSC.
Pessini, Priscila Bogo Estudo dos Eventos de Seca Meteorológica naRegião Sul do Brasil / Priscila Bogo Pessini ;orientador, Pedro Luiz Borges Chaffe,coorientador, Vinícius Bogo Portal Chagas, 2017. 87 p.
Trabalho de Conclusão de Curso (graduação) -Universidade Federal de Santa Catarina, CentroTecnológico, Graduação em Engenharia Sanitária eAmbiental, Florianópolis, 2017.
Inclui referências.
1. Engenharia Sanitária e Ambiental. 2. SecaMeteorológica. 3. Índice de Precipitação Padronizado.4. região Sul do Brasil. I. Chaffe, Pedro LuizBorges . II. Chagas, Vinícius Bogo Portal . III.Universidade Federal de Santa Catarina. Graduação emEngenharia Sanitária e Ambiental. IV. Título.
AGRADECIMENTOS
Durante a minha jornada na vida acadêmica procurei valorizar
além dos conhecimentos técnicos e científicos adquiridos, o
desenvolvimento pessoal baseado na convivência que pude ter com
pessoas que me inspiraram e me ensinaram a ser melhor. Concluindo o
ciclo de aprendizados da graduação, agradeço a todos que contribuíram
com o meu crescimento profissional e pessoal. Portanto, agradeço
primeiramente aos meus pais, Leni Bogo Pessini e Itacir Pessini, os
quais sempre me proporcionaram todas as condições para que eu
pudesse me dedicar aos estudos, os quais sempre me apoiaram em todas
as minhas decisões e foram os responsáveis na formação do meu caráter.
Agradeço à minha irmã Pâmela e à Júlia Rohenkohl, que foram
companheiras, pacientes e amigas durante esse período de trabalho.
Agradeço também à minha grande amiga Martina Alba, quem sempre
me acompanhou auxiliando de diversas formas, me dando motivação e
agregando positivamente com seus ensinamentos.
Agradeço aos meus amigos da turma 10.2, que durante a
graduação foram os responsáveis pelos momentos memoráveis de
alegria, noites longas de estudos e festas. Amigos da 10.2, que são
exemplo de união e empatia, me acolheram como uma família e
encheram o meu caminho da graduação de significado e boas
lembranças. Em especial, Natalia Rosa, Iáscara Mattes, Maria Joana
Allievi e Marina Bortoli, amigas que sempre me incentivaram e quem
vou levar para vida toda.
Faço um agradecimento especial ao Rodrigo Kern, quem inspirou
meu interesse por hidrologia e compartilhou seu conhecimento, me
proporcionando a oportunidade de compreender melhor diversos
fundamentos dessa ciência.
Ao programa Ciência sem Fronteiras e à Professora Nira
Jayasurya, agradeço a oportunidade de aprender e realizar o projeto de
pesquisa sobre os eventos de seca, motivando a realização do presente
trabalho. Ao meu amigo e parceiro de projeto na Austrália, Bruno H.
Toná Juliani, pelo companheirismo nas tardes e noites de estudo no
"Building 28", e pela troca de conhecimentos durante o intercâmbio.
Frente à gratificação de poder realizar esse trabalho, agradeço ao
meu coorientador Vinícius B. P. Chagas, que me auxiliou diversas vezes
com muita paciência e sabedoria, contribuindo significativamente na
conclusão deste trabalho. Por fim, faço um agradecimento ao meu
orientador, Professor Pedro Chaffe, pela oportunidade de realizar esse
trabalho e pelo incentivo e desafio de expandir meu conhecimento.
RESUMO
A seca é a deficiência da disponibilidade de água em relação às
condições normais, sendo resultado de complexas interações entre
variáveis meteorológicas, hidrológicas, físicas e de interferência
humana. A ocorrência dos eventos de seca pode causar consequências
severas nos ecossistemas e no meio socioeconômico. Dessa forma, é
significante a realização de estudos de identificação e caracterização dos
eventos de seca que possam subsidiar a avaliação de vulnerabilidade e a
adequada gestão dos recursos hídricos. Na região Sul do Brasil, embora
o déficit na disponibilidade de água seja o principal fator gerador de
prejuízos na produção agrícola, existem poucos estudos sobre eventos de
seca. Este trabalho realizou um estudo dos eventos de seca
meteorológica na região Sul do Brasil, avaliando-se as séries históricas
de 671 estações pluviométricas, para o período de 1975 a 2010. O
estudo compreendeu a identificação dos eventos de seca através do
cálculo do Índice de Precipitação Padronizado (SPI) aplicado às escalas
de tempo de 24, 12, 9, 6 e 3 meses de precipitação acumulada. A partir
dos eventos identificados foi possível avaliar a frequência, a intensidade
e duração das secas obtidas na série histórica. Os anos que apresentaram
período de seca de maior duração foram 1978, 1979, 1988 a 1989 e
2006. A análise da variação regional da frequência dos eventos de seca,
conforme os mapas de distribuição espacial, concluiu que a região
centro-norte apresentou a maior frequência de ocorrência de seca.
Observou-se, ainda, conforme a avaliação do mapa dos valores limiares
de SPI = -1, que as regiões com menores precipitações correspondem ao
norte do Paraná e ao sul do Rio Grande do Sul. A análise dos eventos de
seca utilizando-se o valor limiar de SPI = -1 mostrou-se incoerente para
algumas regiões, como a região centro-oeste, pois apresentou valores
altos de precipitação correspondente a esse limite. A avaliação da
aplicação das diferentes escalas de tempo do SPI indicou que a escolha
da melhor escala de tempo para a identificação dos eventos deve estar
associada às características climáticas de cada região. A última etapa
consistiu em avaliar os resultados do SPI em comparação com os dados
do Índice Oceânico Niño (ONI) obtidos da NOAA (National Oceanic
and Atmospheric Administration), constatando-se relações entre os anos
mais secos e a ocorrência de La Niña pelas escalas de longo termo (SPI-
12).
Palavras-chave: Seca meteorológica; Índice de Precipitação
Padronizado (SPI); região Sul do Brasil.
ABSTRACT
Drought is the deficiency in water availability compared to normal
conditions, resulting from a complex iteration between meteorological,
hydrological, physical and human variables. Drought events cause
severe impacts on hydrological systems, and, consequently on
socioeconomic components. Therefore, it is important to carry out
studies that approach the identification and the characterization of
drought events, aiming to generate subsidies for the evaluation of
vulnerability and adequate water resources management. In the Southern
region of Brazil, although the deficit in water availability is the main
factor generating impacts in agricultural production, there is just a few
studies about drought events,. In this context, this work carried out a
study of meteorological drought events in the southern region of Brazil,
evaluating historical data series of 671 rainfall stations for the period
from 1975 to 2010. This study comprised the identification of drought
events through Standardised Precipitation Index computation, applied to
the time scales of 24 months (SPI-24), 12 months (SPI-12), 9 months
(SPI-9), 6 months (SPI-6) and 3 months (SPI-3) of rainfall accumulation
period. From the identified events it was possible to evaluate the
frequency, intensity and duration of droughts in the historical series. The
years that presented the longest drought were 1978, 1979, 1988 to 1989
and 2006. The regional analysis of the frequency of drought events,
according to the maps of spatial distribution, concluded that the central-
north region presented the highest frequency of occurrence of drought.
Furthermore, it was observed, according to the evaluation of the
threshold values map (SPI = -1), that the regions with the lowest rainfall
correspond to the north of Paraná and to the south of Rio Grande do Sul.
The analysis of the drought events using the threshold value of SPI = -1
was incoherent for some regions, such as the central-west region, since
it presented high values of precipitation corresponding to this limit. The
evaluation of the application of different time scales of SPI indicated
that the choice of the best time scale for the drought events identification
can be associated to climatic characteristics of each region. The final
stage consisted of evaluating the SPI results in comparison to the data
from National Oceanic and Atmospheric Administration (NOAA)
Oceanic Niño Index (ONI), and the results found relationship between
most drought periods and La Niña occurrence for long term time scales.
Keywords: Meteorological drought; Standardised Precipitation Index
(SPI); Southern region of Brazil.
LISTA DE FIGURAS
Figura 1 - As diferentes categorias de seca ........................................... 26
Figura 2 - SPI utilizado como ferramenta de monitoramento de seca no
Brasil pelo CPTEC/INPE. ..................................................................... 34
Figura 3 - Definições das características da seca de acordo com o SPI. 37
Figura 4 - Área de estudo, região Sul do Brasil, e as Estações
Pluviométricas analisadas. .................................................................... 46
Figura 5 - Isoietas Anuais Médias na Região Sul no período de 1977 a
2006. ..................................................................................................... 47
Figura 6 - Porcentagem de falhas (a) e consistência (b) nos dados das
estações selecionadas, no período de 1975 a 2010. ............................... 49
Figura 7 - Metodologia de determinação do SPI................................... 53
Figura 8 - Anos que apresentaram eventos de seca em 60% do tempo
para SPI-3. ............................................................................................ 59
Figura 9 - Anos que apresentaram eventos de seca em 60% do tempo
para SPI-12............................................................................................ 59
Figura 10 - SPI-3, SPI-6, SPI-9, SPI-12 e SPI-24 para a Estação
Pluviométrica Deputado José Afonso (02352052) ............................... 60
Figura 11 - SPI-3, SPI-6, SPI-9, SPI-12 e SPI-24 para a Estação
Pluviométrica Cacequi (02954001) ...................................................... 61
Figura 12 - Distribuição espacial dos valores limiares (SPI = -1) para
SPI-12. .................................................................................................. 63
Figura 13 - Distribuição espacial da frequência de eventos de seca
meteorológica para (a) SPI-3, (b) SPI-6, (c) SPI-9 ............................... 65
Figura 14 - Distribuição espacial da frequência de eventos de seca
meteorológica para (a) SPI-12 e (b) SPI-24. ......................................... 66
Figura 15 - Distribuição espacial das durações máximas dos eventos de
seca meteorológica para (a) SPI-3, (b) SPI-6, (c) SPI-9 ........................ 68
Figura 16 - Distribuição espacial das durações máximas dos eventos de
seca meteorológica para (a) SPI-12 e (b) SPI-24. ................................. 69
Figura 17 - Índice Oceânico Niño (ONI) no período de 1975-2010. .... 70
Figura 18 - Comparação dos Resultados entre o ONI e SPI-12. ........... 72
LISTA DE QUADROS
Quadro 1 – Índices de Seca mais utilizados .......................................... 32
Quadro 2 – Interpretação para diferentes escalas de tempo do SPI. ..... 36
Quadro 3 – Categorias de intensidade da seca. ..................................... 38
LISTA DE ABREVIATURAS E SIGLAS
ANA Agência Nacional de Águas
CPRM Companhia de Pesquisa de Recursos Minerais
CPC Climate Prediction Center
CPTEC Centro de Previsão de Tempo e Estudos Climáticos
ENOS El Niño - Oscilação Sul
IBGE Instituto Brasileiro de Geografia e Estatística
INPE Instituto Nacional de Pesquisas Espaciais
IPCC Painel Intergovernamental sobre Mudanças Climáticas
(Intergovernmental Panel on Climate Change)
NDMC National Drought Mitigation Center
NOAA National Oceanic and Atmospheric Administration
SPI Índice de Precipitação Padronizado (Standardised
Precipitation Index)
TSM Temperatura da Superfície do Mar
ZCAS Zona de Convergência do Atlântico Sul
SUMÁRIO
1. INTRODUÇÃO ........................................................................ 21
1.1 OBJETIVOS ......................................................................................... 22
1.1.1 Objetivo Geral..................................................................................... 22
1.1.2 Objetivos Específicos .......................................................................... 22
2 FUNDAMENTAÇÃO TEÓRICA .......................................... 25
2.1 SECA .................................................................................................... 25
2.2 ÍNDICES DE IDENTIFICAÇÃO E MONITORAMENTO DE SECA 29
2.2.1 Índice de Precipitação Padronizado - SPI ........................................ 33
2.3 CARACTERÍSTICAS DOS EVENTOS DE SECA............................. 36
2.3.1 Intensidade ............................................................................................. 37
2.3.2 Duração .................................................................................................. 38
2.3.3 Distribuição Espacial ............................................................................. 39
2.3.4 Frequência .............................................................................................. 40
2.4 FATORES CLIMATOLÓGICOS QUE INFLUENCIAM NA
PRECIPITAÇÃO DO SUL DO BRASIL ............................................. 40
2.4.1 Fenômeno El Niño - Oscilação Sul (ENOS) ......................................... 42
3 METODOLOGIA .................................................................... 45
3.1 ÁREA DE ESTUDO ............................................................................ 45
3.2 DADOS PLUVIOMÉTRICOS ............................................................. 48
3.2.1 Preenchimento de falhas nos dados ................................................... 49
3.3 ÍNDICE DE PRECIPITAÇÃO PADRONIZADO (SPI) ...................... 50
3.4.1 Características dos Eventos de Seca .................................................. 52
3.4 ELABORAÇÃO DOS MAPAS DE DISTRIBUIÇÃO ESPACIAL .... 54
3.4.1 Krigagem ............................................................................................. 54
3.5 INTERFERÊNCIA DO FENÔMENO ENOS NA PRECIPITAÇÃO .. 55
4 RESULTADOS E DISCUSSÃO ............................................. 57
4.1 IDENTIFICAÇÃO DOS EVENTOS DE SECA .................................. 57
4.1 INTENSIDADE.................................................................................... 62
4.2 FREQUÊNCIA ..................................................................................... 63
4.3 DURAÇÃO............................................................................................ 67
4.4 RELAÇÃO DE OCORRÊNCIA DA SECA E OS EVENTOS ENOS .. 70
5 CONCLUSÕES E RECOMENDAÇÕES .............................. 73
5.1 CONCLUSÕES .................................................................................... 73
5.2 SUGESTÕES PARA TRABALHOS FUTUROS ................................ 74
REFERÊNCIAS BIBLIOGRÁFICAS .............................................. 77
APÊNDICE A - ROTINA PARA O CÁLCULO DO SPI ................ 85
APÊNDICE B - ANOS MAIS SECOS NO PERÍODO DE ANÁLISE
(1975 - 2010) ......................................................................................... 87
21
1. INTRODUÇÃO
Um evento de seca pode ser caracterizado como um período
contínuo de deficiência na disponibilidade de água em relação às
condições normais esperadas para uma determinada região. A seca é o
evento extremo que apresenta um dos maiores impactos negativos e de
larga escala socioeconômica, responsável por cerca de um quinto dos
prejuízos socioeconômicos causados (WILHITE, 2000) e por 35% das
mortes relacionados aos desastres naturais (WMO, 2014). No período de
1970 a 2012, 48 eventos de seca foram responsáveis por 23% das perdas
econômicas causadas por desastres na América do Sul, incluindo a seca
ocorrida no Brasil em 1978, responsável pela perda de 8 bilhões de
dólares (WMO, 2014).
No Brasil, a deficiência na disponibilidade de água é um fator
particularmente crítico, pois além do abastecimento público, a maior
parte da matriz energética (70%) é proveniente da geração de energia
hidrelétrica (MELO et al., 2016). A ocorrência de eventos de seca é
frequentemente abordada em estudos na região Nordeste do Brasil
(MARENGO et al., 2013), cuja vulnerabilidade é refletida nos severos
impactos gerados por esse fenômeno. Na região Sul, entretanto, há um
menor número de estudos sobre eventos de seca. Embora a
periodicidade dos eventos de seca não seja tão explícita quanto em
outras regiões do Brasil, a estiagem é o principal fator gerador de
prejuízos na produção agrícola da região Sul do país. Além disso,
historicamente foram registrados períodos de seca significativos e de
grande impacto econômico para região, apresentando uma evolução
expressiva na severidade e ocorrência dos eventos nos últimos anos.
