Iago José 2022
Iago José.pdf
Documento PDF (3.5MB)
Documento PDF (3.5MB)
UNIVERSIDADE FEDERAL DE ALAGOAS
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
PROGAMA DE PÓS-GRADUAÇÃO EM METEOROLOGIA
IAGO JOSÉ DE LIMA SILVA
PERÍODOS ÚMIDOS E SECOS NO ESTADO DE ALAGOAS VIA ÍNDICE DE SECA
Maceió - AL
Abril, 2022
UNIVERSIDADE FEDERAL DE ALAGOAS
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
PROGAMA DE PÓS-GRADUAÇÃO EM METEOROLOGIA
IAGO JOSÉ DE LIMA SILVA
PERÍODOS ÚMIDOS E SECOS NO ESTADO DE ALAGOAS VIA ÍNDICE DE SECA
Dissertação de Mestrado apresentada ao
Programa de Pós-Graduação em Meteorologia
do Instituto de Ciências Atmosféricas da
Universidade Federal de Alagoas, como
requisito parcial para obtenção do grau de
Mestre em Meteorologia, área de concentração
Processos de Superfície Terrestre.
Orientador: Prof. Dr. José Francisco de
Oliveira Júnior
Coorientador: Prof. Dr. Givanildo de Gois
Maceió - AL
Abril, 2022
Catalogação na Fonte
Universidade Federal de Alagoas
Biblioteca Central
Divisão de Tratamento Técnico
Bibliotecário: Marcelino de Carvalho Freitas Neto – CRB-4 – 1767
S586p
Silva, Iago José de Lima.
Períodos úmidos e secos no estado de Alagoas via índice de seca / Iago José de
Lima Silva. – 2022.
119 f. : il.
Orientador: José Francisco de Oliveira Júnior.
Coorientador: Givanildo de Gois.
Dissertação (Mestrado em Meteorologia) – Universidade Federal de Alagoas.
Instituto de Ciências Atmosféricas. Maceió, 2022.
Bibliografia: f. 82-119.
1. Chuva. 2. Seca. 3. Recursos hídricos - Alagoas. 4. Índices de seca. 5. Avaliação de
riscos ambientais. I. Título.
CDU: 551.577.37/.38(813.5)
UNIVERSIDADE FEDERAL DE ALAGOAS
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
COORDENAÇÃO DE PÓS-GRADUAÇÃO EM METEOROLOGIA
CERTIFICADO DE APRESENTAÇÃO
N.º de ordem: MET-UFAL-MS-189.
“PERÍODOS ÚMIDOS E SECOS NO ESTADO DE ALAGOAS VIA ÍNDICE DE SECA.”
IAGO JOSÉ DE LIMA SILVA
Dissertação submetida ao colegiado do Curso de
Pós-Graduação em Meteorologia da Universidade
Federal de Alagoas - UFAL, como parte dos
requisitos necessários à obtenção do grau de
Mestre em Meteorologia.
Aprovado pela Banca Examinadora composta por:
_____________________________________________________
Prof. Dr. José Francisco de Oliveira Junior
(Orientador)
______________________________________________________
Prof. Dr. Heliofábio Barros Gomes
(Membro Interno)
______________________________________________________
Prof. Dr. Givanildo de Gois
(Membro Externo)
______________________________________________________
Prof. Dr. Claudio José Cavalcante Blanco
(Membro Externo)
______________________________________________________
Dra. Josicléia Pereira Rogério
(Membro Externo)
ABRIL/2022
DEDICATÓRIA
Dedico a Deus e a minha família, por todo amor, apoio e compreensão.
AGRADECIMENTOS
Agradeço primeiramente a Deus por ter me dado saúde, paciência e perseverança
para superar os momentos difíceis que ultrapassei nessa jornada em uma nova área do
conhecimento, com a finalidade de realizar o sonho de ser professor e para isso, é preciso
passar por essas etapas acadêmicas. Os momentos que estive fisicamente sozinho estudando
no meu quarto, espiritualmente Deus sempre se fez presente.
A minha mãe Cléris por todo o amor que sempre me deu e por ser meu grande
exemplo na área acadêmica, todas as mihnas conquistas são frutos da educação que a senhora
me deu e tem me dado.
Ao meu pai Ivan por ter me incentivado de todas as formas possíveis e por todo o
apoio nos bons e maus momentos, e pelos sacrifícios financeiros que fez e faz pela minha
formação acadêmica.
A minha irmã Iona que depositou toda sua confiança na realização do meu sonho,
minha grande incentivadora, amiga de estudos para concursos, que me ajudou a lograr êxito
em um concurso em 2021.
A minha companheira de vida Vanessa por todo amor, e por me acompanhar desde a
graduação, e que durante esse tempo tornou-se minha confidente e conselheira, ajudando-me
em todos os momentos.
A meu avó, Zé Escoteiro, que paralelamente ao mestrado foi diagnosticado com
Alzheimer e desde então eu divido minhas obrigações diárias com os seus cuidados higiênicos
e de saúde, essa experiência por mais difícil que seja é a que mais me ensina.
Aos meus colegas de Mestrado, especialmente ao amigos Valter e Lourdes, por toda
ajuda e ensinamentos nas matérias que eu tive dificuldade.
A todos os mestres que tive na vida, do jardim de infância a Dissertação.
A todos os funcionários e professores que fazem a Universidade Federal de Alagoas,
e especialmente o ICAT acontecer, principalmente ao secretário Rafael que foi sempre
solicito em esclarecer minhas dúvidas.
Ao meu Orientador Prof. Dr. José Francisco de Oliveira Júnior e meu coorientador
Prof. Dr. Givanildo de Gois, por enxergarem a educação de uma forma humanitária, sempre
tentando sanar minhas deficiências acadêmicas e potencializar meus pontos fortes, e que no
momento mais difícil não permitiram que eu desistisse do curso, sou grato porque vocês me
fizeram enxergar que a universidade não é a selva que eu havia vivenciado na graduação, mas
um instrumento de disseminação do conhecimento. Espero que nossa amizade persista, e que
eu possa me tornar também um professor, assim como os senhores.
A todos os familiares e amigos que torceram por mim e que de alguma forma
contribuíram para esse momento.
“Mesmo que já tenhas feito uma longa caminhada, há sempre um novo caminho a fazer”.