Considerando a importância de se estabelecer a segurança hídrica,
estudos têm sido desenvolvidos com a finalidade de compreender o
fenômeno da seca, suas possíveis causas, seus impactos e a variabilidade
temporal e espacial (VAN LOON, 2015). Dessa forma, a necessidade de
identificar quantitativamente os eventos e analisar suas características,
como severidade, duração e frequência, levou ao desenvolvimento dos
índices de monitoramento e identificação de seca.
Por se tratar de um fenômeno complexo e relacionado a múltiplas
variáveis climatológicas e hidrológicas, a seca é geralmente
categorizada em quatro diferentes abordagens: meteorológica,
hidrológica, agrícola e socioeconômica (WILHITE; GLANTZ, 1985). A
seca meteorológica consiste no período no qual o nível de precipitação
está abaixo do esperado para condições normais, sendo caracterizada
pela deficiência de precipitação. As outras categorias de seca refletem o
22
impacto gerado pela seca meteorológica (OGALLO, 1994), combinado
a fatores específicos de cada abordagem.
Entre os diversos índices existentes para as diferentes categorias
de seca, o Índice de Precipitação Padronizado (SPI) está entre um dos
mais amplamente utilizados para a identificação e monitoramento da
seca meteorológica (BARKER et al., 2016). A partir da aplicação desse
índice sobre os dados observados, é possível avaliar o déficit de
precipitação ao longo do tempo e espaço para uma escala de tempo pré-
definida.
Nesse contexto, o presente trabalho aborda o estudo dos eventos
de seca na região Sul do Brasil. O estudo compreende a identificação de
eventos de seca meteorológica através do cálculo do Índice de
Precipitação Padronizado (SPI), buscando-se analisar as características
da ocorrência dos eventos de seca e sua variabilidade temporal e
espacial. A avaliação estende-se na interpretação da relação intrínseca
entre a ocorrência de eventos de seca e a dinâmica do sistema climático
regional.
A significância deste trabalho consiste no reconhecimento e na
caracterização da ocorrência de eventos de seca. Os resultados poderão
subsidiar a gestão de recursos hídricos na região, contribuindo para o
planejamento de situações de risco e para a identificação de regiões
vulneráveis à ocorrência desses eventos extremos. A análise adequada
dos dados compõe uma ferramenta para a tomada de decisões, bem
como para a definição de medidas e infraestruturas necessárias à
atenuação dos impactos causados pela seca. Dessa forma, esse estudo
pretende prover informações que auxiliarão na redução da
vulnerabilidade e que proporcionarão o aumento da resiliência frente à
ocorrência das anomalias meteorológicas no Sul do Brasil.
1.1 OBJETIVOS
1.1.1 Objetivo Geral
Realizar um estudo dos eventos de seca meteorológica na região
Sul do Brasil.
1.1.2 Objetivos Específicos
Identificar os eventos de seca aplicando o Índice de Precipitação
Padronizado (SPI) para as escalas de tempo de 24, 12, 9, 6 e 3
meses;
23
Analisar a variação espacial e temporal das características de
intensidade, duração e frequência dos eventos de seca;
Relacionar os resultados do SPI com o sistema climático da
região Sul do Brasil.
24
25
2 FUNDAMENTAÇÃO TEÓRICA
2.1 SECA
Um evento de seca consiste em um período contínuo em que a
quantidade disponível nos componentes do ciclo hidrológico está abaixo
das condições normais. Considerando a complexidade que envolve os
fatores relacionados ao fenômeno de seca, de maneira simplificada, a
seca pode ser compreendida como a deficiência de disponibilidade de
água esperada em um determinado sistema hidrológico (SHEFFIELD;
WOOD, 2011). De acordo com Van Loon e Van Lanen (2013), a seca é
um fenômeno causado por processos naturais de caráter climatológico e
hidrológico. A definição de seca é amplamente discutida na literatura,
uma vez que há diferentes abordagens e entendimentos do assunto de
acordo com a relação dos aspectos e interesses de cada estudo. Essas
distintas abordagens convergem, portanto, para a classificação dos
diferentes tipos de seca.
Wilhite e Glantz (1985) classificam e identificam quatro
diferentes categorias relacionadas aos eventos de seca: hidrológica,
meteorológica, agrícola e socioeconômica. A classificação do fenômeno
seca em diferentes categorias conecta as definições individuais à análise
de determinado componente do sistema hidrológico, direcionando à
avaliação e à quantificação das características dos eventos ocorridos.
Sendo assim, é importante a compreensão de que a seca é uma condição
relativa, e não absoluta, dentro de um sistema hidrológico (VAN LOON,
2015).
A seca meteorológica pode ser basicamente definida como o
período contínuo em que a quantidade de precipitação está abaixo das
condições naturais esperadas para uma determinada região. Assim, a
seca meteorológica se refere, especificamente, à deficiência de
precipitação, possivelmente combinada ao aumento do potencial de
evapotranspiração (VAN LOON, 2015). A seca meteorológica é
influenciada diretamente pelas condições climáticas, variando
significativamente de uma região para outra. Dessa forma, a deficiência
de precipitação de uma determinada região pode ser considerada uma
condição normal em outra região. Ademais, a seca meteorológica
representa impactos extensivos nos sistemas de utilização de água
combinados às variáveis de propagação hidrológica. Portanto, as outras
categorias de seca são definidas de acordo com os efeitos gerados pela
seca meteorológica (OGALLO, 1994). O fluxograma apresentado na
26
Figura 1 demonstra um esquema representando as diferentes categorias
de seca e seu desenvolvimento.
Figura 1 - As diferentes categorias de seca
Fonte: Adaptado de Van Loon (2015).
A seca hidrológica é definida de acordo com os efeitos gerados
pelos déficits de precipitação em um determinado sistema hidrológico.
Assim, a seca hidrológica ocorre quando há deficiência na
disponibilidade de água na superfície ou na subsuperfície (VAN LOON,
2015), relacionada aos níveis de água presente nos cursos d'água,
reservatórios e nos aqüíferos. Eventos de seca hidrológica são
originados de períodos de ocorrência de secas meteorológicas agregadas
às características físicas de uma determinada região hidrográfica. A seca
hidrológica refleteem efeitos econômicos, afetando o abastecimento
humano, a dessedentação de animais, o fornecimento de energia
hidrelétrica, a irrigação, entre outras atividades (GANGULI; REDDY,
2014).
A seca agrícola é relacionada aos efeitos gerados pela seca
meteorológica na agricultura. Também definida como seca de umidade
do solo, trata-se justamente da diminuição da quantidade de água no
solo, reduzindo assim o abastecimento de água para a vegetação (VAN
LOON, 2015). Embora a seca agrícola esteja relacionada principalmente
com a umidade do solo, outros componentes meteorológicos, como a
27
evapotranspiração, devem ser contemplados ao analisar as
características ou os impactos dessa categoria de seca (WILHITE;
GLANTZ, 1985). A seca agrícola é vastamente abordada nos estudos,
uma vez que representa uma problemática onde a agricultura é a
principal atividade econômica.
A seca socioeconômica pode ser definida como o impacto social
e econômico gerado a partir da ocorrência de eventos de seca. Assim,
essa categoria de seca está associada aos impactos gerados pelos outros
três tipos de seca (Figura 1). Esta se refere, principalmente, à
incapacidade do sistema de recursos hídricos em atender à demanda de
água, bem como aos relacionados impactos ecológicos e de saúde
gerados pelos eventos de seca (VAN LOON, 2015).
Dessa forma, uma análise dos eventos de seca envolve diferentes
parâmetros agregados à categoria de seca que se pretende estudar.
Embora existam mais tipos de impactos gerados pelos eventos de seca
que estão relacionados à seca hidrológica (VAN LOON, 2015), é a seca
meteorológica que principalmente influencia na ocorrência das demais
categorias de seca. De acordo com Van Loon et al. (2016), a seca é
geralmente abordada de uma perspectiva meteorológica, dirigida por
anomalias meteorológicas que perturbam o balanço hídrico natural em
uma região hidrográfica. Assim, Van Loon (2015) define propagação da
seca como a transferência de anomalias nas condições meteorológicas
para a seca hidrológica. Portanto, a análise e a quantificação das
características dos eventos de seca meteorológica consistem em um
processo importante para definir o início do processo de propagação dos
impactos.
Secas prolongadas são eventos críticos para o uso industrial,
agrícola, energético e doméstico dos recursos hídricos, podendo afetar
amplamente os ecossistemas e o ambiente natural (TALLAKSEN;
MADSEN; CLAUSEN, 1997), além de ocasionar sérios impactos
sociais. De acordo com World Meteorological Organization - WMO
(2014), durante o período de 1970 a 2012, eventos de seca foram
responsáveis por 35% das mortes relacionadas com desastres naturais e
200 bilhões de dólares em perdas econômicas. A consequente escassez
de recursos hídricos proveniente de secas meteorológicas é agravada
pelo crescimento populacional e pelos conflitos socioeconômicos. Além
disso, o desperdício, a degradação dos cursos hídricos, e a variabilidade
hidrometeorológica causada pelas mudanças climáticas têm ampliado os
impactos causados pela seca (MISHRA; SINGH, 2011).
A problemática estende-se aos obstáculos de gestão e aplicação
de medidas e de tecnologias de monitoramento da seca e atenuação de
28
seus impactos. Embora a seca meteorológica não possa ser evitada, a
sociedade e seus gestores podem tomar medidas para mitigar a
ocorrência das secas hidrológicas, agrícolas e socioeconômicas (MELO;
WENDLAND, 2016). A recorrente inabilidade de analisar
adequadamente e gerenciar a seca aponta para lacunas no entendimento
e para o uso inadequado dos dados e das ferramentas disponíveis ao
monitoramento desses eventos (VAN LOON et al., 2016).
Nas últimas décadas, a crescente ocorrência de eventos de seca e
as dimensões de seus impactos têm gerado um aumento nas pesquisas
voltadas ao estudo dos eventos de seca. No cenário global, em um
recente estudo de eventos extremos apresentado em relatório pelo Painel
Intergovernamental Sobre Mudanças Climáticas - IPCC, Seneviratne et
al. (2012) aponta que existe uma tendência de que, desde a década de
1950, algumas regiões do mundo têm experimentado secas mais severas
e longas. Além disso, o mesmo estudo indica que os eventos de seca irão
ocorrer de maneira mais intensa no século 21 em algumas estações do
ano e para algumas áreas, devido às mudanças na temperatura e no
regime de precipitações (SENEVIRATNE et al., 2012). Países como a
Austrália, Estados Unidos, Portugal, África do Sul e Brasil tem
enfrentado um aumento na incidência dos eventos de seca, o que tem
gerado uma crescente demanda de medidas e políticas que atenuem os
impactos gerados por este fenômeno (ALBUQUERQUE, 2010).
No Brasil, a região Nordeste é conhecida historicamente pela
recorrência e severidade de eventos de seca e por ser amplamente
estudada na análise deste fenômeno. Recentemente, no período de 2014
a 2015, a região Sudeste do país enfrentou a pior crise hídrica de sua
história devido à ocorrência da seca mais severa dos últimos 80 anos,
desde o início do registro dos dados pluviométricos (BBC NEWS,
2015), o que comprometeu o abastecimento de 11 milhões de pessoas
em São Paulo (MELO et al., 2016). A região Sul do Brasil, embora não
apresente, em sua maior parte, estações secas tão bem definidas quando
comparada a outras regiões do país, tem experimentado alguns eventos
expressivos de ocorrência de seca ao longo da série histórica. De acordo
com Grimm, Ferraz e Gomes (1998), os eventos extremos de seca na
região Sul são geralmente associados aos fenômenos El Niño e La Niña.
O Sul do Brasil é densamente povoado e concentra uma parte
significativa da atividade econômica do país, moderna agricultura e
intensa geração de energia hidroelétrica. De acordo com Liu e Kogan
(1996), entre 1986 e 1987 a região Sul do Brasil mostrou alguns
períodos mais expressivos de seca. No meio da estação chuvosa, os
chamados "veranicos" durante janeiro e fevereiro tendem a afetar
29
agricultura da região. Lindner (2007) observa que as estiagens, algumas
devida ao evento La Niña e outras sem causa identificada, definem o
fenômeno meteorológico que causa os maiores impactos negativos na
produção agrícola da região Sul do País. Em uma abordagem mais
recente, os eventos de seca têm ocorrido com maior frequência na
região, como os registros de eventos ocorridos em 2004, 2005 e 2006,
período no qual cerca de 450 municípios decretaram situação de
emergência (ALBUQUERQUE, 2010). Em 2012, novamente ocorreu
um período expressivo de seca na região, o qual foi caracterizado como
mais severo do que o ocorrido no período entre 2004 e 2006.
No contexto histórico da ocorrência da seca na região Sul,
considerando o grande impacto gerado na produção agrícola, traduz-se a
relevância de realizar estudos de identificação, caracterização e análise
da ocorrência deste fenômeno. Embora existam programas e medidas
emergenciais empregados no Brasil para atenuar os impactos gerados
pela seca no formato de ações emergenciais (ALBUQUERQUE, 2010),
ainda existe uma deficiência no planejamento e aplicação de ações de
gestão de risco dos eventos de seca.
2.2 ÍNDICES DE IDENTIFICAÇÃO E MONITORAMENTO DE
SECA
O monitoramento e a previsão de eventos de seca são
verdadeiros desafios na gestão de recursos hídricos e prevenção de
desastres naturais. O estudo dos eventos de seca, importante para os
gestores de recursos hídricos, deve abordar a variabilidade dos fatores
que influenciam neste fenômeno, a qual está também relacionada às
variáveis climatológicas, como a temperatura, a umidade relativa e a
velocidade do vento (SUPPIAH; WHETTON; WATTERSON, 2004).
Uma análise dos eventos de seca envolve o estudo de séries
históricas de chuva, visando estimar a magnitude, a duração e a
intensidade de eventos distintos (HEIM et al., 2000). Dessa forma, com
o objetivo de identificar quantitativamente e analisar as características
dos eventos de seca foram desenvolvidos indicadores ou índices de
quantificação e monitoramento de seca. De acordo com Lloyd-Hughes
(2014), existe mais de 100 indicadores de seca na literatura, o que
evidencia a complexidade da análise desse fenômeno.
Os índices de seca constituem em uma série de equações que
utilizam variáveis meteorológicas ou hidrológicas, como precipitação,
temperatura, escoamento, umidade do solo e evaporação, combinadas a
procedimentos estatísticos. O resultado do cálculo dos índices consiste
30
na representação numérica da seca, expressando de maneira mais
simples e compreensível as características destes eventos (BARRA et
al., 2002).
A seleção do adequado índice de quantificação e
monitoramento de seca pode ser relacionado com a categoria de seca a
qual se deseja avaliar. Van Loon e Van Lanen (2012) observam, por
exemplo, que índices meteorológicos não devem ser utilizados
isoladamente para caracterizar secas hidrológicas, devido à resposta
não-linear às entradas de processos climáticos.
Os índices de seca podem ser divididos em duas categorias
gerais: índices padronizados e índices baseados em limiares (VAN
LOON, 2015). Os índices padronizados representam as anomalias ou os
desvios em relação às condições normais através de uma forma
padronizada. A severidade avaliada através desses índices é expressa
somente em termos relativos, ou seja, indica a distância de um valor ao
padrão limiar, não sendo traduzida diretamente em termos de valores
absolutos. O grupo de índices padronizados foi originado do Índice de
Precipitação Padronizado (SPI), e abrange diversos índices com
procedimentos de cálculo similares disponíveis para as outras variáveis
do ciclo hidrológico (VAN LOON, 2015). Portanto, consistem em
ferramentas de análise da propagação de seca, na qual as secas
decorrentes de diferentes componentes do ciclo hidrológico podem ser
comparadas (TEN BROEK; TUELING; VAN LOON, 2014).