(Santo Agostinho)
RESUMO
O estado de Alagoas tem sua base econômica voltada para a agricultura, sendo o
conhecimento dos períodos de chuva e seca de fundamental para o sucesso dos
empreendimentos agrícolas. O objetivo foi caracterizar os períodos chuvosos e secos no
estado de Alagoas por meio de análise multivariada aplicada ao Standardized Precipitation
Index (SPI). Utilizaram-se incialmente dados pluviométricos mensais de 54 estações no
período (1960-2016), esses dados apresentavam falhas que foram preenchidas via método de
imputação múltipla, preenchidos e validados, onde Sertão (r=0,65; R2=0,42; EPE=54,85 mm;
RQEM=54,84 mm), Agreste (r= 0,69; R2=0,47; EPE=70,97 mm; RQEM=70,97 mm) e Leste
(r= 0,61; R2=0,37; EPE=154,87 mm; RQEM=109,48 mm). A análise de agrupamento (AA)
foi aplicada às séries temporais (definição de regiões homogêneas) e SPI-12 (anual) (determinação dos períodos de seca e chuva). A chuva anual acumulada apresentou dois
períodos distintos: 1960 a 1990 (P1) e 1990 a 2016 (P2), segundo o teste de Pettitt. Ambos os
períodos se alternam de acordo com as fases de La Niña e Neutro (anos chuvosos) e El Niño
(anos secos). Na precipitação mensal, apenas a parte leste de Alagoas aumentou os meses
chuvosos na série histórica. Dos métodos de conexão testados, a conexão média, avaliado
através do coeficiente de correlação cofenética (CCC = 0,8760) identificou grupos
homogêneos de precipitação, caracterizando duas regiões, uma no litoral (G1) e outra mais ao
interior (G2), e dois grupos não homogêneos (NA) no estado. O SPI anual ajudou a identificar
os períodos secos e úmidos, independentemente da categorização do El Niño-Oscilação Sul
(ENOS). As categorias do SPI-12 apresentam alta variabilidade anual e decadal nos grupos,
exceto como extremamente seca e úmida. Há maior variabilidade nos períodos de seca e
chuva próximo ao litoral do que no interior do Estado.
Palavra-chave: chuva; seca; recursos hídricos; índice de seca climática; regionalização de
risco.
ABSTRACT
The state of Alagoas has its economic base focused on agriculture, and knowledge of
the rainy and dry periods is essential for the success of agricultural enterprises. The objective
was to characterize the rainy and dry periods in the state of Alagoas through multivariate
analysis applied to the Standardized Precipitation Index (SPI). Initially, monthly rainfall data
from 54 stations in the period (1960-2016) were used. These data had gaps that were filled in
via the multiple imputation method, filled in and validated, where Sertão (r=0.65; R2=0.42;
EPE=54.85 mm; RQEM=54.84 mm), Agreste (r= 0.69; R2=0.47; EPE=70.97 mm;
RQEM=70.97 mm) and East (r= 0, 61; R2=0.37; EPE=154.87 mm; RQEM=109.48 mm).
Cluster analysis (AA) was applied to time series (definition of homogeneous regions) and
SPI-12 (annual) - (determination of dry and rainy periods). The accumulated annual rainfall
presented two distinct periods: 1960 to 1990 (P1) and 1990 to 2016 (P2), according to the
Pettitt test. Both periods alternate according to the phases of La Niña and Neutral (rainy
years) and El Niño (dry years). In terms of monthly rainfall, only the eastern part of Alagoas
increased the number of rainy months in the historical series. Of the connection methods
tested, the average connection, evaluated through the cophenetic correlation coefficient (CCC
= 0.8760) identified homogeneous groups of precipitation, characterizing two regions, one on
the coast (G1) and another further inland (G2), and two non-homogeneous groups (NA) in the
state. The annual SPI helped to identify dry and wet periods, regardless of the El NiñoSouthern Oscillation (ENSO) categorization. The SPI-12 categories show high annual and
decadal variability across groups, except as extremely dry and wet. There is greater variability
in the dry and rainy periods near the coast than in the interior of the state.
Keywords: rainfall; drought; water resources; climatic drought index; risk regionalization.
LISTA DE FIGURAS
Figura 1: Localização geográfica e distribuição espacial das 20 estações meteorológicas nas
mesorregiões (Leste, Sertão e Agreste) do estado de Alagoas (AL) e classificação KöppenGeiger (Am, Aw e BSh). .......................................................................................................... 46
Figura 2: Distribuição dos percentuais de falhas (%) das chuvas mensais das 54 estações
pluviométricas no período de 1960 a 2016. .............................................................................. 48
Figura 3: Diagrama de espalhamento (1:1) dos dados observados versus dados imputados
(mm) nas mesorregiões Sertão (a), Agreste (b) e Leste (c) do Estado de Alagoas. ................ 57
Figura 4: Distribuição da chuva acumulada anual (mm) em Alagoas (a), nas mesorregiões
Leste (b), Agreste (c), e Sertão Alagoano (d) no período de 1960 a 2016. .............................. 61
Figura 5: Boxplot da chuva mensal (mm) nas mesorregiões do Sertão (a), Agreste (b), e
Leste Alagoano (c) no período de 1960 a 2016. ....................................................................... 62
Figura 6: Distribuição espacial da chuva mensal (mm) no período seco do Estado de Alagoas
entre 1960-2016. ....................................................................................................................... 64
Figura 7: Distribuição espacial da chuva mensal (mm) no período de transição do Estado de
Alagoas entre 1960-2016. ......................................................................................................... 66
Figura 8: Distribuição espacial da chuva mensal (mm) no período chuvoso do Estado de
Alagoas entre 1960-2016. ......................................................................................................... 67
Figura 9: Soma dos quadrados dos grupos (a) e dendrograma de conexão média para grupos
homogêneos de precipitação (G1 e G2) e grupos não homogêneos (NA) - (b) para as 20
estações meteorológicas no estado de Alagoas entre 1960 a 2016........................................... 69
Figura 10: Distribuição espacial de grupos homogêneos de precipitação (Grupos 1 e 2) e
grupos não homogêneos (NA) para as 20 estações meteorológicas no estado de Alagoas entre
1960 a 2016. ............................................................................................................................. 73
Figura 11: Distribuição temporal da precipitação e média anual (mm) no Grupo 1 (a), Grupo
2 (b), Porto Calvo (c) e Maceió (d) no estado de Alagoas entre 1960 a 2016.......................... 75
Figura 12: Distribuição temporal do SPI-12, estação Murici (a - grupo homogêneo G1),
União dos Palmares (b - grupo homogêneo G2), Porto Calvo (c - grupo NA) e Maceió (d grupo NA) para o período de 1960 a 2016. .............................................................................. 77
Figura 13: Distribuição decadal do total de eventos SPI-12 e suas respectivas categorias,
estação Murici (a - grupo homogêneo G1), União dos Palmares (b - grupo homogêneo G2),
Porto Calvo (c - grupo NA) e Satuba (d - grupo NA) para o período de 1960 a 2016. ............ 79
LISTA DE TABELAS
Tabela 1: Coeficiente de correlação de Pearson (r) e a sua respectiva classificação .............. 47
Tabela 2: Descrições básicas de 20 estações meteorológicas e seus percentuais de dados
perdidos nas mesorregiões do estado de Alagoas. .................................................................... 49
Tabela 3: Classificação do SPI ................................................................................................ 53
Tabela 4: Identificação dos anos e meses de mudanças repentinas nas séries temporais
pluviométricas por meio do teste de Pettitt aplicado às 20 estações meteorológicas existentes
nos municípios de Alagoas. ...................................................................................................... 58
Tabela 5: Resumo dos métodos de análise de agrupamento aplicados à série temporal de
precipitação (1960-2016) com CCC e significância, respectivamente..................................... 68
Tabela 6: Resumo estatístico (média, mediana, mínimo, máximo, desvio padrão - DP e
coeficiente de variação - CV%) dos grupos homogêneos de precipitação (G1 e G2) e não
homogêneos (NA) das 20 estações meteorológicas pertencentes ao estado de Alagoas.......... 71
LISTA DE QUADROS
Quadro 1: Índices de seca de modelagem mista ..................................................................... 37
Quadro 2: Índices de seca de sensoriamento remoto .............................................................. 37
Quadro 3: Índices de seca de umidade do solo ....................................................................... 38
Quadro 4: Índices de seca hidrológicas................................................................................... 38
Quadro 5: Índices de seca meteorológicos .............................................................................. 39
Quadro 6: Índices de seca meteorológicas (continuação) ....................................................... 40
LISTA DE EQUAÇÕES
Equação 1: Coeficiente de Determinação
47
Equação 2: Coeficiente de Pearson
47
Equação 3: Erro Padrão de Estimativa
47
Equação 4: Raiz Quadrada do erro Quadrático Médio
47
Equação 5: Teste de Pettitt
51
Equação 6: Teste de Pettitt (kmáx)
52
Equação 7: Teste de Pettitt (significância)
52
Equação 8: Teste de Pettitt (kcrit)
52
Equação 9: SPI
52
Equação 10: Distância Euclidiana
54
Equação 11: Coeficiente de Correlação Cofenética
54
Equação 12: Médias Aritméticas
54
Equação 13: Médias Aritméticas
54
LISTA DE SIGLAS E ABREVIATURAS
AA
Análise de Agrupamento
AB
Alta da Bolívia
AHE
Analise Harmônica e Espectral
Am
Clima Tropical de Monções,
ANA
Agência Nacional de Águas
ASAS
Alta Subtropical do Atlântico Sul
ASPI
Índice de Precipitação Agrícola Padronizado
Aw
Tropical Clima com Inverno Seco
BSh
Clima Semi-Árido e Quente
CA
Cluster Analysis
CB
Circulações de Brisa
CCC
Coeficiente de Correlação Cofenética
CCM’s
Complexos Convectivos de Mesoescala
CGA
Circulação Geral da Atmosfera
CIVA
Camada de Inversão de Ventos Alísios
CLA
Camada Limite Atmosférica
CRDI
Índice de Seca de Reconhecimento de Culturas
DOI
Dipolo do Oceano Índico
DOLS
Distúrbios de Ondas Leste
DOVA
Distúrbios de Ondas nos Ventos Alísios
DP
Desvio Padrão
E
Leste
ENEB
Leste do Nordeste
ENOS
El Niño Oscilação Sul
EPE
Erro Padrão da Estimativa
ERDI
Índice de Seca de Reconhecimento Efetivo
GTSMIA Gradiente de Temperatura da Superfície do Mar Inter-hemisférico do Atlântico
HN
Hemisfério Norte
HS
Hemisfério Sul
IBGE
Instituto Brasileiro de Geografia e Estatística
INO
Índice Niño Oceânico
LI
Linhas de Instabilidade
MRM
Região Metropolitana de Maceió
N
Norte
N/NE
Norte-Nordeste
NDVI
Índice de Vegetação por Diferença Normalizada
NE
Nordeste
NEB
Nordeste do Brasil
NNEB
Norte do Nordeste do Brasil
NW
Noroeste
OAN
Oscilação do Atlântico Norte
ODP
Oscilação Decadal do Pacífico
OL
Ondas de Leste
OMJ
Oscilação Madden-Julian
RDI
Reconnaissance Seca Index
RMSE
Raiz Quadrada do Erro Quadrático Médio
ROL
Radiação de Onda Longa
S
Sul
SCAN
Oscilação do Atlântico Norte Padrão Escandinavo
SF
Sistemas Frontais
SNEB
Sul do Nordeste
SPI
Índice de Precipitação Padronizado
SPIS
SPI em modo S
TSM
Temperatura da Superfície do Mar
VCAN
Vórtices Ciclônicos em Altos Níveis
W
Oeste
ZCAS
Zona de Convergência do Atlântico Sul
ZCIT
Zona de Convergência Intertropical
SUMÁRIO
1
INTRODUÇÃO ................................................................................................................ 18
2
OBJETIVOS ..................................................................................................................... 20
3
2.1
Geral ............................................................................................................ 20
2.2
Específicos ................................................................................................... 20
REFERENCIAL TEÓRICO ............................................................................................. 21
3.1
4
Sistemas Meteorológicos no NEB ................................................................ 21
3.1.1
Zona de Convergência Intertropical (ZCIT) ........................................... 22
3.1.2
Zona de Convergência do Atlântico Sul ( ZCAS) ................................... 23
3.1.3
Sistemas Frontais (SF) .......................................................................... 24
3.1.4
Vórtices Ciclônicos de Altos Níveis (VCAN) .......................................... 26
3.1.5
Distúrbios Ondulatórios de Leste (DOL) ................................................ 27
3.1.6
Complexos Convectivos de Mesoescala (CCM) .................................... 28
3.1.7
Linha de Instabilidade (LI) ..................................................................... 30
3.2
Modos de variabilidade climática que intensificam a Seca........................... 31
3.3
Índices de Seca: Novos e Clássicos ............................................................ 35
3.4
Impacto da Seca na Produção Agrícola e Gerenciamento de Água ............ 42
MATERIAL E MÉTODOS .............................................................................................. 46
4.1
Caracterização da Área de Estudo .............................................................. 46
4.2
Organização e Controle de Qualidade dos Dados ....................................... 47
4.3
Imputação dos Dados .................................................................................. 51
4.4
Teste de Pettitt ............................................................................................. 51
4.5
Standardized Precipitation Index - SPI ......................................................... 52
4.6
Estatística Descritiva .................................................................................... 53
4.7
Mapas de Chuva mensal de Alagoas ........................................................... 53
4.8
Análise Multivariada ..................................................................................... 54
5
RESULTADOS E DISCUSSÃO ...................................................................................... 56
5.1
Validação dos Dados de Imputação ............................................................. 56
5.2
Teste de Pettitt ............................................................................................. 57
5.3
Chuva Anual (1960-2016) ............................................................................ 59
5.4
Chuva Mensal (1960-2016) .......................................................................... 62
5.4.1
Estação seca ......................................................................................... 64
5.4.2
Estação de Transição ............................................................................ 65
5.4.3
Estação Chuvosa................................................................................... 66
5.5
Regiões Homogêneas de Chuva ................................................................. 67
5.5.1
Temporal ............................................................................................... 67
5.5.2
Espacial ................................................................................................. 72
5.6
Análise Multivariada aplicada ao SPI-12 ...................................................... 75
5.6.1
Anual ..................................................................................................... 75
5.6.2
Decadal ................................................................................................. 78
6
CONCLUSÕES ................................................................................................................ 80
7
REFERÊNCIAS BIBLIOGRÁFICAS ............................................................................. 82
18
1
INTRODUÇÃO
A variabilidade espaço-temporal da precipitação local e/ou regional está diretamente
ligada às frequências de ocorrência dos sistemas meteorológicos, os modos de mudança
climática e as condições fisiográficas da região (por exemplo, relevo, vegetação e
proximidade de corpos d'água) - (MOLION e BERNARDO, 2002; REBOITA et al., 2010;
LYRA et al., 2017; CORREIA FILHO et al., 2018; JARDIM et al., 2019; COSTA et al.,
2021). Eventos hidrometeorológicos (por exemplo, secas e inundações) afetam diferentes
regiões do mundo (GUENANG e KAMGA, 2014; ESHETU et al., 2016; PRAMUDYA et al.,
2019; TIGKAS et al., 2020), com ênfase na região do semiárido brasileiro (MARENGO et al.,
2018; CUNHA et al., 2018), uma vez que mais de 50% dos registros de seca no país são
apresentados para essa localidade (AZEVEDO et al., 2018).