O método baseado no valor limiar fundamenta-se na obtenção
das características dos eventos de seca através da utilização de um valor
pré-definido na simulação de variáveis hidrometeorológicas (VAN
LOON, 2015) ou no processamento e análise de séries históricas. Dessa
forma, quando a variável encontra-se abaixo deste valor limar pré-
definido, caracteriza-se como seca (VAN LOON, 2015). O valor limiar
deve ser definido baseado nos níveis mínimos requeridos de acordo com
os impactos da seca nos setores e sistemas de interesse, como na
irrigação, no abastecimento da água, na operação de reservatórios, entre
outros (LLOYD-HUGHES, 2014; HISDAL et al., 2004).
Além da categorização geral, os índices de seca podem ser
classificados de acordo com o tipo de seca que estes identificam. Os
índices de seca meteorológica utilizam parâmetros como precipitação,
temperatura e evaporação. Entre os exemplos de índices de seca
meteorológica podem ser citados: índices de anormalidades discretas e
acumuladas de precipitação, Índice de Severidade de Seca de Palmer
(Palmer Drought Severity Index - PDSI), Deciles, Índice de Precipitação
31
Padronizado (Standardised Precipitation Index - SPI), entre outros
(KEYANTASH; DRACUP, 2002).
Os índices de seca hidrológica são associados a variáveis
referentes aos sistemas de água presente no ciclo hidrológico, como o
nível de água em reservatórios, nível de água subterrânea e vazões.
Exemplos de índices de seca hidrológica são: Índice Hidrológico de
Seca de Palmer (Palmer Hydrological Drought Index - PHDI), Índice de
Abastecimento de Água em Superfície (Surface Water Supply Index -
SWSI), Índice de Recuperação de Seca (Reconnaissance Drought Index
- RDI) e o Índice de Vazão Padronizado (Standardised Runoff Index -
SRI), entre outros (KEIYANTASH; DRACUP, 2012; BARKER et al.,
2016).
Os índices de seca agrícola, ou seca de umidade do solo, estão
justamente relacionados aos parâmetros vinculados à agricultura e às
propriedades do solo, como umidade do solo, evapotranspiração e
temperatura. Exemplos de índices de seca agrícola são: Índice de
Umidade de Cultura (CMI), Índice de Anormalidade da Umidade de
Palmer (Índice Z), Índice de Aridez (IA), entre outros (KEYANTASH;
DRACUP, 2002).
Dessa forma, os diversos índices de seca existentes na literatura
apresentam suas particularidades, considerando que cada um é aplicado
de acordo com sua específica metodologia e parâmetros requeridos
(VAN LOON, 2015). No Quadro 1 são apresentados alguns dos índices
mais utilizados aplicados ao monitoramento, caracterização e
quantificação dos eventos de seca, bem como suas vantagens e
desvantagens.
Considerando a análise das vantagens e desvantagens de alguns
índices de seca existentes na literatura, selecionou-se o Índice de
Precipitação Padronizado (SPI) para a identificação dos eventos de seca
meteorológica no presente estudo. A seleção do SPI é justificada na
utilização de apenas uma variável no cálculo, a precipitação, o que torna
a obtenção dos dados e seu processamento simples e viável. Ademais,
quando comparado a outras metodologias, em especial ao índice PDSI, o
SPI utiliza uma metodologia de cálculo menos complexa, facilitando a
aplicação do índice em larga escala.
32 Quadro 1 – Índices de Seca mais utilizados
Índice Autor Descrição Variável Vantagens Desvantagens
Índice de
Precipitação
Padronizado
(SPI)
McKee et
al.(1993)
Baseado na
distribuição de
probabilidade da
precipitação.
Precipitação
Pode ser calculado
para diferentes
escalas de tempo;
Possibilita prever
eventos de seca;
É menos complexo
que o PDSI.
Necessita de séries
históricas longas;
Baseado em dados
preliminares que
podem variar.
Índice de
Severidade de
Seca de
Palmer
(PDSI)
Palmer
(1965)
Conceitos de balanço
entre demanda e
suprimento de água.
Precipitação,
temperatura.
Utiliza um
algoritmo para
calcular o balanço
hídrico e a
umidade do solo;
Útil em aplicações
agrícolas.
Os valores podem
não identificar as
secas tão
facilmente como
outros índices;
A metodologia é
complexa.
Deciles
Gibbs e
Maher
(1967)
Dividir os dados de
precipitação em 10
escalas, numa ordem
ascendente e
descendente.
Precipitação
Fornece uma
medida estatística
exata da
precipitação.
Exige no mínimo
30 anos de registro
de dados.
Fonte: Adaptado de Albuquerque (2010) e Fernandes (2009).
33
2.2.1 Índice de Precipitação Padronizado - SPI
O SPI é um dos índices disponíveis usados para a identificação de
eventos de seca, bem como para a caracterização da severidade e
duração destes (MCKEE; DOESKEN; KLEIST, 1993). O índice foi
desenvolvido por McKee (1993) para classificar os dados de
precipitação como um valor padronizado de acordo com a probabilidade
de ocorrência da chuva. De acordo com Edwards (1997), o propósito do
SPI é definir e monitorar eventos de seca, e este tem sido amplamente
utilizado no mundo todo, aplicado à identificação dos períodos que
apresentam deficiência de precipitação.
O SPI compara a precipitação com a média da série histórica.
Portanto, a média é definida como zero, sendo os valores acima de zero
(variações positivas) indicados como períodos úmidos e os valores
abaixo de zero (variações negativas) indicados como períodos secos
(ZARGAR et al., 2011). Dessa forma, em um período de seca, o valor
de SPI representa quanto a precipitação acumulada desvia da média
normalizada.
O Centro Nacional de Mitigação de Seca dos Estados Unidos, o
Centro Climatológico do Colorado e o Centro Climatológico da Região
Oeste (EUA) são exemplos de instituições que utilizam o SPI como uma
ferramenta de monitoramento de seca. Segundo Van Loon (2015),
especialistas participantes do workshop sobre seca, promovido pela
WMO em 2009, recomendaram o SPI como índice a ser utilizado por
todos os serviços meteorológicos e hidrológicos nacionais ao redor do
mundo com o objetivo de caracterizar a seca meteorológica.
No Brasil, o Instituto Nacional de Pesquisas Espaciais (INPE)
utiliza o SPI como ferramenta de monitoramento de secas no território
nacional (Figura 2). De acordo com o CPTEC/INPE (2017), o SPI foi
utilizado com o objetivo de oferecer uma metodologia simplificada e
que possibilite a fácil interpretação do monitoramento dos eventos de
seca. As categorias de intensidade de um evento de seca adotadas a
partir de valores limiares (negativos) do SPI foram baseadas no National Integrated Drought Information System dos Estados Unidos.
O SPI fornece resultados que possibilita avaliar a tendência da
ocorrência dos eventos de seca ao longo do tempo, o que viabiliza e
auxilia a previsão de eventos futuros. Ressalta-se, porém, que o
comprimento da série histórica apresenta impacto significativo nos
resultados obtidos para os valores do SPI (VAN LOON, 2015). A
utilização de diferentes comprimentos de séries históricas gera
diferenças numéricas nos valores de SPI (MISHRA; SINGH, 2010). O
34
impacto do comprimento da série histórica na discrepância dos valores
de SPI ocorre devido a mudanças nos parâmetros de forma e escala da
distribuição gama (MISHRA; SINGH, 2010).
De acordo com Guttman (1999), para utilização do SPI são
recomendados 30 anos de série histórica. Embora o SPI requeira longas
séries históricas para ser computado de maneira precisa, e, não
contabilize o parâmetro de evaporação, o índice possibilita uma análise
consistente entre tempo e espaço de ocorrência dos eventos (BARKER
et al., 2016).
Figura 2 - SPI utilizado como ferramenta de monitoramento de seca no
Brasil pelo CPTEC/INPE.
Fonte: CPTEC/INPE (2017).
35
O cálculo do SPI pode ser computado para diferentes escalas de
tempo, fator que proporciona uma análise comparativa para diferentes
períodos de acumulação de precipitação que podem ser selecionados de
acordo com o interesse do estudo. Dessa forma, a aplicação do SPI às
diferentes escalas de tempo considera, indiretamente, os efeitos do
déficit de precipitação cumulativo (VAN LOON, 2015). As diferentes
escalas de tempo de análise do índice são definidas como meses de
acumulação de precipitação. Dessa forma, SPI-1 corresponde ao cálculo
do SPI para precipitações acumuladas de 1 mês, SPI-3 corresponde a
precipitações acumuladas de 3 meses, e assim sucessivamente.
As escalas de tempo devem ser empregadas considerando as
variabilidades climáticas de curto e longo termo, e conforme a aplicação
a qual o monitoramento estará destinado. Considerando que o déficit de
precipitação ao longo do tempo de forma variável e gradual afeta
diferentes componentes do ciclo hidrológico (ZARGAR et al., 2011), o
múltiplo uso das escalas de tempo do SPI pode ser empregado para
refletir a alteração em diferentes processos hidrológicos. O Quadro 2
apresenta a interpretação do SPI para diferentes escalas de tempo.
O período cumulativo de curto prazo é aplicado a processos que
são rapidamente afetados pelo comportamento climático (1 a 2 meses),
como a agricultura de sequeiro e a velocidade de com que as gramíneas
e os arbustos secam (CPETEC/INPE, 2017). Processos que tem seu
impacto percebido em uma escala de tempo mais longa consistem, por
exemplo, na variação de nível de poços rasos, pequenas lagoas e rios
menores (CPETEC/INPE, 2017). As escalas de tempo mais longas
afetam, por exemplo, flutuação de nível de reservatórios ou aquíferos,
ou grandes massas de água (CPTEC/INPE, 2017).
O emprego de diferentes escalas de tempo converge na obtenção
de diferentes resultados para as características de seca (MCKEE et al.,
1993). De acordo com Edwards (1997), aplicando-se as escalas de
tempo de 3, 12 e 48 meses, é visto que a porcentagem do tempo com
anomalias negativas aumenta com a redução da escala de tempo
aplicada.
Conforme é observado por Hayes et al. (1999), a seleção da
escala de tempo deve estar intrínseca ao conhecimento climatológico.
Isso porque para pequenas escalas de tempo como de 1 a 3 meses, o SPI
é muito similar à percentagem da representação normal de precipitação,
a qual pode ser enganosa para regiões onde baixos totais de precipitação
são climatologicamente esperados (HAYES et al., 1999).
A escala de tempo de 12 meses de precipitação acumulada é
largamente utilizada em estudos de seca, especialmente quando se
36
analisa a propagação da seca meteorológica em seca hidrológica.
Segundo Vicente-Serrano e Cuadrat (2002), essa escala evita as
variações de frequência intra-anuais e permite identificar a seca
hidrológica e detectar os principais períodos secos.
Quadro 2 – Interpretação para diferentes escalas de tempo do SPI.
SPI Fenômeno refletido Aplicação/Observação
SPI-1 Condições de curto prazo
Alterações de curto-termo na
umidade do solo e na
agricultura.
Similares à precipitação normal
mensal.
SPI-3 Condições de umidade de
médio e curto prazo
Estimativa sazonal de
precipitação.
Tem grande aplicação na
análise de umidade do solo.
SPI-6 Condições de médio prazo
Estimativa da precipitação ao
longo das estações do ano.
SPI-9
Padrões de precipitação
em uma escala de tempo
médio
SPI-9 < -1,5 trata-se de um
bom indicador de impactos
significativos da seca na
agricultura.
SPI-12 Padrões de precipitação de
longo prazo
Associado às vazões, níveis de
água de reservatórios e níveis
de água subterrânea.
Fonte: Adaptado de NDMC (2017), Albuquerque (2010) e Zargar et al.
(2011).
2.3 CARACTERÍSTICAS DOS EVENTOS DE SECA
Eventos de seca diferem entre si conforme as suas características,
essencialmente: intensidade, duração e distribuição espacial (WILHITE,
2000). Além dessas, outras características relevantes incluem frequência
e magnitude (ZARGAR et al., 2011).
37
A Figura 3 apresenta as definições das características da seca de
acordo com o SPI. Como é possível visualizar, a magnitude de um
evento de seca está relacionada com as intensidades cumulativas e com
a duração do evento.
Figura 3 - Definições das características da seca de acordo com o SPI.
Fonte: Adaptado de Santos, Portela e Pulido-Calvo (2011).
2.3.1 Intensidade
A intensidade de um evento de seca se refere ao grau da
anomalia negativa de precipitação em relação às condições normais, e à
gravidade associada ao déficit (WILHITE, 2000). A intensidade é
medida geralmente a partir de um índice de monitoramento e
identificação da seca (WILHITE, 2000).
Dentro do contexto da aplicação do SPI, a intensidade é medida
através do ajuste à distribuição de probabilidade de um determinado
valor de precipitação, posteriormente transformado em distribuição
normal. Sendo assim, a intensidade representa o quanto o valor da
precipitação desviou da média normalizada para um determinado
período pontual. Ademais, segundo Salas (1993), a intensidade pode ser
definida como o raio da magnitude sobre a duração do evento.
De acordo com Wilhite (2000), uma das principais dificuldades
relacionadas à obtenção de resultados para intensidade da seca consiste
na determinação do valor limiar (threshold level) para a definição do
início da seca. McKee et al. (1993) define um evento de seca quando o
38
SPI (intensidade) atinge o valor limiar de -1 ou menor. Entretanto, o
valor limiar pode ser arbitrariamente selecionado (WILHITE, 2000) de
acordo com o impacto de interesse e a região de estudo.
A intensidade da seca pode ser definida conforme os valores de
SPI em diferentes categorias. Os valores limites que definem cada
categoria variam na literatura conforme as características da região e o
interesse do estudo. As categorias de intensidade definidas por McKee
et al. (1993) são apresentadas no Quadro 3.
Quadro 3 – Categorias de intensidade da seca.
SPI Categoria
0 a -0,99 Seca fraca
-1,00 a -1,49 Seca moderada
-1,50 a -1,99 Seca severa
-2,00 Seca extrema
Fonte: Adaptado de McKee et al. (1993).
A intensidade máxima em uma seca pode ser facilmente
determinada através do SPI, determinando-se o pico mínimo entre os
valores calculados. A severidade, por sua vez, é determinada através da
soma de todos os valores absolutos que fazem parte de um evento de
seca. Sipioni et al. (2015), calcula a severidade total da seca
considerando todos os eventos ocorridos para um determinado período.
2.3.2 Duração
A duração da seca consiste no período entre o início e o final de
um evento de seca (MCKEE et al., 1993). Dessa forma, a duração da
seca é interpretada como o número de intervalos consecutivos,
geralmente meses, em que a precipitação permanece abaixo de um valor
limiar pré-estabelecido.
Dependendo da região, a duração de uma seca pode variar de
semanas a anos (SALAS, 1993). A aplicação de diferentes escalas de
tempo é um fator que influencia na duração dos eventos. Por
conseguinte, quanto maior a escala de tempo empregada, menor a
frequência de eventos e maior a duração (MCKEE et al., 1993).
39
Geralmente secas de longa duração são compostas
essencialmente de secas de curto prazo que ocorreram consecutivamente
ou intermediadas por períodos úmidos não muito significativos
(EDWARDS, 1997). A duração de um evento de seca também reflete na
propagação da seca meteorológica em outras categorias de seca. Sendo
assim, o alastramento da deficiência hídrica e seus impactos são
componentes resultantes de um fenômeno cumulativo.
Considerando que a magnitude de um evento de seca é definida
proporcionalmente à sua duração, secas prolongadas e que ocorrem com
baixa frequência representam um risco maior se comparadas a
frequentes eventos ocorridos em curtos períodos de tempo intercalados
por períodos úmidos (VICENTE-SERRANO et al., 2004).
2.3.3 Distribuição Espacial
A distribuição espacial dos eventos de seca e suas
características, bem como a extensão espacial desse fenômeno são
fatores importantes a serem avaliados na gestão de risco das secas. A
distribuição da ocorrência de seca em determinada região tende a revelar
padrões espaciais significativos. Além disso, a análise espacial auxilia
na investigação de influências do relevo, circulação atmosférica e tipos
de clima sobre a ocorrência da seca meteorológica (SANTOS;
PORTELA; PULIDO-CALVO, 2011). A intensidade e a duração dos
eventos de seca são espacialmente variáveis. Melo et al. (2016),
identifica, por exemplo, que a seca ocorrida em 2014 na região Sudeste
do Brasil foi mais crítica para a região nordeste da área de estudo,
apresentando valores de intensidade menores que as demais regiões. Os
mapas de monitoramento de seca através do SPI consistem na avaliação
da distribuição e extensão espacial da intensidade das anomalias
meteorológicas ocorridas em um determinado período.
As áreas afetadas pelas secas evoluem gradualmente
(WILHITE, 2000), considerando uma série de fatores climatológicos,
físicos e hidrológicos que influenciam na propagação espacial. Países
com uma área extensa como Brasil, China, Índia, Estados Unidos e
Austrália, dificilmente sofrerão uma seca que afete o país inteiro
(WILHITE, 2000). Em países menores, existe a possibilidade de todo o
país ser afetado, uma vez que as secas geralmente são fenômenos
regionais e resultam de anomalias em larga escala nos padrões de
circulação atmosférica que se estabelecem e persistem por períodos
(WILHITE, 2000).
40
2.3.4 Frequência
A frequência se refere ao tempo médio entre eventos de seca
cuja severidade é igual ou maior que o valor limiar, podendo ser
representado por período de retorno (ZARGAR et al., 2011). Sipioni et
al. (2013) define a frequência de seca como o número de eventos
ocorridos em um determinado período.
De acordo com Mishra e Singh (2011), a frequência de
ocorrência da seca torna-se mais útil quando está relacionada
quantitativamente com outros aspectos, como a severidade, duração e
área. A partir dessa análise, desenvolveram-se estudos que elaboraram
curvas de severidade-área-frequência (SAF) e curvas de severidade-
duração-frequência (SDF).
Considerando a aplicação do SPI para as diferentes escalas de
tempo, constatou-se que conforme aumenta a escala de tempo
empregada a frequência diminui de maneira inversamente proporcional
(McKee et al., 1993).
2.4 FATORES CLIMATOLÓGICOS QUE INFLUENCIAM NA
PRECIPITAÇÃO DO SUL DO BRASIL
Na região Sul do Brasil, a precipitação é caracterizada por
apresentar heterogeneidade entre a região norte e região sul. Ao norte do
Sul do Brasil predomina regime típico de monção, cujas maiores
precipitações ocorrem no verão e apresenta um inverno seco (GRIMM,
2009). Ao sul, o regime é característico de latitudes médias, com uma
distribuição de precipitação praticamente uniforme ao longo do ano
(GRIMM, 2009). A topografia da região é um fator influente,
considerando que as maiores precipitações estão relacionadas à ascensão
da barreira topográfica (GRIMM, 2009), especialmente devido ao efeito
orográfico gerado na costa leste da região Sul.
Além da influência de efeitos topográficos na precipitação da
região Sul do Brasil, a variabilidade é influenciada significativamente
pelo sistema climático que a rege. Entre as principais causas da
variabilidade na precipitação, citam-se a variabilidade no oceano
Atlântico tropical; na Zona de Convergência do Atlântico Sul; no
oceano Pacífico (CAVALCANTI et al., 2009); além dos mecanismos de
bloqueios atmosféricos (REBOITA et al., 2010) e Oscilação Madden-
Julian (KAYANO; JONES; DIAS, 2009).
A temperatura da superfície do mar (TSM) tem sua influência
em mecanismos de anomalias de precipitação em escalas interanuais e
41
multidecenais. Ambos os oceanos Atlântico tropical e oceano Pacífico
conduzem padrões e anomalias na precipitação do sudeste da América
do Sul. A redução da temperatura do Atlântico tropical indica um
aumento na umidade e consequente aumento da precipitação média É
esperado, portanto, que a condição de temperaturas quentes no oceano
Atlântico tropical tende a favorecer a ocorrência de seca na América do
Sul (SEAGER et al., 2010).
As variações da precipitação também ocorrem devido às
alterações da Zona de Convergência do Atlântico Sul (ZCAS). Essa
característica climática consiste na presença de uma faixa de
nebulosidade e chuva, que associada a uma zona de convergência na
baixa troposfera orienta-se no sentido noroeste-sudeste, frequentemente
sobre o oceano Atlântico Subtropical (CARVALHO; JONES, 2009). A
atuação da ZCAS na região Sul ocorre a partir de setembro/outubro e se
estende até março/abril (NERY, 2005), aumentando os níveis de
precipitação nessa região. A ZCAS ocorre mais ao norte da região Sul, o
que justifica a chuva de verão mais intensa nessa região
(CAVALCANTI et al., 2009).
Os bloqueios atmosféricos consistem em mecanismos
climáticos que podem causar tanto aumento na precipitação quanto as
estiagens na região Sul, dependendo da sua localização (REBOITA et
al., 2010). Estes mecanismos são caracterizados pela presença de um
anticiclone que permanece quase estacionário por algum tempo e
interfere na corrente zonal, impedindo o deslocamento para leste dos
sistemas sinóticos, como frentes, ciclones e anticiclone (AMBRIZZI;
MARQUES; NASCIMENTO, 2009), e, dividindo o escoamento zonal
em dois ramos. De acordo com Knox e Hay (1984), o desvio dos
sistemas sinóticos pode causar déficit de precipitação nas regiões
bloqueadas e enchentes no lado polar e equatorial. Períodos sem a
ocorrência de precipitação em Santa Catarina, geralmente no outono,
podem estar associados ao bloqueio de frentes frias, as quais são
desviadas para a costa do Rio Grande do Sul (SACCO, 2010).
A Oscilação de Madden-Julian (OMJ) consiste em uma célula
de circulação sazonal que se propaga para leste em um período de 30 a
60 dias. A OMJ é identificada como uma das principais causas de
anomalias extremas na precipitação quando analisada a variabilidade
intrassazonal (KAYANO; JONES; DIAS, 2010), sendo intensificada
através da relação com as ZCAS.
42
2.4.1 Fenômeno El Niño - Oscilação Sul (ENOS)
O fenômeno El Niño - Oscilação Sul (ENOS) consiste em uma
variação interligada do sistema oceano-atmosfera, que ocasiona
alterações na Temperatura da Superfície do Mar (TSM), na pressão
atmosférica, no vento e na convecção tropical no oceano Pacífico
(CAVALCANTI et al., 2009). A denominação desse fenômeno refere-se
justamente aos componentes de sua formação: variação oceânica (El
Niño/ La Niña) e variação da pressão atmosférica representada pela
Oscilação Sul (FECHINE, 2015). O evento El Niño está relacionado à
redução da diferença de pressão e às anomalias positivas na TSM no
oceano Pacífico central e leste tropical (VICENTE-SERRANO et al.,
2011). O evento La Niña, por sua vez, está relacionado a anomalias
negativas na TSM e ao aumento do gradiente de pressão de oeste a leste
no oceano Pacífico (VICENTE-SERRANO et al., 2011).
Acredita-se que os fenômenos ENOS compõem a principal
causa da variabilidade interanual do clima no Brasil (CAVALCANTI et
al., 2009), evidenciado na interferência na TSM e na variabilidade da
precipitação anual e sazonal. A ocorrência de El Niño na primavera,
especialmente em novembro, tende a gerar fortes anomalias positivas na
precipitação da região Sul do Brasil, podendo causar várias ocorrências
de enchentes associadas a esses episódios (CAVALCANTI et al.,
2009).Durante os eventos de La Niña tendem a ocorrer anomalias
negativas, podendo resultar na ocorrência de déficit de chuva na região
Sul do Brasil (CAVALCANTI et al., 2009).
Estudos analisaram o impacto do ENOS sobre a variabilidade
de precipitação da região Sul (GRIMM; FERRAZ; GOMES, 1998) e em
outras regiões, incluindo a utilização do SPI para avaliar a resposta da
precipitação à ocorrência de eventos El Niño e La Niña (PENALBA;
RIVERA, 2016). A abordagem da variabilidade da precipitação
utilizando o SPI em comparação aos períodos de ocorrência dos eventos
El Niño e La Niña torna-se importante para quantificar com precisão a
variedade de impactos relacionados à variabilidade ENOS. Dessa forma,
quando são estudados mecanismos atmosféricos de seca devem-se
considerar as diferentes escalas de tempo a fim de ter uma perspectiva
das implicações de riscos (VICENTE-SERRANO et al., 2011). Nesse
contexto, os estudos apontam que ocorre um aumento na probabilidade
de ocorrência de seca durante os eventos La Niña (VICENTE-
SERRANO et al., 2011).
Os eventos La Niña apresentam frequência de 2 a 7 anos, porém
têm ocorrido em menor quantidade nas últimas décadas (INPE/CPTEC,
43
2017). A duração de eventos La Niña varia de 9 a 12 meses e
apresentam intensidade de desvios de TSM menores que na ocorrência
de eventos El Niño (INPE/CPTEC, 2017). As últimas ocorrências do
fenômeno La Niña foram: no período de 1988 a 1989, um dos episódios
de maior intensidade do fenômeno; anos de 1995 a 1996; anos de 1998 a
2001; e 2007 a 2008 (INPE/CPTEC, 2017).
Considerando a influência da conexão entre a atmosfera e o
oceano Pacífico no clima global, a variabilidade de ocorrência dos
eventos El Niño e La Niña é monitorada. O monitoramento e a
caracterização do fenômeno ENOS ocorrem através de índices, como o
Índice de Oscilação Sul (IOS), os índices nomeados Niño (Niño 1+2,
Niño 3.4 e Niño 4) (INPE/CPTEC, 2017) e o Índice Oceânico Niño
(ONI) (PENALBA; RIVERA, 2016), que auxiliam na previsão e análise
de padrões na ocorrência de eventos extremos.
44
45
3 METODOLOGIA
3.1 ÁREA DE ESTUDO
A área selecionada para realizar o estudo de seca meteorológica
compreende a região Sul do Brasil (Figura 4). A região Sul apresenta
uma área total de 576.384 km² (IBGE, 2016) e é constituída por três
estados: Paraná (PR), Santa Catarina (SC) e Rio Grande do Sul (RS). De
acordo com o IBGE (2010), a população que reside na região Sul
corresponde a 27.386.891 habitantes, sendo considerada uma região
densamente povoada.
A região Sul concentra grande parte da atividade econômica e é
caracterizada por apresentar moderna produção agrícola e intensa
geração de energia hidrelétrica. A economia da região Sul é baseada
principalmente na atividade agrícola, na pecuária e no setor industrial,
apresentando também importante representatividade na geração de
energia (SANSIGOLO et al., 2004). Conforme os dados do IBGE
referente à safra de 2000 a 2001, cerca de 90% da produção de arroz
irrigado foram provenientes da região Sul (ALBUQUERQUE, 2010).
Além disso, trata-se de uma região com destaque na produção nacional
de soja.
O uso do solo é variado, apresentando um uso intensivo agrícola
na parte norte da região Sul, com uma produção voltada principalmente
ao cultivo de soja e feijão. Na parte sul e sudoeste a atividade agrícola é
voltada para a produção de pasto e arroz irrigado. No centro-norte as
áreas de uso agrícola são mescladas por fragmentos de mata Atlântica
subtropical secundária. A região costeira é fortemente ocupada por áreas
urbanas, pastagens e fragmentos de floresta nativa (CHAGAS;
CHAFFE, 2016).
O clima do Sul do Brasil é predominantemente subtropical, o que
caracteriza verões quentes e úmidos e invernos frios e secos. O planalto
meridional e as serras são responsáveis por contrastes significativos na
distribuição de temperaturas (CAVALCANTI et al., 2009). A
localização geográfica da região Sul, na transição entre os trópicos e as
latitudes médias, e o relevo acidentado são componentes que
corroboram para ocorrência de contrastes no regime de precipitação e
temperatura (CAVALCANTI et al., 2009).
O regime de precipitação apresenta transição entre a região norte
e a região sul. O norte do Paraná é característico de regime de monção,
com significativa variação de precipitação em que os verões são mais
chuvosos e os invernos mais secos (GRIMM, 2009). O Rio Grande do
46
Sul por sua vez apresenta um regime característico de latitudes médias,
com precipitação praticamente uniforme ao longo do ano e chuvas mais
fortes no inverno (GRIMM, 2009). Ademais, a influência do relevo
também é perceptível, sendo as maiores precipitações associadas à
ascensão sobre a barreira topográfica (GRIMM, 2009). As anomalias na
precipitação que caracterizam eventos extremos na região geralmente
são associadas à influência dos fenômenos El Niño e La Niña (GRIMM;
FERRAZ; GOMES, 1998).
Figura 4 - Área de estudo, região Sul do Brasil, e as Estações
Pluviométricas analisadas.
Fonte: Limites políticos (IBGE, 2016); estações pluviométricas (ANA, 2017);
altimetria (USGS, 2006).
A convergência de umidade horizontal na região Sul é coincide
com o regime de precipitação. Dessa forma, no verão a máxima
convergência horizontal de umidade se concentra mais ao norte da
região Sul, ao passo que no inverno situa-se mais ao sul, fator que
###
## #
#
###
#########
####
#### ## #####
####
##
### ##### ### ### ###
#
###
###
######## ##
###
###
####
####
#
# ## #
##
######
## ###
##
#####
###
############ #
#####
#
#
#####
##
#
## ### ### #
#
# ##### ###
####
# ##
# #
# # ###
###
#### #
###### ###
##
### ## #
##
##
#
##
###
####
# # ####
###
# ## #
####
#########
###
# #
#
##
#
#
# ###
#########
#####
####
#####
## ##### #####
##
### ####### #### #
###########
###
## ###### ##### ## ##
#
# ###### #
###########
###### ##
#######
############# ###
######
### ## ####
###
###
## ############# #
###########
#######
######
#
###
#
###
###########
###### ##### ##
#####
###### #######
###### #####
### ##
######
#
## ## ## ##
# ##
### ### ##
#####
# ########
## ##### ##
#### #######
###
# ###
##
#####
# #
#
#
#####
######
#
######## # #
###### ####
####### # #
####### ######
#### ## ##
####
## ### ##### ###### ###
#####
-55 -50
-30
-25
0 100 200 km
±
-65 -40
-20
0
BRASIL
Altitude (m)
1831
0
# EstaçõesPluviométricas
47
coincide com as regiões que apresentam maiores valores de precipitação
nessas estações (CAVALCANTI et al., 2009).
A precipitação média anual varia de 1300 mm a 2600 mm,
conforme o mapa isoietas anuais médias na região Sul do Brasil (Figura
14), elaborado a partir dos dados do CPRM (2006). As áreas que
apresentam menores índices de precipitação correspondem ao centro-
norte do Paraná e ao sul do Rio Grande do Sul. Enquanto as áreas
referentes aos maiores índices de precipitação correspondem à região
centro-oeste da região Sul e ao leste do Paraná.
Figura 5 - Isoietas Anuais Médias na Região Sul no período de 1977 a 2006.