Vários sistemas meteorológicos multiescala interferem na variabilidade e intensidade
das chuvas na região Nordeste do Brasil (NEB), com destaque para a Zona de Convergência
Intertropical (ZCIT), a Zona de Convergência do Atlântico Sul (ZCAS), os Sistemas Frontais
(SF), Vórtices Ciclônicos de Altos Níveis (VCANs), Distúrbios de Ondas nos Ventos Alísios
(DOVA), Circulações de Brisa (CB), Camada de Inversão de Ventos Alísios (CIVA),
Distúrbios de Ondas Leste (DOLs) e as Linhas de Instabilidade (LI) - (RAO et al., 1993;
MOLION E BERNARDO, 2002; GALVÍNCIO et al., 2010; REBOITA et al., 2010; PONTES
DA SILVA et al., 2011; LYRA et al., 2014; VALE SILVA et al., 2018; SOUZA et al., 2020;
RODRIGUES et al., 2020; COSTA et al., 2021). Além disso, existem modos de variabilidade
climática, por exemplo, o El Niño-Oscilação Sul (ENOS), o Gradiente de Temperatura da
Superfície do Mar Inter-hemisférico do Atlântico (GTSMIA), a Oscilação Decadal do
Pacífico (ODP) e a Oscilação Madden-Julian (OMJ), que interferem nos volumes de chuva do
NEB e intensidades de seca (FERREIRA et al., 2004; REBOITA et al., 2010; DA SILVA et
al., 2010; LYRA et al., 2017; DA SILVA et al., 2020).
O fenômeno da seca no NEB é estudado há décadas. Nos últimos anos, ganhou destaque
devido à intensificação de sua ocorrência nas suas diferentes sub-regiões: i) Meio-Norte; ii)
Sertão; iv) Agreste; v) Zona da Mata. Esse fenômeno prejudica a população, a economia local
e precisa ser cuidadosamente monitorado e investigado, principalmente devido aos impactos
nas condições hídricas (ROSSATO et al., 2017). Na literatura científica, o fenômeno da seca é
classificado em quatro tipos: i) meteorológico, ii) agrícola, iii) hidrológico e iv)
socioeconômico; tais definições são encontradas em detalhes em Blain e Brunini (2007) e
Ding et al. (2021). Uma das formas de estudar a seca é baseado nos índices de seca. Por
19
exemplo, Guenang e Kamga (2014) usaram o Standardized Precipitation Index (SPI) para
avaliar a ocorrência de seca na região dos Camarões. Eshetu et al. (2016) analisaram as
tendências de precipitação com base no SPI na Etiópia. Pramudya et al. (2019), com base no
SPI, estudou secas severas na Indonésia e Tigkas et al. (2020) usaram o Reconnaissance Seca
Index (RDI) para a seca na agricultura na região da Grécia. Nas regiões brasileiras, as
aplicações dos índices de seca são de suma importância, com destaque para os estudos com o
SPI, utilizado por Blain e Brunini (2007) no estado de São Paulo, Sobral et al. (2019) no
estado do Rio de Janeiro e Oliveira Júnior et al. (2012) e Lyra et al. (2017) no estado de
Alagoas.
No NEB, o desenvolvimento agropecuário é predominantemente dependente das
chuvas, com destaque para o setor agrícola, e suas variações interferem no rendimento das
lavouras e perdas econômicas (DA SILVA, 2004; PEREIRA, 2014; SILVA et al., 2020;
JARDIM et al., 2021a). Os prolongados períodos de seca geram desequilíbrios:
socioeconômicos afetando diretamente o bem-estar da população local; hidrológico,
relacionado aos níveis dos reservatórios; agropecuária, referente à perda de produção da
agricultura familiar, bem como à morte de animais (bovinos, suínos, caprinos, entre outras
espécies); além de impactos na natureza, como degradação do solo e bioma Caatinga,
resultando no processo de desertificação (MARENGO et al., 2018; CORREIA FILHO et al.,
2019a; SILVA et al., 2020; SANTOS et al., 2020; JARDIM et al., 2021b). O estado de
Alagoas tem sua base econômica voltada para a agricultura (ex.: agricultura familiar e
sistemas de sequeiro) e pecuária. Portanto, conhecer a ocorrência de regiões úmidas e secas e,
principalmente, sua dinâmica é de fundamental importância para a economia e o bem-estar da
população.
20
2
OBJETIVOS
2.1
Geral
2.2
CARACTERIZAR os períodos úmidos e secos no estado de Alagoas via índice SPI.
Específicos
VALIDAR o método de imputação de dados no preenchimento de falhas da série
temporal;
IDENTIFICAR mudanças na série temporal de chuva referente aos meses e anos via
teste de Pettitt;
AVALIAR a variabilidade da chuva mensal nas mesorregiões de Alagoas;
DEFINIR regiões homogêneas de chuva via análise multivariada;
AVALIAR nos grupos homogêneos as variações anuais e decadais da precipitação
obtidas a partir da utilização do SPI.
21
3
REFERENCIAL TEÓRICO
3.1
Sistemas Meteorológicos no NEB
A seca é um fenômeno climático decorrente de chuvas abaixo da normal climatológica,
mas sua definição é variável e pode relacionar-se a diferentes áreas de estudo, como,
engenharia, agricultura, meteorologia e economia. (CUNHA, 2008; RAMALHO, 2013;
SILVEIRA, 2019) É sabido que a seca é dependente da variabilidade dos sistemas
meteorológicos que atuam na região (TSAKIRIS e VANGELIS, 2004; MACEDO et al.,
2010). Portanto, a seca é periódica e comum em diversos tipos de clima (QUIRING, 2009).
A região do NEB apresenta três tipos climáticos, segundo classificação climática de
Köppen-Geiger: i) “A” - clima tropical: presentes nos estados da Bahia, Ceará, Maranhão e
Piauí; ii) “Af” - clima tropical úmido: presente em parte do Maranhão e na divisa com o Pará,
nos estados da Bahia e Rio Grande do Norte e iii) “As” - clima tropical semiárido: em todo
sertão nordestino (SILVA et al. 2010). A chuva anual no NEB apresenta alta variabilidade,
com máximos de 2000 mm na costa e mínimos de 300 mm no interior do NEB (MOLION e
BERNADO, 2000; SILVA, 2003).
Essa diversidade climática é consequência de vários mecanismos físicos, tais como:
posição geográfica, topografia e vegetação, que interagem de forma simultânea e, assim
contribuem para variabilidade das chuvas no NEB (KAYANO e ANDREOLI, 2009).
Segundo Molion e Bernado (2000), os sistemas dinâmicos de grande escala (trata dos
fenômenos em escala regional ou geográfica) são responsáveis entre 30% a 80% das chuvas
no NEB, e os mecanismos de meso (refere-se aos fenômenos em escala local) e microescala
(que condiciona o clima em pequena escala) completam o restante das chuvas.