Nota: A interpolação espacial dos valores de precipitação anual média foi
realizada pelo método da krigagem.
Fonte: Limites políticos (IBGE, 2016); isoietas anuais médias (CPRM, 2006).
48
3.2 DADOS PLUVIOMÉTRICOS
Os dados pluviométricos utilizados no presente estudo foram
obtidos das séries históricas das estações pluviométricas monitoradas
pela Agência Nacional de Águas (ANA), no portal de informações
hidrológicas HidroWeb (ANA, 2015). Inicialmente, analisaram-se um
total de 1947 estações pluviométricas presentes no banco de dados da
ANA (2015). Considerando a variabilidade do período de dados
disponíveis em cada estação e a porcentagem de falhas existente,
realizou-se uma pré-seleção dos dados baseada no critério de qualidade
dos dados e no tamanho da série histórica necessária para computar o
SPI.
O período contínuo de análise foi estabelecido observando os
anos de início e fim das medições de dados. Sendo assim, constatou-se
que grande parte das estações pluviométricas teve início das medições
entre os anos de 1974 e 1976. De maneira similar, verificou-se que a
maior parte das estações apresenta dados disponíveis até o ano de 2010.
Considerando essa avaliação dos dados, determinou-se o período de
análise entre 1975 e 2010. O período de 35 anos de análise está em
concordância com o intervalo de tempo recomendado na literatura,
correspondente a 30 anos de dados para análise consistente de seca
meteorológica através da aplicação do SPI (GUTTMAN, 1999).
Definido o período de análise, estabeleceu-se um critério de
controle de qualidade dos dados de maneira a eliminar possíveis erros
referentes a períodos que apresentaram falhas nos dados, ou seja, devido
à ausência de medição. Sendo assim, foram selecionadas estações que
apresentaram uma porcentagem máxima de falhas de 10% de dados
diários na série histórica.
Sendo assim, aplicando-se os critérios, restaram 685 estações
pluviométricas. Utilizou-se, então, uma análise exploratória dos dados,
na qual foram removidas estações com dados incoerentes e duvidosos,
como dados de chuva na quarta ordem de grandeza ou que continham
zeros no lugar de dados falhados. A análise exploratória foi baseada na
observação de gráficos com valores máximos, mínimos e médios anuais.
Então, a partir dessa análise eliminaram-se 14 estações que
apresentaram essas características, restando 671 estações pluviométricas
(Figura 4).
As 671 estações selecionadas são distribuídas de maneira
heterogênea ao longo dos três estados. Dessa forma, no Paraná foram
selecionadas 454 estações, em Santa Catarina 91 estações, e, no Rio
Grande do Sul 126 estações pluviométricas.
49
Para o presente estudo não foi aplicado nenhum método de
análise de consistência dos dados, sendo utilizados os dados com a
consistência definida pela ANA (2015). O processo de análise de
consistência trata da verificação da confiabilidade dos dados pelas
agências reguladoras, sendo o procedimento de controle de qualidade,
correções e eventual preenchimento de falhas (GEINF, 2014). O Paraná
é o estado que apresentou maior porcentagem de dados não consistidos,
podendo implicar em erros de análise dos resultados obtidos com o
cálculo do SPI.
Figura 6 - Porcentagem de falhas (a) e consistência (b) nos dados das
estações selecionadas, no período de 1975 a 2010.
Fonte: Limites políticos (IBGE, 2016); Estações pluviométricas (ANA,2015).
3.2.1 Preenchimento de falhas nos dados
Considerando que a seleção das estações foi realizada
estabelecendo-se o limite máximo de falhas de até 10% dos dados
diários, diversas estações selecionadas apresentaram ausência de dados.
Essas falhas implicam em determinada inconsistência no cálculo do
!(!(!(
!(!( !(
!(
!(!(!(
!(!(!(!(!(!(!(!(!(
!(!(!(
!(!(!(!( !(!( !(!(!(!(!(
!(!(!(!(
!(
!(!(!( !(!(!(!(!(!(!(!( !(!(!( !(!(!(
!(
!(!(!(
!(!(!(!(!(!(!(!(!(!(!(!(
!(!(!(!(!(!(
!(!(!(!(!(!(!(!(
!(
!( !( !(!(!(
!(!(!(!(!(!(
!(!(!(!(!(
!(!(
!(!(!(!(!(!(
!(!(!(!(!(!(!(!(!(!(!(!(!(!( !(
!(!(!(!(!(
!(
!(!(!(!(!(!(
!(!(
!(
!(!( !(!(!( !(!(!( !(
!(
!( !(!(!(!(!( !(!(!(
!(!(!(
!(!( !(!(
!(!(!( !( !(
!(!(!(!(!(
!(!(!(!( !(
!(!(!(!(!(!(!(!(!(!(!(
!(!(!( !(!( !(!(!(
!( !(!(
!(!(!(
!(!(
!(!(!(!(
!(!( !(!(!(!(
!(!(!(
!( !(!( !(
!(!(!(!(
!(!(!(!(!(!(!(
!(!(
!(!(!(!( !(
!(
!(!(
!(
!(!( !(
!(!(
!(!(!(!(!(!(!(!(!(
!(!(!(!(!(
!(!(!(!(
!(!(!(!(!(
!(!( !(!(!(!(!( !(!(!(!(!(
!(!(
!(!(!( !(!(!(!(!(!(!( !(!(!(!( !(
!(!(!(!(!(!(!(!(!(!(!(
!(!(!(!(
!(!(!(!(!(!( !(!(!(!(!(!(!( !(!(!(
!( !(!(!(!(!( !(
!(!(!(!(!(!(!(!(!(!(!(
!(!(!(!(!(!(!(!(!(
!(!(!(!(!(!(
!(!(!(!(!(!(!(!(!(!(
!(!(!(!(!(!(
!(!(!(!(!(!(
!(!(!(!(!(!(!(!(!(
!(!(!(!(!(!(
!(!( !(!(!(!(!(!(!(!(!(!(!(!( !(
!(!( !(!(!(!(!(!(!(!(!(
!(!(!(!(!(!(!(!(
!(!(!(!(
!(
!(!(!(
!(!(!(!(
!(!(!(!(!(!(!(!(!(!(!(
!(!(!(!(!(!(!(!(!(!(!(
!(!(
!(!(!(!(
!(!(!(!(!(!( !(!(!(!(!(!(!(
!(!(!(!(!( !(!(!(!(!(
!(!(!( !(!(
!(!(!(!(!(!(!(
!(!( !(!( !(!(!(!(
!( !(!(!(!(
!( !(!(!( !(!(
!(!( !(!(
!(!(!(!(!(!(!(!(!(
!(!( !(!(!(!(!(!(!(
!(!(!(!(!(!(!(!(!(!(!(
!(!(!(
!( !(!(!(!(!(
!(!(!(!(
!( !(
!(
!(
!(!(!(!(!(
!(!(!(!(!(!(
!(
!(!(!(!(!(!(!(!( !( !(
!(!(!(!(!(!(!(!(!(!(!(!(!(
!(!(!( !(
!(!(!(!(!(!(!(!(!(!(!(!(!(
!(!(!(!(!(!( !(!(
!(!(!(!(
!(!(!(!(!( !(!(!(!(!(!(!(!(!(!(!( !(!(!(
!(!(!(!(!(
(a)
0 400200 km
± !(!(!(
!(!( !(
!(
!(!(!(
!(!(!(!(!(!(!(!(!(
!(!(!(
!(!(!(!( !(!( !(!(!(!(!(
!(!(!(!(
!(
!(!(!( !(!(!(!(!(!(!(!(!(!(!( !(!(!(
!(
!(!(!(
!(!(!(!(!(!(!(!(!(!(!(!(
!(!(!(!(!(!(
!(!(!(!(!(!(!(!(!(
!( !( !(!(!(
!(!(!(!(!(!(
!(!(!(!(!(
!(!(
!(!(!(!(!(!(
!(!(!(!(!(!(!(!(!(!(!(!(!(!( !(
!(!(!(!(!(
!(
!(!(!(!(!(!(
!(!(
!(
!(!( !(!(!( !(!(!( !(
!(
!( !(!(!(!(!( !(!(!(
!(!(!(
!(!( !(!(
!(!(!( !( !(
!(!(!(!(!(
!(!(!(!( !(
!(!(!(!(!(!(!(!(!(!(!(
!(!(!( !(!( !(!(!(
!( !(!(
!(!(!(
!(!(
!(!(!(!(!(!( !(
!(!(!(!(!(!(
!( !(!( !(
!(!(!(!(
!(!(!(!(!(!(!(
!(!(
!(!(!(!( !(
!(
!(!(
!(
!(!( !(
!(!(
!(!(!(!(!(!(!(!(!(
!(!(!(!(!(
!(!(!(!(
!(!(!(!(!(
!(!( !(!(!(!(!(!(!(!(!(!(
!(!(
!(!(!( !(!(!(!(!(!(!( !(!(!(!( !(
!(!(!(!(!(!(!(!(!(!(!(
!(!(!(!(
!(!(!(!(!(!( !(!(!(!(!(!(!( !(!(!(
!( !(!(!(!(!( !(
!(!(!(!(!(!(!(!(!(!(!(
!(!(!(!(!(!(!(!(!(
!(!(!(!(!(!(
!(!(!(!(!(!(!(!(!(!(
!(!(!(!(!(!(
!(!(!(!(!(!(
!(!(!(!(!(!(!(!(!(
!(!(!(!(!(!(
!(!( !(!(!(!(!(!(!(!(!(!(!(!( !(
!(!( !(!(!(!(!(!(!(!(!(
!(!(!(!(!(!(!(!(
!(!(!(!(
!(
!(!(!(
!(!(!(!(
!(!(!(!(!(!(!(!(!(!(!(
!(!(!(!(!(!(!(!(!(!(!(
!(!(
!(!(!(!(
!(!(!(!(!(!( !(!(!(!(!(!(!(
!(!(!(!(!( !(!(!(!(!(
!(!(!( !(!(
!(!(!(!(!(!(!(
!(!( !(!( !(!(!(!(
!( !(!(!(!(
!( !(!(!( !(!(
!(!( !(!(
!(!(!(!(!(!(!(!(!(
!(!( !(!(!(!(!(!(!(
!(!(!(!(!(!(!(!(!(!(!(
!(!(!(
!( !(!(!(!(!(
!(!(!(!(
!( !(
!(
!(
!(!(!(!(!(
!(!(!(!(!(!(
!(
!(!(!(!(!(!(!(!( !( !(
!(!(!(!(!(!(!(!(!(!(!(!(!(
!(!(!( !(
!(!(!(!(!(!(!(!(!(!(!(!(!(
!(!(!(!(!(!( !(!(
!(!(!(!(
!(!(!(!(!( !(!(!(!(!(!(!(!(!(!(!( !(!(!(
!(!(!(!(!(
Falhas nos dados (%)
0
!( !( !( !( !(
3 6 9 12 15
Dados consistidos (%)
0 10 20 30 40 50 60 70 80 90 100
!( !( !( !( !( !( !( !( !( !(
(b)
50
índice, tendo em vista que são considerados dados pluviométricos
cumulativos para um período contínuo (MCKEE et al., 1993). Sendo
assim, o preenchimento de falhas foi realizado utilizando-se a média das
três estações mais próximas com dados disponíveis. Essa metodologia
de preenchimento de falhas é baseada no método da ponderação regional
(BERTONI; TUCCI, 2001).
3.3 ÍNDICE DE PRECIPITAÇÃO PADRONIZADO (SPI)
O Índice de Precipitação Padronizado (Standardised
Precipitation Index – SPI) foi selecionado no presente estudo para
identificar e caracterizar os eventos de seca meteorológica da região Sul.
O índice foi desenvolvido com o objetivo de classificar os dados de
precipitação como um valor padronizado de acordo com a probabilidade
de ocorrência da chuva (MCKEE et al., 1993).
O SPI é computado para diferentes escalas de tempo, que
consistem em um determinado período de precipitação acumulada
(BARKER et al., 2016). Sendo assim, uma escala de tempo de 3 meses
(SPI-3) consiste no cálculo do índice para a precipitação cumulativa de
3 meses consecutivos através da soma móvel. A escala de tempo é
aplicada objetivando-se comparar a precipitação ao longo de
determinados períodos, relacionando os resultados com as diferentes
características meteorológicas de longo e curto termo e os efeitos de
propagação da seca. No presente estudo, as escalas de tempo
selecionadas para o cálculo do SPI foram de 24 meses (SPI-24), 12
meses (SPI-12), 9 meses (SPI-9), 6 meses (SPI-6) e 3 meses (SPI-3).
O cálculo do SPI consiste no ajuste dos valores da soma móvel,
conforme a escala de tempo selecionada (período de precipitação
acumulada) a uma distribuição de probabilidade (MCKEE et al., 1993),
geralmente Gama. A distribuição Gama foi, portanto, selecionada para o
cálculo do SPI no presente trabalho, considerando os diversos estudos
que testaram a distribuição de probabilidade mais adequada para
computar o índice (GUTTMAN, 1999; STAGGE et al., 2015).
A distribuição Gama é computada através da aplicação da função
de densidade de probabilidade (THOM, 1966):
(1)
onde: , é um parâmetro de forma; , é um parâmetro de
escala; , é o valor da precipitação; e é a função Gama.
51
Os parâmetros estimados são então utilizados para encontrar a
probabilidade cumulativa de um observado evento para cada mês, escala
de tempo e estação específica (EDWARDS, 1997). A função de
distribuição acumulada Gama é então computada, a qual consiste na
integral da função de densidade de probabilidade Gama apresentada
anteriormente. Assim, integrando a equação (1), tem-se:
(2)
onde os parâmetros da função cumulativa são computados de
acordo com as equações:
(3)
(4)
(5)
onde é o numero de observações de precipitação e é a média da
amostra de dados.
Os valores resultantes da função de distribuição acumulada Gama
são ajustados ao inverso da distribuição normal com media zero e
variância igual a um (GUTTMAN, 1998). A aplicação do inverso da
distribuição normal padronizada resulta nos valores de SPI, como
representado na equação abaixo.
(6)
Onde é o inverso da função de probabilidade normal com
média zero e variância um.
A Figura 7, que exemplifica a transformação de
equiprobabilidade da distribuição gama ajustada para a distribuição normal padronizada.
Para a presente metodologia de análise, um evento de seca é
definido como um período consecutivo que inicia quando o valor de SPI
atinge -1 ou menos, sendo continuamente negativo, e finaliza quando o
SPI retorna a um valor positivo (MCKEE et al., 1993). O valor definido
52
como -1 é denominado valor limiar, e determina o limite abaixo do qual
o valor de precipitação é considerado um déficit negativo que
caracteriza o início de um evento de seca.
Considerando a grande quantidade de dados a serem computados,
o cálculo do SPI foi realizado através de um programa desenvolvido no
software Matlab (Apêndice A).
3.4.1 Características dos Eventos de Seca
As características dos eventos de seca para análise foram obtidas
através dos resultados do cálculo do SPI para cada estação pluviométrica
selecionada. Sendo assim, foram avaliadas a intensidade, duração e
frequência das secas meteorológicas nas escalas de tempo.
A intensidade dos eventos, referente ao grau de anomalia
negativa da precipitação em relação às condições normais (WILHITE,
2000), foi avaliada quanto à intensidade máxima e os valores de
precipitação limiares que definiram os eventos de seca em cada estação.
A duração dos eventos foi definida como período contínuo em
que o SPI assume valores negativos, iniciando quando SPI atinge o valor
de -1 e finaliza quando este retorna a um valor positivo. No presente
estudo foram avaliadas as durações máximas de eventos de seca para
cada estação.
A frequência foi definida como o número de eventos de seca
meteorológica ocorridos no período de análise (SIPIONI et al., 2013).
53
Figura 7 - Equiprobabilidade da distribuição gama ajustada para a distribuição normal padronizada.
Fonte: Adaptado de Barker et al. (2016) e Edwards (1997).
54
3.4 ELABORAÇÃO DOS MAPAS DE DISTRIBUIÇÃO
ESPACIAL
A representação da extensão espacial da seca e a avaliação da
variabilidade das características dos eventos de seca na área de estudo
foram realizadas através da elaboração de mapas de distribuição
espacial. Sendo assim, as características dos eventos são abordadas em
uma análise espacial para as diferentes escalas de tempo de aplicação do
SPI pré-determinadas. Por conseguinte, a análise espacial possibilita
investigar relações entre padrões de seca identificados e as influências
do sistema climático da região Sul.
A elaboração dos mapas foi baseada na interpolação espacial dos
dados como método de estimativa de dados de pontos não amostrados
baseados nos dados de pontos amostrados. Utilizou-se a krigagem
(kriging) como metodologia adotada para realizar a interpolação
espacial dos dados. A krigagem é considerada o método mais preciso de
interpolação espacial para a caracterização espacial de eventos de seca
(AKHTARI et al., 2009), sendo recomendado para a classificação e
monitoramento dos dados (SANTOS; PORTELA; PULIDO-CALVO,
2011). O método de interpolação espacial foi realizado através da
ferramenta de análise geoestatística (Geostatistical Analyst) disponível
no software ArcGIS.
3.4.1 Krigagem
A krigagem é baseada na teoria das variáveis regionalizadas
(CAMARGO; FUCKS; CÂMARA, 2004), a qual consiste no conceito
de que uma variável distribuída no espaço apresenta valores que são
considerados como realizações de uma função aleatória (processo
estocástico). O método utiliza a estimativa de uma matriz de covariança
espacial que determina os pesos atribuídos às diferentes amostras
(CAMARGO; FUCKS; CÂMARA, 2004).
No presente estudo, utilizou-se o método de krigagem ordinária
(odinary kriging method), o qual é fundamentado na hipótese de que a
média no fenômeno é constante na região de estudo, dessa forma,
considerando que não há variação significativa em larga escala
(CAMARGO; FUCKS; CÂMARA, 2004). A krigagem ordinária
consiste em uma técnica estocástica de interpolação que utiliza o
semivariograma como medida de avaliar a dissimilaridade entre os
dados observados (AKHTARI et al., 2009).
55
Os pesos ou ponderadores associados aos pontos de amostra são
determinados baseados na orientação e distância dos pontos conhecidos,
minimizando a variância da estimativa entre as observações (AKHTARI
et al., 2009). Os pesos são obtidos pela resolução do sistema linear de
equações de krigagem.
O semivariograma estimado é representado pela equação abaixo:
(7)
onde: γˆ(h) é o semivariograma estimado e N(h) é o número de pares de
valores medidos, z(x) e z(x+h), separados pelo vetor h.
3.5 INTERFERÊNCIA DO FENÔMENO ENOS NA
PRECIPITAÇÃO
Objetivando-se verificar a interferência do fenômeno ENOS na
variabilidade da precipitação foi selecionado o Índice Oceânico Niño
(Oceanic Niño Index - ONI) desenvolvido pelo Centro de Previsão do
Clima (CPC) da National Oceanic and Atmospheric Administration
(NOAA), disponíveis no website http://www.cpc.ncep.noaa.gov. O ONI
é calculado baseado na média da temperatura da superfície do mar
(TSM) em uma área do oceano Pacífico equatorial leste-central,
denominada Niño - 3.4 localizada a 5º S a 5 N e 120 a 170º O (NOAA,
2017). A região Niño 3.4 foi selecionada baseada em estudos que
utilizaram essa região para determinar a influência do fenômeno ENOS
na precipitação da América do Sul (PENALBA; RIVERA, 2016;
TEDESCHI; CAVALCANTI; GRIMM, 2013).
Os dados obtidos do índice são calculados para uma escala de
tempo de 3 meses, objetivando isolar a variabilidade diretamente
relacionada ao fenômeno ENOS (NOAA, 2017). Sendo assim, o valor
ONI representa a média corrida de anomalias da TSM em 3 meses
consecutivos. Os eventos El Niño e La Niña são então definidos a partir
de 5 consecutivos valores de ONI-3 meses que apresentaram anomalias
acima de 0,5ºC para eventos de aquecimento (El Niño), e, anomalias
abaixo de -0,5ºC para eventos de resfriamento (La Niña) (PENALBA;
RIVERA, 2016).
56
57
4 RESULTADOS E DISCUSSÃO
4.1 IDENTIFICAÇÃO DOS EVENTOS DE SECA
A identificação dos eventos de seca meteorológica para as
diferentes escalas de tempo possibilitou a comparação das características
da seca e efeitos de longo e curto termo, confrontando essas informações
com a heterogeneidade do regime de precipitação da região Sul.
Observou-se que para a mesma estação pluviométrica as diferentes
escalas de tempo de SPI convergiram para períodos de seca em comum
(Figura 10 e Figura 11). Ressalta-se, entretanto, que conforme ocorre o
aumento da escala de tempo utilizada, os períodos de extrema anomalia
são suavizados, fator este que se deve à metodologia da soma móvel e é
esperado conforme a literatura de aplicação do índice (MCKEE et al.,
1993).
As escalas de tempo de 3 (SPI-3) e 6 (SPI-6) meses representam
uma análise de curto prazo, cujos efeitos podem estar relacionados com
a umidade do solo, tendo representatividade na seca agrícola. Os
resultados obtidos para SPI-9 e SPI-12 foram similares entre si,
representando uma análise de seca de longo prazo, podendo ser
relacionada com os efeitos na disponibilidade de água superficial e
subterrânea (GUTTMAN, 1999). A escala de tempo de 24 meses, SPI-
24, apresentou ter uma menor aplicação quanto à identificação dos
eventos. Esse fator é justificado nos resultados que apresentaram
períodos secos e longos com durações maiores que uma década.
Considera-se, portanto, que para aplicação da escala de tempo de 24
meses seja necessária uma série histórica mais longa a fim de obter
melhores resultados.
A Figura 10 exemplifica os resultados de uma estação localizada
no norte do Paraná, região que é caracterizada por apresentar regime de
monção, o que indica uma diferença significativa de precipitação entre o
verão e o inverno (CAVALCANTI et al., 2009). Menores índices de
precipitação no norte do Paraná ocorrem no inverno (estação seca), onde
a umidade proveniente da Amazônia e do interior do continente
convergem principalmente para Santa Catarina e Rio Grande do Sul
(GRIMM, 2009).. Por essa razão, pode-se concluir que as escalas de
tempo de análise de seca de curto prazo representam melhor a
ocorrência de eventos no norte do Paraná. A abordagem do índice para
escalas de tempo maiores nesse caso torna-se menos aplicável, pois as
estações localizadas no norte do Paraná apresentam maior variabilidade
58
sazonal, em que períodos de seca abruptos são precedidos por períodos
de cheia, dentro de um intervalo de tempo menor que um ano.
Em contrapartida, a região sul da área de estudo apresenta um
regime de precipitação mais uniforme ao longo do ano, com chuvas
mais intensas no inverno. A Figura 11 exemplifica os resultados para
estações nessa região. É possível identificar que os períodos de seca
seguem um padrão mais contínuo e de duração mais longa,
especialmente quando comparado aos resultados da região norte. Dessa
forma, sugere-se que os eventos de seca são mais bem identificados
frente à aplicação do SPI para escalas de longo termo, representando as
oscilações interanuais.
Algumas estações apresentaram sucessivos períodos descontínuos
de eventos de seca com grande intensidade em curtos intervalos para as
escalas de tempo de 3 meses e 6 meses. Estes são representados por um
período único e contínuo para as escalas de tempo de 9, 12 e 24 meses.
Sendo assim, esses períodos de seca são caracterizados como períodos
de seca prolongada (TALLAKSEN; MADSEN; CLAUSEN, 1997). Os
gráficos de SPI gerados para todas as estações que compõem o presente
estudo são apresentados no material suplementar digital.
Os resultados obtidos para SPI-3, SPI-6, SPI-9, SPI-12 e SPI-24
indicam que os anos mais secos na região Sul, que apresentaram maior
período de seca nas estações estudadas, foram: 1978, 1979, 1988-1989 e
2006. Os anos mais secos foram contabilizados de acordo com a
frequência de ocorrência de eventos de seca meteorológica e a duração
dos eventos ao longo do ano. Considerando que a duração dos eventos
de seca determina maior risco quando comparado à frequência
(VICENTE-SERRANO et al., 2004), somente foram considerados os
anos que apresentaram eventos de seca em 60% ou mais do tempo A
partir desses anos, avaliou-se quais anos apareceram com maior
frequência nas séries históricas. A Figura 8 e Figura 9 apresentam
respectivamente para SPI-3 e SPI-12, o número de estações que
identificaram eventos de secas, durante 60% dos meses ou mais, para
cada ano do período de análise. Os histogramas referentes às demais
escalas de tempo encontram-se no Apêndice B. Entre os anos mais secos
identificados, o ano de 2006 apresentou eventos de seca de maior
intensidade e com maior frequência nas séries históricas avaliadas,
período este que remete aos eventos extremos registrados entre 2004 e
2006 na região Sul (ALBUQUERQUE, 2010).
59
Figura 8 - Anos que apresentaram eventos de seca em 60% do tempo para
SPI-3.
Figura 9 - Anos que apresentaram eventos de seca em 60% do tempo para
SPI-12.
60 Figura 10 - SPI-3, SPI-6, SPI-9, SPI-12 e SPI-24 para a Estação Pluviométrica Deputado José Afonso (02352052)
61
Figura 11 - SPI-3, SPI-6, SPI-9, SPI-12 e SPI-24 para a Estação Pluviométrica Cacequi (02954001)
62
4.1 INTENSIDADE
A interpolação espacial das precipitações correspondentes aos
valores limiares de SPI (SPI = -1) identificou o norte do Paraná e o sul
do Rio Grande do Sul como regiões mais secas (Figura 12), resultado
que é esperado e convergente com o mapa de iso83ietas das
precipitações médias anuais (CPRM, 2006). Entretanto, é importante
acentuar que a região sul do Rio Grande do Sul, ainda que apresente
menores índices de precipitação, não apresentou alta frequência de
ocorrência de eventos seca. Esse fator pode ser justificado tendo em
vista que o cálculo do SPI considera a variação da precipitação baseada
na média obtida na série histórica, portanto o índice sugere que não
houve frequentes variações em relações às condições normais dessa
região.
As regiões como sudoeste do Paraná, centro-oeste de Santa
Catarina e noroeste do Rio Grande do Sul, apresentaram valores altos de
precipitação limiar. Nesse contexto, os eventos de seca identificados
nessas regiões poderão não gerar prejuízos significativos em um
contexto socioeconômico, considerando a alta taxa de precipitação
média anual. Dessa forma, pode-se concluir que para estas regiões a
aplicação do valor limiar como SPI = -1 é inadequada na identificação
dos eventos de seca. Nessa situação, o valor limiar SPI = -2 poderia ser
aplicado a fim de obter valores de precipitação cumulativa limiares que
representem o nível abaixo do qual a anomalia meteorológica seria um
evento extremo nessas regiões. A escolha do valor limiar pode ser
arbitrária (WILHITE, 2000), podendo ser baseada em uma análise
preliminar dos valores de intensidade para a série histórica da região de
estudo.
De acordo com as categorias de intensidade de eventos de seca
estabelecidas por McKee et al. (1993), 83% das estações pluviométricas
apresentaram eventos de seca severos (SPI entre -2 e -3) para SPI-3;
para SPI-6 foram 34% das estações; para SPI-9 foram 19% das estações;
para SPI-12 foram 13% das estações e para SPI-24 apenas 10% das
estações. A redução da porcentagem de estações que apresentaram
eventos extremos conforme o aumento da escala de tempo ocorre devido
à suavização das intensidades, fator justificado no aumento no período
cumulativo de precipitação que descarta as variabilidades pontuais de
curto termo.
63
Figura 12 - Distribuição espacial dos valores limiares (SPI = -1) para SPI-
12.
4.2 FREQUÊNCIA
A Figura 13 e Figura 14 apresentam a interpolação espacial da
frequência dos eventos de seca meteorológica ocorridos na região Sul
para as diferentes escalas de tempo empregadas. Os eventos foram
identificados considerando o valor limiar de SPI = -1. Dessa forma, o
início de um evento foi definido quando o SPI atingiu o valor igual ou
menor que -1, e, o final do evento quando o SPI retornou a um valor
positivo. As maiores frequências obtidas para SPI-3, SPI-6, SPI-9, SPI-12 e SPI-24 foram respectivamente, 35, 30, 24, 15 e 11 eventos de seca
ocorridos, sendo estes identificados em séries históricas de estações
pluviométricas localizadas em sua totalidade no Paraná.
Precipitação (mm)(SPI= -1)
1.979
930
64
A região que apresenta as maiores frequências está localizada no
norte do Paraná, fator que pode ser visualizado especialmente para as
escalas de tempo de 3, 6 e 9 meses. Alta frequência de eventos nessa
região pode ser justificada pela influência do regime de precipitação
característico de monções (CAVALCANTI, et al., 2009) em que os
invernos são secos e com temperaturas elevadas para a estação. Embora
a estação seca seja representada em período trimestral, as demais escalas
de tempo identificam eventos de seca nessa região ainda que em menor
número. De acordo com Berezuk (2007) no estudo de eventos extremos,
além do trimestre seco no norte do Paraná há ocorrência histórica de
anomalias meteorológicas em meses cujos padrões seriam de
precipitação normal. É o caso dos meses março e abril de 1997 e o verão
de 1997-1998, no qual o período de seca trouxe prejuízo para agricultura
na região de Londrina e Maringá (BEREZUK, 2007).
Para as escalas de tempo de longo termo, SPI-12 e SPI-24,
também são identificadas maiores frequências de ocorrência de eventos
de seca na região centro-norte e nordeste do Rio Grande do Sul a região
sudeste de Santa Catarina (SPI-24). As escalas de longo termo
apresentam relação com a seca hidrológica (VICENTE-SERRANO;
CUADRAT, 2002). Os resultados de ocorrência de eventos de seca
convergiram, em partes, com a aplicação do SPI-12 no estudo realizado
por Albuquerque (2010) no Rio Grande do Sul, o qual identifica região
centro-oriental e nordeste do estado como regiões de maior frequência
de seca. Ademais, a parte centro-norte do Rio Grande do Sul é
identificada como região que apresentou municípios em situação de
emergência devido à seca ou estiagem, conforme os dados do ano de
2009 (ANA, 2010).
65
Figura 13 - Distribuição espacial da frequência de eventos de seca meteorológica para (a) SPI-3, (b) SPI-6, (c) SPI-9
(a)
0 400200 km
±
Número de Eventos
32
23
(b)
Número de Eventos
24
12
(c)
Número de Eventos
19
8
66 Figura 14 - Distribuição espacial da frequência de eventos de seca meteorológica para (a) SPI-12 e (b) SPI-24.
(a)
Número de Eventos
11
6
0 400200 km
±(b)
Número de Eventos
7
3
67
4.3 DURAÇÃO
De acordo com os resultados obtidos, a média das durações
máximas para as escalas de tempo SPI-3, SPI-6, SPI-9, SPI-12 e SPI-24
das estações foram respectivamente 12, 20, 28, 33 e 48 meses. Ao
computar a máxima das durações máximas perceberam-se 8 estações
que apresentaram valores incoerentes variando entre 90 e 120 meses de
duração da seca, sendo estes considerados erros no cálculo do SPI ou
nos dados das estações. A maior parte dos valores inconsistentes ocorreu
no cálculo do SPI-24. A ocorrência de eventos mais prolongados de seca
é justificada considerando que com o aumento da escala de tempo de
análise do SPI, aumenta-se a duração e reduz-se a frequência dos
eventos (MCKEE et al., 1993). Isso ocorre porque com escalas de
tempo de longo termo, eventos curtos frequentes e intercalados por
períodos úmidos são considerados eventos de seca dependentes, sendo
representado como um único período de seca prolongada
(TALLAKSEN; MADSEN; CLAUSEN, 1997). Entretanto, no caso dos
dados inconsistentes obtidos para SPI-24 essa interpretação seria
errônea, tendo a grandeza e incoerência dos valores obtidos. Esses
resultados dão ênfase, como anteriormente explanado, que a aplicação
da escala de tempo SPI-24 para o presente estudo torna-se não aplicável.