A ZCIT, SF, convecção local, os VCAN, circulações de brisas (marítima/terrestre,
vale/montanha, lacustres e de baías), são exemplos de sistemas meteorológicos de micro,
mesoescala e grande escala que influenciam o tempo e o clima e, consequentemente a
variabilidade intrasazonal da chuva no NEB (MELO et al., 2000; COSTA et al., 2004;
ALVES et al., 2006; GALVÍNCIO et al., 2010; NASCIMENTO, 2014) Vale ressaltar a
influência dos oceanos Pacífico e Atlântico sobre o clima dessa região que também
contribuem para variabilidade interanual da chuva (FERREIRA e MELLO, 2005).
22
Segundo Brito (2000), os sistemas meteorológicos ocorrem em diferentes estações do
ano (seca, chuvosa e de transição) e também em diferentes sub-regiões no NEB, por exemplo,
os SF’s ocorrem com maior frequência no período seco e na porção sul do Nordeste (SNEB) (COSTA et al., 2004); a ZCIT atua na estação de transição e chuvosa e nas regiões norte
(NNEB) e leste (ENEB) - (MELO et al., 2000); os DOLs ocorrem na época chuvosa e na
porção ENEB (NEVES, et al., 2016) e os VCAN’s que atuam nas estações seca e de transição
em todo o território nordestino (PINHEIRO, 2015).
Assim ocorre a interação dos principais sistemas meteorológicos citados anteriormente,
por exemplo, a ZCIT, as incursões dos SF’s na porção centro-sul, os episódios de VCAN,
como também a OMJ - (SILVA et al., 2017). Devido a essa interação ocorre o
estabelecimento da ZCAS ao norte da sua posição climatológica, seguido do aumento da
chuva principalmente em janeiro. Assim sendo, para os anos secos, onde nos meses de
janeiros ocorreram registros baixos de chuvas, as características atmosféricas de interação
citadas foram menos evidentes ou até mesmo contrárias (ALVES et al., 2006). Devido à
variabilidade espaço-temporal dos sistemas meteorológicos no NEB, o estudo da chuva e da
seca nessa região é bastante complexo (DANTAS et al., 2013; BARBOSA et al., 2014).
3.1.1 Zona de Convergência Intertropical (ZCIT)
A ZCIT tem seu posicionamento decisivo na caracterização das condições de tempo
e clima nas regiões tropicais, possuindo enorme influência na precipitação nos
trópicos(MELO et al., 2000; TESSLER E GOYA, 2005; FERREIRA e MELO 2005). A ZCIT
é o sistema meteorológico de extrema importância para a definição da quadratura chuvosa do
NEB, durante o primeiro semestre de cada ano, sua influência é fundamental em anos
chuvosos (XAVIER et al., 2003). Entretanto, é de conhecimento científico que os modos de
variabilidade climática, ENOS, ODP e o GTSMIA tendem a agravar ou inibir o desempenho
dos principais sistemas meteorológicos no NEB, a exemplo disso, a ZCIT (CARVALHO e
OYAMA, 2013; LYRA et al., 2017).
A ZCIT é definida como uma banda de nuvens que circunda a faixa equatorial do
planeta, sendo constituída pela confluência dos ventos alísios do Hemisfério Norte (HN) com
os ventos alísios do Hemisfério Sul (HS), em baixos níveis da atmosfera (FERREIRA e
MELLO, 2005). A convergência dos ventos alísios faz com que haja ascensão do ar quente e
úmido e, assim ocorre transporte da umidade do oceano até os altos níveis da atmosfera que,
dão origem às nuvens de desenvolvimento vertical, denominada Cumulusnimbus
(FUNCEME, 2020).
23
O movimento anual da ZCIT entre os hemisférios é uma das suas principais
características. A movimentação acontece quando a ZCIT acompanha a máxima de
Temperatura da Superfície do Mar (TSM), faixa conhecida como Equador Térmico, cuja
posição muda diante da posição da Terra em relação ao Sol (MENDONÇA e DANNIOLIVEIRA, 2007). Assim, a maior atuação da ZCIT ocorre sobre os oceanos, de modo que a
TSM é um dos principais fatores determinantes na sua posição e intensidade (FERREIRA e
MELLO, 2005).
Durante o ano, a posição da ZCIT alterna na linha do Equador. No Atlântico o
cinturão de nuvens ocorre de forma organizada, ao norte nos meses de junho e dezembro, e ao
sul nos meses de janeiro a maio. No Pacífico ocorre variação similar, porém, com maior
amplitude. Entretanto, a organização não ocorre da mesma forma devido à maior extensão na
direção leste para oeste (XAVIER et al., 2003). Esse sistema possui como principais
características: movimentos ascendentes, baixas pressões, banda de nebulosidade e chuvas no
sentido Leste-Oeste (MOLION e BERNARDO, 2002).
Relaciona-se à variabilidade interanual da ZCIT em anos mais secos, relaciona-se ao
fato de que nesse período sua posição estar mais ao norte de sua climatologia. Assim sendo
em anos com déficit pluviométrico, a ZCIT estabelece sua migração em direção ao norte em
meados de fevereiro ou início de março (MELO et al., 2009).
3.1.2
Zona de Convergência do Atlântico Sul ( ZCAS)
A ZCAS é caracterizada por uma banda de nebulosidade e chuvas no sentido
noroeste-sudeste (NW-SE), que compreende a Amazônia até o Sudeste do Brasil sobre o
oceano Atlântico Subtropical (CARVALHO e JONES, 2009). Possuem duração superior ou
igual a 4 dias (CARVALHO et al., 2002). A ZCAS atua no NEB principalmente no Sul da
Bahia entre os meses de novembro a março e, assim concentra chuva nesse período
(ZANELLA, 2014).
A ZCAS também sofre intervenção da convergência entre os ventos que ocorrem no
NEB, como ASAS que transporta calor e umidade do Oceano Atlântico para o interior do
continente. Nas regiões Norte e NEB, a ZCAS pode interferir nos índices pluviométricos,
visto que, esse setor está localizado próximo a sua posição climatológica. Em nível
continental a ZCAS é de extrema importância para a circulação do verão na AS - (REBOITA
et al., 2010).
24
Em estudo realizado na região SNEB por Chaves e Cavalcanti (2000) identificaram
que a Radiação de Onda Longa (ROL) em associação á ZCAS possuem caraterísticas em
comum aos eventos de chuva extrema da região estudada, onde estão localizados os estados
da Bahia, norte de Minas Gerais, extremo sul do Piauí e ainda a maior parte do estado de
Sergipe.
A ZCAS influencia a variabilidade temporal das chuvas em diversas escalas:
convectiva, sinótica, subsazonal e interanual (CORREIA, 2013). Carpenedo (2018)
relacionou anomalias nas chuvas com a associação da ZCAS em relação à quantidade das
chuvas convectivas no estado de Minas Gerais. Seluchi (2006) associou os padrões sinóticos
com a atuação da ZCAS, ocasionando chuvas intensas na região da Serra do Mar, no estado
do Rio de Janeiro. Andrade et al. (2012) avaliaram a variabilidade subsazonal associada à
ZCAS, através de funções ortogonais empíricas relacionadas com Radiações de Onda Longa
(ROL’s) sobre o centro-leste do Brasil. Carvalho et al. (2004) analisaram a variabilidade
interanual da ZCAS, através de dados de ROL, na AS, foram identificadas atividades
convectivas relacionadas à interação da ZCAS com a OMJ.
A ZCAS também influencia o regime pluviométrico de outras regiões da AS.
Drumond (2005) identificou a influência da ZCAS no transporte de umidade pelos Jatos em
Baixos Níveis (JBN) que acarretam na chuva na Amazônia e no Sudeste do Brasil. Já Herdies
et al., (2002) identificaram uma redução da umidade na região da Bacia da Prata, devido a
ZCAS, fato que causou uma redução nas chuvas do norte da Argentina, Paraguai, sul da
Bolívia e norte do Chile, nos meses de janeiro a fevereiro.
3.1.3 Sistemas Frontais (SF)
Um dos principais sistemas produtores de chuva no NEB é incursão dos SF’s até as
latitudes tropicais. Essa penetração ocorre nos meses de novembro a janeiro (FERREIRA e
MELLO, 2005). Ainda como caraterística, são associados a vários outros sistemas
meteorológicos, por exemplo, os VCAN’s e as ZCAS (MOLION e BERNARDO, 2002).
Os SF’s consistem em uma região de confluência entre uma massa de ar frio (maior
densidade) e uma massa de ar quente, (menor densidade), que por sua vez dão origem a
formação de nuvens e ocorrência de chuvas (FERREIRA e MELLO, 2005; COSTA, 2012).
Assim, um SF clássico consiste em três elementos: frente fria, frente quente e um centro de
baixa pressão (ANDRADE, 2005). Os SF’s ocorrem na AS em todo o ano, com registros de
maior intensidade em altas latitudes (CAVALCANTI e KOUSKY, 2009).
25
Na AS, existem SF’s que transitam na região costeira de seu território e são
caracterizadas na direção noroeste-sudeste (NW-SE) e mudam a rota de sudoeste (SW) para
nordeste (NE) - (RODRIGUES et al., 2004). Os SF’s são originados na zona de encontro
entre a Massa Polar Atlântica (mPa) e a Massa polar Tropical (mPt), dando origem às chuvas
principalmente nos meses de junho a agosto, nos estados de Alagoas, Sergipe e Bahia
(ZANELLA, 2014). Meneghetti e Ferreira (2009) classificam os SF’s, convecções locais e
vórtices cliclônicos como os sistemas meteorológicos que influenciam os regimes de chuva na
porção SNEB, Bahia, Norte de Minas Gerais e noroeste do Espírito Santo, Piauí e
Pernambuco.
Foram investigados extremos de chuva na costa leste do NEB, no mês de maio de
2009, através de dados pluviométricos e imagens dos satélites GOES 10 e METEOSAT 9, foi
constadado que na cidade de Maceió (AL), as chuvas foram causadas devido à entrada de SF
em latitudes baixas ou devido a resquícios dos mesmos sistemas, associados à convergência
de umidade na zona costeira, as chuvas causaram danos materiais à cidade (FIALHO e
MOLION, 2012).
Moscati e Gan (2006) relacionaram eventos de chuva extrema na região semiárida
Sul do NEB, com SF, ao todo 21 eventos extremos foram identificados na escala temporal
(1986-1977), sendo 15 desses eventos associados aos SF, desde o seu primeiro dia de
ocorrência, o fenômeno da chuva extrema teve condições favoráveis nesses casos, quando a
mudança da circulação atmosférica pré-frontal ocorreu.
Na região Sul do país os SF’s acoplados a mPa, são um dos principais sistemas
produtores de chuva (CORREIA E GALVANI, 2017). Gomes, (2012) relatou que as chuvas
no Litoral do Espírito Santo e Rio de Janeiro estão associados a SF. Na região Centro Sul do
Brasil é possível identificar a interferência da massa de ar Tropical Atlântica como via de
bloqueio dos avanços dos SF’s, ocasionando assim, a ampliação dos sistemas continentais
(BORSATO e HIERA, 2015).
A relação dos SF’s com a pluviometria também é estuada em outras regiões do
mundo, por exemplo, Uele et al., (2017) constataram que os Ciclones Tropicais e os SF’s têm
contribuição de curta duração na variabilidade espaço-temporal das chuvas na região da costa
de Moçambique. Risbey et al., (2013) demostraram que na região do sudeste da Austrália o
período de seca correspondeu com a redução da ocorrência dos SF’s.
26
3.1.4 Vórtices Ciclônicos de Altos Níveis (VCAN)
Os VCAN’s são sistemas de baixa pressão, que possuem o centro frio, circulação
ciclônica e são formados em altos níveis da atmosfera (FERREIRA et al. 2009; BEZERRA,
2016; NUNES, 2017; FERREIRA et al., 2019). No NEB e nas imediações, os VCAN’s são
responsáveis por ciclos de chuva ou de estiagem prolongada, sua influência irá depender do
setor em que o vórtice está atuando (REBOITA, 2017). Os VCAN’s têm atuado
preferencialmente no NEB entre os meses de dezembro e fevereiro, com maior intensidade
em janeiro (FERREIRA et al., 2009).
A configuração da nebulosidade dos VCAN’s determina se o sistema pode ser
classificado como vórtices úmidos ou vórtices secos. Os vórtices úmidos atingem a baixa
troposfera, e possuem alta nebulosidade, já os vórtices secos estão presentes na alta e média
troposfera e sua nebulosidade é escassa (COSTA, 2012).
Com base nas imagens do satélite METEOSAT 7, no canal infravermelho, Ferreira e
Mello apresentaram a forma aproximada a um círculo em movimento giratório, no sentido
horário. No centro ocorrem movimentos subsidentes, que aumentam a pressão e inibem a
formação de nuvens, mas ao redor ocorre a formação de nuvens causadoras de chuva.
Segundo Costa (2009) os VCAN’s são conhecidos por essa ambiguidade, ora produzem
chuva ora inibem a formação de nuvens e, consequentemente a chuva.
Os VCAN’s são sistemas que podem ser estacionários ou com deslocamento.
Quando ocorre o deslocamento, possuem preferência de trajetória para o oeste e percorrerem
cerca de 2000 km. De forma geral, os VCAN’s são alinhados verticalmente ou com inclinação
para leste, e possuem maior intensidade entre 500 e 200 hPa (MORAIS, 2016). Os VCAN’s
possuem tempo de vida de 4 a 11 dias, com deslocamento de 4º a 6º de longitude por dia
(MOLION e BERNARDO, 2002).
A importância dos VCAN’s nos índices pluviométricos do NEB se dá também a
partir da relação com outros dois sistemas atmosféricos atuantes na AS: a Alta da Bolívia
(AB) e a ZCAS. A interação com a AB é decorrente da incursão dos SF’s em direção a
latitudes baixas, já a intensificação da ZCAS, ocorre através de ondas de calor provenientes
da África ou do aumento dos cavados da alta troposfera oriundos do sudoeste do Saara
(FERREIRA et al., 2009).