A distribuição espacial das durações máximas (Figura 15 e Figura
16) reflete que as maiores durações para as escalas de tempo
empregadas localizam-se mais ao sul da região Sul, com destaque para o
sul do Rio Grande do Sul, centro-oeste de Santa Catarina e norte do
Paraná. Os resultados convergem com a heterogeneidade dos regimes de
precipitação da região Sul. Dessa forma, a região norte da área de estudo
apresenta eventos mais curtos, devido ao seu regime de monção, que
intercala períodos chuvosos com períodos secos com grande variação na
precipitação entre a estação chuvosa e seca (CAVALCANTI et al.,
2009). A região sul da área de estudo, característica de regime de
precipitação de latitudes médias, uniforme ao longo do ano, apresenta
durações mais prolongadas justamente por não apresentar variações
significativas durante o período de um ano (CAVALCANTI et al.,
2009).
A duração dos eventos é uma das características principais,
porque se encontra diretamente relacionada com a magnitude da seca.
Dessa forma, embora a região sul da área de estudo apresente menor
frequência de ocorrência de eventos, ela pode ser considerada uma área
de maior risco (VICENTE-SERRANO et al., 2004), pois a duração está
relacionada com os efeitos de propagação da seca.
68 Figura 15 - Distribuição espacial das durações máximas dos eventos de seca meteorológica para (a) SPI-3, (b) SPI-6,
(c) SPI-9
(a)
Duração (meses)
21
7
0 400200 km
±(b)
Duração (meses)
30
10
(c)
Duração (meses)
36
20
69
Figura 16 - Distribuição espacial das durações máximas dos eventos de seca meteorológica para (a) SPI-12 e (b) SPI-
24.
(a)
Duração (meses)
47
23
0 400200 km
±(b)
Duração (meses)
64
32
70
4.4 RELAÇÃO DE OCORRÊNCIA DA SECA E OS EVENTOS
ENOS
Objetivando-se investigar a relação entre a ocorrência de eventos
de seca meteorológica e os eventos ENOS, obtiveram-se os dados do
Índice Oceânico Niño (ONI) para o período de 1975 a 2010, escala de 3
meses de média de anomalias para região Niño 3.4 (NOAA, 2017).
Os dados apresentados identificam a ocorrência de fenômeno
La Niña nos períodos: 1975-1976; 1984-1985; 1988-1989; 1995-1996;
1998-2001; 2007-2008 (Figura 17). O período entre 1988-1989 coincide
com um dos episódios mais intensos de ocorrência do fenômeno La
Niña (CPTEC/INPE, 2017), atingindo um pico de variação negativa de -
1,8.
Figura 17 - Índice Oceânico Niño (ONI) no período de 1975-2010.
Confrontando os dados ONI com os resultados obtidos pelo SPI
em todas as escalas de tempo empregadas, verificou-se que a relação de
ocorrência do evento La Niña ocorre no ano de 1989, o qual foi
71
identificado como um dos anos mais secos pela aplicação do índice,
especialmente nas escalas de tempo de longo termo (SPI-12 e SPI-24).
Os resultados para SPI-3 apontaram o ano de 1985 como um
dos anos mais secos, sendo convergente com a ocorrência do evento La
Niña para o mesmo período. Para as escalas de tempo SPI-12 e SPI-24,
o ano de 1986 aparece como um dos anos que apresentou maior
frequência de eventos de seca e com maior predominância ao longo do
tempo. Essa resposta pode ter possível relação com a ocorrência de La
Niña no período de 1984-1985, pois devido ao aumento da escala de
tempo (período de precipitação acumulada) a resposta aos eventos
ocorre atrasada quando comparada aos resultados de curto termo como
para SPI-3 (PENALBA; RIVERA, 2015).
Para o período de 1998 a 2001, o mais longo de fenômeno La
Niña dentro do período de análise, teve relação com os índices SPI-9 e
SPI-12, os quais identificaram o ano de 2001 como um dos anos com
maior frequência e predominância de eventos de seca. De acordo com o
estudo realizado por Penalba e Rivera (2015) em que foram testadas as
escalas de tempo SPI-3 e SPI-12, a relação mais significante e coerente
entre para resultados de SPI frente à ocorrência de eventos ENOS foi
encontrada principalmente para a escala de tempo SPI-12.
Em contrapartida, em 2006, ano identificado como um dos mais
secos também para o período análise foi um ano em que ocorreu evento
El Niño, não apresentando relação entre os resultados SPI e as
anomalias negativas do ONI. O período entre os anos 2004 e 2006,
registrado como período de seca e estiagem na região Sul, coincide com
um período de ocorrência de três eventos El Niño. Nos anos de 1978 e
1979, considerados entre os anos mais secos para todas as escalas de
tempo de aplicação do SPI, não houve ocorrência de eventos ENOS. É
ressaltado, portanto, que apesar de grande parte das secas ocorrerem em
anos de La Niña, os mesmos também podem ocorrer em anos de El Niño
ou em anos neutros.
A Figura 18 apresenta um exemplo da relação entre os
resultados do SPI-12 e os dados ONI para a Estação Pluviométrica
Deputado José Afonso (02352052), localizada no norte do Paraná. Os
círculos em verde representam períodos em que houve convergência
entre anomalias negativas de precipitação e a ocorrência de La Niña. Os
períodos circulados em vermelho, entretanto, apresentam períodos em
que houve anomalia negativa na precipitação, porém, não apresentou
ocorrência de La Niña. Para a representação dos resultados, a estação foi
escolhida aleatoriamente e foram avaliados especialmente os períodos
identificados como anos mais secos para SPI-12. De maneira geral, nas
72
estações avaliadas, a convergência entre os resultados SPI e ONI foi
maior para a escala de tempo de 12 meses (SPI-12).
Figura 18 - Comparação dos Resultados entre o ONI e SPI-12.
73
5 CONCLUSÕES E RECOMENDAÇÕES
5.1 CONCLUSÕES
Utilizando os dados da série histórica no período entre 1975 e
2010 de 671 estações pluviométricas foi possível avaliar as
características de ocorrência de eventos meteorológicos na região Sul do
Brasil. Dessa forma, através do cálculo do SPI, identificou-se que os
anos que apresentaram eventos de seca de longa duração com maior
frequência foram 1978, 1979, 1989 e 2006.
A aplicação do SPI foi avaliada em cinco escalas de tempo:
SPI-3, SPI-6, SPI-9, SPI-12 e SPI-24 referente ao período de
acumulação de precipitação. Os resultados do índice foram analisados
conforme as características de frequência, duração e intensidade.
Avaliaram-se como essas características variam espacialmente,
relacionando as variações com o sistema climático da região Sul.
Constatou-se que a escolha da aplicação das escalas de tempo
deve estar relacionada com as características do regime de precipitação e
o sistema climático de cada região para melhor identificação dos
eventos. Sendo assim, a região sul da área de estudo não apresenta
variações significativas durante o ano, representando um regime mais
uniforme em que anomalias meteorológicas seriam mais bem
observadas em variações interanuais com a aplicação de escala de tempo
de longo termo. Para a região norte, característica de regime de
monções, a variação de precipitação entre o verão e inverno determina
que os períodos secos e úmidos possam ser mais bem observados com
escalas de curto termo. Entretanto, objetivando-se avaliar o risco de
eventos extremos nessa região, a aplicação de escalas de longo termo se
torna interessante, pois identifica a permanência da seca e as anomalias
ocorridas fora do trimestre seco.
Considerando a heterogeneidade do regime de precipitações
entre a região centro-norte e a região sul da área de estudo, os resultados
obtidos para o SPI nas escalas utilizadas apresentaram padrões distintos.
A região centro-norte apresentou maior frequência de ocorrência dos
eventos de seca, sendo que as maiores frequências obtidas para SPI-3,
SPI-6, SPI-9, SPI-12 e SPI-24 foram respectivamente, 35, 30, 24, 15 e 11 eventos de seca ocorridos na série histórica.
Quanto à característica de duração da seca, a região sul e a
região centro-oeste apresentaram as maiores durações dos eventos
identificados. Essa resposta pode ser justificada considerando que nessa
região o regime de precipitação é uniforme ao longo do ano, sendo
74
percebidas as variações interanuais. Portanto, anomalias meteorológicas
são observadas em uma escala de longo período de precipitação
acumulada.
Ademais, a distribuição espacial dos valores limiares para SPI=-
1 indica as regiões norte do Paraná e sul do Rio Grande do Sul como
regiões mais secas, em concordância com o mapa de isoietas médias
anuais da região. Entretanto, para o centro-oeste da região sul e leste do
Paraná obtiveram-se valores altos de precipitação limiar. Sendo assim,
nessas regiões a aplicação do SPI deve ser interpretada como
identificação das anomalias meteorológicas em relação às condições
normais, não necessariamente indicando eventos de seca expressivos.
Quanto às respostas do SPI à ocorrência de eventos ENOS, foi
identificada possível relação dos eventos de seca com a ocorrência do
fenômeno La Niña nos anos: 1985, 1989 e 2001. Observou-se que a
escala de tempo SPI-12 apresentou maior relação entre o déficit de
precipitação e a ocorrência do fenômeno La Niña. Entretanto, não houve
unanimidade da relação entre os anos mais secos com a ocorrência de
eventos La Niña, o que sugere que nesses períodos, como o ano de 2006,
as anomalias meteorológicas possam ter ocorrido em detrimento de
outras variáveis climáticas.
Considerando os altos índices de precipitação na maior parte da
região Sul do Brasil e as características climáticas avaliadas mostram
que, de modo geral, a região apresenta condições favoráveis de
precipitação quando comparada a outras regiões do Brasil. Sendo assim,
a problemática da ocorrência de eventos extremos de seca, com reflexo
na estiagem, pode ser gerenciada com a correta gestão dos recursos
hídricos em concordância com o monitoramento de ocorrência dos
eventos extremos.
5.2 SUGESTÕES PARA TRABALHOS FUTUROS
O presente trabalho avaliou separadamente as características
dos eventos de seca de identificado pela aplicação do SPI. Seria
interessante, portanto, realizar uma análise conjunta das características
estabelecendo uma relação qualitativa e quantitativa desses
componentes. Além disso, o trabalho não quantificou a magnitude dos
eventos, devendo esta ser analisada em trabalhos futuros. As
características foram avaliadas quanto à distribuição espacial, devendo
ser avaliadas também quanto à evolução temporal, através da
observação e identificação de tendências.
75
A aplicação do SPI considera apenas a precipitação como
variável de cálculo, desconsiderando variáveis climáticas que poderiam
apresentar influência significativa no resultado, como a
evapotranspiração. Dessa forma, sugere-se que para em futuros
trabalhos seja aplicado o Índice de Precipitação e Evapotranspiração
Padronizado (SPEI) em comparação com o SPI, a fim de determinar a
influência da evapotranspiração nos resultados. A aplicação comparativa
de outros índices como PDSI e Deciles seria interessante, a fim de
avaliar o melhor índice de caracterização de seca meteorológica para
região Sul.
Por fim, sugere-se realizar a correlação entre o SPI e o Índice
Oceânico El Niño (ONI) e avaliar a distribuição espacial dessa
correlação, identificando as áreas mais sujeitas à influência dos eventos
ENOS.
76
77
REFERÊNCIAS BIBLIOGRÁFICAS
AKHTARI, Rouhangiz et al. Assessment of areal interpolation methods
for spatial analysis of SPI and EDI drought indices. International
Journal Of Climatology, [s.l.], v. 29, n. 1, p.135-145, jan. 2009.
ALBUQUERQUE, Tatiana Máximo Almeida. Estudo dos processos de
gestão de seca: aplicação no estado do Rio Grande do Sul. 2010.
Tese de Doutorado. Universidade Federal do Rio Grande do Sul.
AMBRIZZI, Tércio; MARQUES, Rosa; NASCIMENTO, Ernani.
Bloqueios Atmosféricos. In: CAVALCANTI, Iracema Fonseca de
Albuquerque et al. Tempo e Clima no Brasil. São Paulo: Oficina de
Textos, 2009. p. 279-296.
ANA - AGÊNCIA NACIONAL DE ÁGUAS. Conjuntura dos Recursos
Hídricos no Brasil: Informe 2010. Brasília: Ana, 2010.
ANA - AGÊNCIA NACIONAL DE ÁGUAS. HidroWeb: Sistema de
Informações Hidrológicas. 2015. Disponível em: Acesso em 15 jul.
2015.
BARKER, Lucy J. et al. From meteorological to hydrological drought
using standardised indicators. Hydrology And Earth System
Sciences,[s.l.], v. 20, n. 6, p.2483-2505, 24 jun. 2016
BARRA, Tarcisio da S. et al. Caracterização climatológica da
severidade de secas do estado do Ceará-Brasil. Revista Brasileira de
Engenharia Agrícola e Ambiental, v. 6, n. 2, p. 266-272, 2002.
BBC NEWS. Brazil's most populous region facing worst drought in
80 years. 2015. Disponível em: <http://www.bbc.com/news/world-latin-
america-30962813>. Acesso em: 24 nov. 2016.
BEREZUK, André Geraldo. Análise das adversidades climáticas no
oeste paulista e norte do Paraná. 2007. Tese de Doutorado. UNIVERSIDADE ESTADUAL PAULISTA.
BERTONI, Juan C.; TUCCI, Carlos EM. Precipitação. Hidrologia:
ciência e aplicação, v. 2, p. 177-242, 1993.
78
CAMARGO, Eduardo Celso Gerbi; FUCKS, Suzana Druck; CÂMARA,
Gilberto. Análise espacial de superfícies. In: Análise espacial de dados
geográficos. Planaltina: Embrapa Cerrados, p. 79-122, 2004.
CARVALHO, Leila Maria V. de; JONES, Charles. Zona de
Convergência do Atlântico Sul. In: CAVALCANTI, Iracema Fonseca de
Albuquerque et al. Tempo e Clima no Brasil. São Paulo: Oficina de
Textos, 2009. p. 95-108.
CAVALCANTI, Iracema Fonseca de Albuquerque et al. Tempo e
Clima no Brasil. São Paulo: Oficina de Textos, 2009.
CHAGAS, V. B.; CHAFFE, P. L. B. Climatic and Physical Controls on
the Hydrological Regimes of Southern Brazil: An Analysis of the 1975-
2010 Period. 7th International Conference on Water Resources and
Environment Research, Kyoto, 2016.
CPRM - COMPANHIA DE PESQUISA DE RECURSOS
MINERAIS. Atlas Pluviométrico do Brasil. 2006. Disponível em:
<http://www.cprm.gov.br/publique/Hidrologia/Mapas-e-
Publicacoes/Atlas-Pluviometrico-do-Brasil-1351.html>. Acesso em: 26
maio 2017.