Correia et al., (2012) chegaram à conclusão que eventos extremos como chuvas
extremas e enchentes em Petrolina (PE) no mês de janeiro de 2004, estão diretamente ligados
27
aos VCAN’s. Ainda na região do NEB, Germano (2016), conseguiu correlacionar alguns
casos de VCAN’s com eventos de chuvas extremas nas regiões de Recife, Maceió e Aracaju
entres os anos de 2011 a 2015. Segundo Gutiérrez (2004), os VCAN’s que atuam no leste do
Brasil intensificam os Vórtices Ciclônico de Baixo Nível (VCBN) no noroeste da Bolívia,
essa interação contribui para a formação de chuvas convectivas na região dos Andes do Peru.
3.1.5 Distúrbios Ondulatórios de Leste (DOL)
Os DOL, também conhecidos como Ondas de Leste (OL), são sistemas formados no
campo de baixa pressão atmosférica, na faixa tropical da esfera terrestre, pertencentes à área
de influência dos ventos alísios, com deslocamento de Oeste (W) em direção ao Leste (E), da
costa da África até o litoral leste brasileiro e causam chuvas intensas no ENEB (COSTA,
2012).
Em consequência da observação das DOL em várias regiões da zona tropical, foram
identificados no Pacífico leste e oeste, no Atlântico Norte, como também na África. Nas
proximidades da África, os ventos do leste originados dessa região são diretamente ligados à
atividade pluviométrica do NEB (SPINOZA, 2020). Dessa forma, os DOLs da África, são
bastante conhecidos e estudados, porque além de modularem o regime de chuva, podem
ocasionar a evolução tempestades tropicais e furacões, quando conseguem atravessar o
Atlântico do HS (MACHADO et al., 2009).
As chuvas provocadas pelos DOL’s especialmente na Zona da Mata, região que
compreende a porção que vai do Recôncavo Baiano até o Litoral do Rio Grande do Norte,
ocorrem em condições oceânicas e meteorológicas favoráveis. Os DOL’s, também conseguem
provocar chuvas no estado do Ceará, concentrando sua interferência favorável nas chuvas dos
meses de junho, julho e agosto, de forma principal na porção centro-norte do estado cearense
(FERREIRA e MELLO, 2005).
Em estudo realizado por Silva (2011b) foi constatado que os DOL’s são responsáveis
por índices pluviométricos em diversas regiões do NEB: pelo menos 70% das chuvas no
litoral norte de Alagoas e ao leste do Rio Grande do Norte, 60% dos índices pluviométricos
presenciados na Zona da Mata de Alagoas e o Agreste do Rio Grande do Norte, e 50% do
período chuvoso entre Sergipe e as demais regiões que compõem o Rio Grande do Norte.
28
Vaz (2011) analisou 376 eventos a partir de imagens de satélites meteorológicos:
GOES-8, GOES-9, GOES-10, GOES-12 e METEOSAT no canal vapor d’água (H2O), no
período entre 1999 a 2009, sendo que nos meses de junho, julho e agosto houve 117 eventos.
Destaque para junho com 55 eventos. Vaz (2011) também identificou DOL’s sobre o
Atlântico Tropical.
Silva (2011c) caracterizou episódios de DOL na costa ENEB nos meses de maio a
agosto entre 2005 a 2008. O regime de ventos durante 3 dias de vida, com velocidade de
propagação aproximada a 10 m/s e uma onda de comprimento de 3227 km. Segundo SILVA
(2011c), todos os eventos influenciados pelo DOL ocasionaram chuvas superiores a 80 mm.
Coutinho e Fisch (2007) analisaram os episódios de DOL’s na região de Alcântara-MA, os
autores observaram a ocorrência de DOL’s durante todo o ano, com durações entre 3 a 6 dias,
na estação chuvosa (janeiro a junho) foram identificadas 3 camadas de passagem do sistema
meteorológico, enquanto na estação seca (julho a dezembro), não se pode classificar uma
divisão de camadas específicas.
Os DOL’s também são estudados em outros lugares do mundo, por exemplo, Adam e
Stensurd (2007) empregaram o modelo de mesoescala da Universidade do Estado da
Pensilvânia, a fim de identificar a influência das DOL’s nas monções da América do Norte,
especificamente na região do Golfo na Califórnia. Berry et al., (2007) utilizaram técnicas
objetivas baseadas no campo de função de fluxo 700-hPa, com o intuito de identificar eventos
de DOL’s originados na África e relacionar com os ciclones tropicais na bacia do Oceano
Pacifico e Atlântico.
3.1.6 Complexos Convectivos de Mesoescala (CCM)
Os Complexos Convectivos de Mesoescala (CCM’s) provocam chuvas intensas e
trovoadas, seguidos de enchentes, alagamentos e deslizamento de terras (LYRA et al., 2018).
Os impactos dos CCM’s foram avaliados em estudos anteriores, por exemplo, Olímpio et al.
(2013) avaliaram a influência do CCM em Fortaleza (Ceará) em março/2012, onde a chuva
diária acumulada de 196,5 mm, foi registrada como 2ª maior chuva do município no mês
estudado. A maior concentração das chuvas provocadas pelos CCM’s ocorreu na região
costeira, diferentemente do interior do continente que não registrou chuvas.
29
Os CCM’s variam em diversas escalas espaciais, a partir de células isoladas até
aglomerados de nuvens com milhares de quilômetros, tais aglomerados podem ser
agrupamentos de nuvens de diferentes tipos, e possuir ciclo de vida que chega a durar dias. Os
CCM’s são causadores da maior parte das chuvas nos trópicos como também em diversas
localidades de latitude média no decorrer dos meses de janeiro a março. Na AS, além da
CCM’s destacam-se também as Linhas de Instabilidade (LI) - (ASSUNÇÃO et al., 2009).
Os CCM’s são predominantes nos meses de janeiro a março e setembro a dezembro,
com altos índices pluviométricos no NEB. Durante o período a TSM, em áreas próximas à
costa ENEB fica próxima de 29ºC nos dias de ocorrência da CCM’s (ALBUQUERQUE,
2011).
Fedorova et al, (2008) com base no modelo HYSPLIT, dados de temperatura e
imagens de satélite, analisaram o desenvolvimento e a trajetória dos CCM’s no Estado de
Alagoas, a fim de relacionar a ocorrência desses sistemas a eventos extremos como:
trovoadas, inundações. Fedorova et al, (2009) analisaram as características físicas e
morfológicas dos CCM’s no período de 2003 a 2006 também no mesmo estado, comprovando
que 90% das tempestades no oeste de Alagoas no período estudado foram ocasionadas pelos
CCM’s.
A ocorrência dos CCM’s no NEB acontece especialmente nos meses de janeiro a
março, na estação seca, com duração média de 11 horas e máxima evolução no início da noite
e madrugada. Com cerca de 500 km de área de diâmetro e temperatura no topo das nuvens
inferior a -40ºC em média (SILVEIRA, 2010).
Albuquerque (2011) mostrou a influência da topografia no desenvolvimento do
CCM’s no ENEB. Ele observou que em mais de 60% dos casos, as trajetórias dos CCM’s
seguiam para regiões de menor ou igual latitude daquela que se desenvolviam. Nos 40%
restante, iniciaram em zonas de baixas latitudes e, posteriormente seguiram para regiões de
maiores latitudes.