CPTEC/INPE - CENTRO DE PREVISÃO DO TEMPO E ESTUDOS
CLIMÁTICOS. Índice de Precipitação Padronizado (SPI). Disponível
em: <http://clima1.cptec.inpe.br/spi/pt>. Acesso em: 29 maio 2017.
EDWARDS, Daniel C. Characteristics of 20th century drought in the
United States at multiple time scales. AIR FORCE INST OF TECH
WRIGHT-PATTERSON AFB OH, 1997.
FECHINE, José Alegnoberto Leite. Identificação de secas
meteorológicas na região metropolitana de Fortaleza, usando o Índice de
Precipitação Padronizada (SPI). Boletim de Geografia, [s.l.], v. 33, n.
2, p.18-33, 16 dez. 2015.
FERNANDES, Diego S. et al. Índices para a quantificação da seca.
Embrapa Arroz e Feijão, 2009.
79
GANGULI, Poulomi; REDDY, M. Janga. Evaluation of trends and
multivariate frequency analysis of droughts in three meteorological
subdivisions of western India. International Journal Of
Climatology, [s.l.], v. 34, n. 3, p.911-928, 18 jun. 2013. Wiley-
Blackwell.
GEINF – GERÊNCIA DE INFORMAÇÕES
HIDROMETEOROLÓGICAS. Procedimentos para Consistência de
Dados Pluviométricos. 2014. Disponível em: . Acesso em: 10 jan.
2016.
GRIMM, Alice M.. Clima da Região Sul do Brasil. In: CAVALCANTI,
Iracema Fonseca de Albuquerque et al. Tempo e Clima no Brasil. São
Paulo: Oficina de Textos, 2009. p. 259-275.
GUTTMAN, Nathaniel B.. Comparing the Palmer Drought Index and
Standardized Precipitation Index. Journal Of The American Water
Resources Association, Usa, v. 34, n. 1, p.113-121, fev. 1998.
GUTTMAN, Nathaniel B.. Accepting the Standardized Precipitation
Index: a Calculation Algorithm. Journal Of The American Water
Resources Association, [s.l.], v. 35, n. 2, p.311-322, abr. 1999. Wiley-
Blackwell.
HAYES, Michael J. et al. Monitoring the 1996 Drought Using the
Standardized Precipitation Index. Bulletin Of The American
Meteorological Society, [s.l.], v. 80, n. 3, p.429-438, mar. 1999.
American Meteorological Society.
HEIM, R. R. et al. Drought indices: a review. Drought: a global
assessment, p. 159-167, 2000.
HISDAL, Hege et al. Hydrological drought
characteristics. Hydrological drought–Processes and estimation
methods for streamflow and groundwater, v. 48, p. 139-198, 2004.
KEYANTASH, John; DRACUP, John A. The quantification of drought:
an evaluation of drought indices. Bulletin of the American
Meteorological Society, v. 83, n. 8, p. 1167, 2002.
80
KNOX, John L.; HAY, John E.. Blocking signatures in the Northern
Hemisphere: Rationale and identification. Atmosphere-ocean, [s.l.], v.
22, n. 1, p.36-47, mar. 1984.
LINDNER E.A. et al. n ise dos desas res na rais de e esso e de
es asse h dri a de re ados na a ia rio do ei e rasi
DE INUNDACIONES Y DESLIZAMIENTOS DE LADERAS, Brasil,
2007. Disponível em:<
http://www.labhidro.ufsc.br/Artigos/0%20Lindner_Kobyiama_etal_proh
imet0507.pdf>.Acesso em:03 oct. 2016.
LIU, W. T.; KOGAN, F. N.. Monitoring regional drought using the
Vegetation Condition Index. International Journal Of Remote
Sensing, [s.l.], v. 17, n. 14, p.2761-2782, set. 1996. Informa UK
Limited.
LLOYD-HUGHES, Benjamin. The impracticality of a universal drought
definition. Theoretical and applied climatology, v. 117, n. 3-4, p. 607-
611, 2014.
MARENGO, Jose A. et al. Two Contrasting Severe Seasonal Extremes
in Tropical South America in 2012: Flood in Amazonia and Drought in
Northeast Brazil. Journal Of Climate, [s.l.], v. 26, n. 22, p.9137-9154,
nov. 2013. American Meteorological Society.
MCKEE, Thomas B. et al. The relationship of drought frequency and
duration to time scales. In: Proceedings of the 8th Conference on
Applied Climatology. Boston, MA: American Meteorological Society,
1993. p. 179-183.
MELO, Davi de C. D. et al. Reservoir storage and hydrologic responses
to droughts in the Paraná River basin, south-eastern Brazil. Hydrology
And Earth System Sciences, [s.l.], v. 20, n. 11, p.4673-4688, 24 nov.
2016. Copernicus GmbH.
MELO, Davi de Carvalho Diniz; WENDLAND, Edson. Hydrological
system time lag responses to meteorological shifts. Revista Brasileira
de Recursos Hídricos, [s.l.], v. 21, n. 4, p.766-776, dez. 2016.
FapUNIFESP (SciELO).
81
MIRANDA, José Iguelmar. EMBRAPA INFORMAÇÃO
TECNOLÓGICA. Fundamentos de sistemas de informações
geográficas. Brasília: EMBRAPA Informação Tecnológica, 2005. 425p.
MISHRA, Ashok K.; SINGH, Vijay P.. A review of drought
concepts. Journal Of Hydrology, [s.l.], v. 391, n. 1-2, p.202-216, set.
2010.
MISHRA, Ashok K.; SINGH, Vijay P.. Drought modeling – A
review. Journal Of Hydrology, [s.l.], v. 403, n. 1-2, p.157-175, jun.
2011.
NERY, Jonas Teixeira. Dinâmica climática da região sul do
Brasil. Revista Brasileira de Climatologia, v. 1, n. 1, 2005.
NDMC. National Drought Mitigation Center. Interpretation of
Standardized Precipitation Index Maps. Disponível em:
<http://drought.unl.edu/MonitoringTools/ClimateDivisionSPI/Interpreta
tion.aspx>. Acesso em: 05 maio 2017.
NOAA - National Oceanic and Atmospheric Administration. Historical
El Nino/ La Nina episodes (1950-present). Disponível em:
<http://www.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/
ensoyears.shtml>. Acesso em: 3 jun. 2017.
OGALLO, L. A. (1994). Drought and desertification: an overview.
Bulletin of the World Meteorological Organization , 1 (43), pp. 18-
21.
PENALBA, Olga Clorinda; RIVERA, Juan Antonio. Precipitation
response to El Niño/La Niña events in Southern South America –
emphasis in regional drought occurrences. Advances In
Geosciences, [s.l.], v. 42, p.1-14, 4 mar. 2016.
RAZIEI, Tayeb et al. Spatial Patterns and Temporal Variability of
Drought in Western Iran. Water Resources Management,[s.l.], v. 23,
n. 3, p.439-455, 19 jun. 2008. Springer Nature.
82
REBOITA, Michelle Simões et al. Regimes de precipitação na América
do Sul: uma revisão bibliográfica. Revista Brasileira de Meteorologia,
v. 25, n. 2, 2010.
SACCO, Francine Gomes. Configurações Atmosféricas em Eventos
de Estiagem de 2001 a 2006 na Mesorregião Oeste Catarinense. 2010. 214 f. Tese (Doutorado) - Curso de Geografia,
Universidade Federal de Santa Catarina, Florianópolis, 2010.
SALAS, Jose D. Analysis and modeling of hydrologic time
series. Handbook of hydrology, v. 19, p. 1-72, 1993.
SANSIGOLO, Clóvis A.; PEREIRA, Claudio S.; SILVA, Iuri R.
Relações entre as precipitações regionais no Sul do Brasil e as
temperaturas das superfícies dos Oceanos Atlântico e Pacífico. Revista
Brasileira de Meteorologia, v. 19, n. 1, 2004.
SANTOS, João Filipe; PORTELA, Maria Manuela; PULIDO-CALVO,
Inmaculada. Regional frequency analysis of droughts in
Portugal. Water Resources Management, v. 25, n. 14, p. 3537-3558,
2011.
SEAGER, Richard et al. Tropical Oceanic Causes of Interannual to
Multidecadal Precipitation Variability in Southeast South America over
the Past Century*. Journal Of Climate, [s.l.], v. 23, n. 20, p.5517-5539,
out. 2010.
SENEVIRATNE, Sonia I. et al. Changes in climate extremes and their
impacts on the natural physical environment. Managing the risks of
extreme events and disasters to advance climate change adaptation,
p. 109-230, 2012.
SHEFFIELD, Justin; WOOD, Eric F.. Drought: Past problems and
future scenarios. Londres: Earthscan, 2011. 210 p.
SIVAPALAN, Murugesu; BLÖSCHL, Günter. Transformation of point
rainfall to areal rainfall: Intensity-duration-frequency curves. Journal
Of Hydrology, [s.l.], v. 204, n. 1-4, p.150-167, jan. 1998.
83
SPINONI, Jonathan et al. World drought frequency, duration, and
severity for 1951-2010. International Journal Of Climatology, [s.l.],
v. 34, n. 8, p.2792-2804, 27 nov. 2013. Wiley-Blackwell.
SOTÉRIO, Patrícia Wagner; PEDROLLO, Márcia Conceição;
ANDRIOTTI, José Leonardo. Mapa de isoietas do Rio Grande do
Sul. XVI Simpósio Brasileiro de Recursos Hídricos, v. 16, 2005.
STAGGE, James H. et al. Candidate Distributions for Climatological
Drought Indices (SPI and SPEI). International Journal Of
Climatology, [s.l.], v. 35, n. 13, p.4027-4040, 19 fev. 2015.
SUPPIAH, Ramasamy; WHETTON, P. H.; WATTERSON, I. G.
Climate change in Victoria: assessment of climate change for
Victoria: 2001-2002. 2004.
TALLAKSEN, Lena M.; MADSEN, Henrik; CLAUSEN, Bente. On the
definition and modelling of streamflow drought duration and deficit
volume. Hydrological Sciences Journal, [s.l.], v. 42, n. 1, p.15-33, fev.
1997.
TEODORO, Paulo Eduardo et al. Analysis of the occurrence of wet and
drought periods using standardized precipitation index in Mato Grosso
do Sul State, Brazil. Journal of Agronomy, v. 14, n. 2, p. 80, 2015.
TEN BROEK, J.; TEULING, A. J.; VAN LOON, A. F. Comparison of
drought indices for the province of Gelderland, the Netherlands.
DROUGHT-R&SPI Technical Report 16, Wageningen University,
Wageningen, the Netherlands, 2014.
THOM, Herbert Conrad Schlueter. Some methods of climatological
analysis. 1966.
VAN LOON, A. F.; VAN LANEN, H. A. J.. Making the distinction
between water scarcity and drought using an observation-modeling
framework. Water Resources Research, [s.l.], v. 49, n. 3, p.1483-1502,
mar. 2013. Wiley-Blackwell.
VAN LOON, Anne F. et al. Drought in a human-modified world:
reframing drought definitions, understanding, and analysis
84
approaches. Hydrology And Earth System Sciences, [s.l.], v. 20, n. 9,
p.3631-3650, 8 set. 2016. Copernicus GmbH.
VAN LOON, Anne F.. Hydrological drought explained. Wiley
Interdisciplinary Reviews: Water. Birmingham, UK, v. 2, n. 4, p. 359-
392. jul./ago. 2015.
VICENTE-SERRANO, Sergio Martín; CUADRAT, José María.
Desarrollo de un método analítico para la obtención del SPI
(Stansardized Precipitation Index) como herramienta para el
seguimiento y prevención de sequías climáticas. In: La información
climática como herramienta de gestión ambiental bases de datos y
tratamiento de series climatólogicas: Reunión Nacional de
Climatología (7th 2002 Albarracín, España). 2002. p. 145-154.
VICENTE-SERRANO, Sergio M. et al. Drought patterns in the
Mediterranean area: the Valencia region (eastern Spain). Climate
Research, [s.l.], v. 26, p.5-15, 2004.
VICENTE-SERRANO, Sergio M. et al. A multiscalar global evaluation
of the impact of ENSO on droughts. Journal Of Geophysical
Research, [s.l.], v. 116, n. 20, p.1-23, 20 out. 2011.
WILHITE, Donald A.. Drought as a Natural Hazard: Concepts and
Definitions. In: WILHITE, Donald A. (Ed.). Drought: A Global
Assesment. Londres: Routledge, 2000. p. 3-18.
WILHITE, Donald A.; GLANTZ, M. H. Understanding the Drought
Phenomenon: The Role of Definitions. Water International, v. 10, n. 3,
p. 111-120, 1985.
WMO. Atlas of Mortality and Economic Losses from Weather,
Climate and Water Extremes (1970-2012), WMO-No.1123. Geneva,
Switzerland: World Meteorological Organization, 2014.
ZARGAR, Amin et al. A review of drought indices. Environmental
Reviews, [s.l.], v. 19, n. , p.333-349, dez. 2011. Canadian Science
Publishing.
85
APÊNDICE A - ROTINA PARA O CÁLCULO DO SPI
function spi = SPI(ArquivoPlu)
DadosPlu = dlmread(ArquivoPlu)
% entrada
% coluna 1: dias
% coluna 2: meses
% coluna 3: anos
% coluna 4: precipitação (mm)
% coluna 5: consistência
PrimeiroMes = DadosPlu(1, 2); MenorAno = min(DadosPlu(:, 3)); MaiorAno = max(DadosPlu(:, 3)); Somas = zeros(12, MaiorAno - MenorAno + 1);
%Soma dos valores diarios de precipitação
%Resultado em precipitação mensal
for i = 1:length(DadosPlu) Mes = DadosPlu(i, 2); Ano = DadosPlu(i, 3) - MenorAno + 1; Somas(Mes, Ano) = Somas(Mes, Ano) +
DadosPlu(i, 4); end
MesAno = sortrows(unique(DadosPlu(:, 2:3),
'rows'), 2) temp = reshape(Somas,[],1) VetorSomas =
temp(PrimeiroMes:(size(MesAno,1)+PrimeiroMes-1))
SomasMesAno = [MesAno, VetorSomas];
VetorSoma = SomasMesAno(:, 3);
% define a escala de tempo do SPI Timescale = 3;
86
% define o tamanho da matriz soma movel (SomaMov) SomaMov = zeros(1, length(VetorSoma) -
(Timescale - 1));
%Soma movel for i = 1:length(SomaMov) SomaMov(i) = sum(VetorSoma(i:(i + Timescale
- 1))); end
% remove algum valor NaN que existir SomaSemNaN = SomaMov(~isnan(SomaMov));
%calcula os valores de Beta e Alpha da função Gama Fit = gamfit(SomaSemNaN);
% Ajuste para a Função Ditribução Cumulativa Gama GammaDist = gamcdf(SomaMov, Fit(1), Fit(2));
% Calcula SPI como a normal inversa Spi = norminv(GammaDist);
% saída % coluna 1: meses
% coluna 2: anos
% coluna 3: SPI % coluna 4: precipitação acumulada (mm)
spi = [MesAno(Timescale:end, :), Spi',
SomaMov'];
end
87
APÊNDICE B - ANOS MAIS SECOS NO PERÍODO DE ANÁLISE
(1975 - 2010)
A seguir são representados os histogramas de distribuição de
ocorrência de eventos de seca ao longo do período de análise para as
escalas de tempo SPI-6, SPI-9 e SPI-24. Sendo considerados somente os
casos em que houve ocorrência de eventos de seca em 60% do ano ou
mais.
Figura B1- Anos que apresentaram eventos de seca em 60% do tempo para
SPI-6.
88
Figura B2- Anos que apresentaram eventos de seca em 60% do tempo para
SPI-9.
Figura B2- Anos que apresentaram eventos de seca em 60% do tempo para
SPI-24.