Em outras regiões do mundo, os CCM’s são também amplamente estudados, por
exemplo, Hill e Lin (2003) que rastrearam um CCM na Etiópia via imagens do METEOSAT7, onde o desenvolvimento e as consequências causadas por ele foram monitorados. Já
Campos et al., (2008) com base no satélite GOES-8 e no modelo regional BRAMS (Brazilian
Regional Atmospheric Modelling System) identificaram os CCM’s na região nordeste da
Argentina. Blamey e Reason (2012) adaptaram a técnica de correlação espacial máxima que é
30
um método direto e mecanizado, tem como finalidade rastrear nuvens de CCM, usada na
região amazônica, mas foi usado para analisar os CCM’s na região subtropical sul da África.
3.1.7 Linha de Instabilidade (LI)
As LI’s são oriundas normalmente da costa norte-nordeste (N/NE) da AS, com
capacidade de disseminação até o interior do continente, sendo responsável por elevado
registros de chuvas (COHEN et al., 2009). São compostas por nuvens responsáveis por
precipitação, principalmente as nuvens Cumulus, distribuídas em forma de linha (FERREIRA
e MELLO, 2005).
Segundo Alcântara et al., (2014) as LI’s podem ser classificadas como tempestades
multicelulares, e que, fatores como cisalhamento do vento podem atuar para agrupar a
convecção, jatos de médios e baixos níveis alteram a formação de nuvens, estimulando a ação
do vento, interferindo na intensidade, duração e desenvolvimento das LI’s.
A convecção originada das circulações das brisas juntamente com a interação dos
ventos alísios contribui para o surgimento de linhas de nuvens denominadas LI’s (REBOITA
et al., 2010). No NEB, segundo Molion e Bernardo (2002) a partir da aproximação de SF’s,
oriundos do Sul, são responsáveis pelo surgimento das LI’s. As LI’s possuem velocidade
média de deslocamento de 10º latitude/dia e dão origem aos índices pluviométricos superiores
a 50 mm dia, sendo predominantes durante os meses de abril a julho.
Em relação à variabilidade anual, as LI’s são definidas com forte intensidade entre
janeiro a março, nos meses de abril até agosto destacam-se as LI’s de média intensidade e,
após setembro até o fim do ano, as de baixa intensidade. Tal variabilidade está diretamente
associada à interação com a ZCIT no decorrer do ano. Vale ressaltar que as LI’s são
influenciadas pelas fases do ENOS, EL Niño e La Niña, com variabilidade interanual
(COHEN et al., 2009). As LI’s ocorrem normalmente em regiões tropicais, extratropicais,
continentais e oceânicas e, assim causam chuvas intensas (SILVA, 2008).
Além do NEB, na região Amazônica ocorrem bastante LI’s. Araújo et al., (2013)
avaliaram a distribuição espacial da passagem de uma LI na região amazônica no mês de
janeiro de 2005, bem como os danos causados por esse na região de Manaus, Alcântara
(2011) analisou com base no modelo atmosférico de mesoescala BRAMS um caso de LI
amazônico, observando que a formação ideal para o surgimento de uma LI na região estudada
é dada por um perfil de vento com jatos em baixos níveis com fraca intensidade, Alcântara et
al, (2014) investigaram um caso de LI amazônica relacionado com os ventos em Belém do
31
Pará, dentre os resultados foi observado à ocorrência de um jato profundo que resultou em
mais evaporação e secagem e, assim acarretou em maior ventilação das nuvens. Takemi
(2014) investigou a sensibilidade de variação das LI’s ao perfil vertical de temperatura e
umidade, através de um modelo não hidrostático atmosférico, que possui resolução de
convecção, foi verificado que o aumento da precipitação se dá pelo aumento da energia
potencial convectiva disponível.
3.2
Modos de variabilidade climática que intensificam a Seca
O clima possui modos de variabilidade anual, sazonal, interanual, decadal e
multidecadal (LINDEMANN e JUSTINO, 2015; CORREIA, 2015; SILVA e GRIMM, 2017;
PERES e MAIER, 2019). Tais modos de variabilidade produzem oscilações nos ciclos
climáticos em diversas regiões da Terra. Em função disso é necessário quantificar as ações
dos modos de variabilidade climática e, assim entender seus mecanismos as suas ações no
clima (CGEE, 2014).
A interpretação de variabilidade climática é explicada a partir de variações no estado
médio do clima, bem como outras peculiaridades estatísticas, a partir das variáveis nas escalas
temporais, espaciais ou até mesmo eventos individuais no tempo. Sendo capaz de ser avaliada
via desvios (anomalias), e categorizá-las como variabilidades internas ou externas (SILVA,
2018).
A variabilidade climática é inerente ao sistema climático terrestre, dessa forma irá
haver sempre oscilações naturais dentro dos padrões climáticos, sejam eles em níveis locais,
regionais e globais (CONFALONIERI, 2003). Dentre as modificações naturais, vale destacar
os padrões que surgem da interação oceano-atmosfera (DEWES, 2007).
Segundo Baed et al. (2001), a interatividade do sistema climático ocorre com base
em cinco elementos principais: i) atmosfera, ii) hidrosfera, iii) criosfera, iv) biosfera e a v)
superfície terrestre. Essas componentes são influenciadas por inúmeros mecanismos externos,
dentre eles o Sol, que é principal força motriz e externa de interferência (TAVARES, 2000;
FIORIN et al, 2011). A partir disso, o clima global apresenta diversos padrões de
variabilidade que organizam o clima da Terra.
Desse modo a variabilidade climática natural, no decorrer do tempo e espaço
interfere diretamente no regime de chuvas e, consequentemente nas chuvas extremas ou nas
secas severas. Neste cenário, o modo de variabilidade climática que se destaca é o ENOS –
(CUNHA et al., 2011; CABRAL e ALMEIRA, 2012; NÓBREGA e SANTIAGO, 2014;
32
LYRA et al.,2017). O ENOS causa modificações na relação oceano- atmosfera ao longo do
Oceano Pacífico Equatorial, com efeito, direto no padrão e na quantidade das chuvas em
escala global via teleconexões, que por sua vez interferem nas secas severas e prolongadas
(anomalias negativas) e chuvas extremas (anomalias positivas) - (PERES e MAIER, 2019).
As chuvas do Brasil são influenciadas pela variabilidade climática natural
(MARENGO, 2007; ANGELOCCI e SENTELHAS, 2010; OBERMAIER e ROSA, 2013). A
variabilidade interanual apresenta modificações no regime de chuva, embora seja menor do
que a variabilidade sinótica. Ademais, a variabilidade espacial da chuva está ligada a médias e
baixas latitudes, ou seja, com característica de secas nas latitudes subtropicais e chuvas em
latitudes tropicas do Brasil. Dentre os modos de variabilidade que atuam sobre o Brasil, o
ENOS é a principal causa da variabilidade interanual do clima (GRIMM, 2009).
A variabilidade climática afeta de forma severa as regiões semiáridas, uma vez que,
que há um aumento na temperatura do ar e mudanças no regime de chuva e, assim aumenta a
aridez desses territórios e também alterações fitogeográficas (LIMA et al., 2011; BASTOS e
CORDEIRO, 2012). A AS tem em sua delimitação grandes áreas semiáridas: i) a porção de
Guajira entre a Venezuela e Colômbia, ii) a transversa seca do Cone Sul que percorre
Argentina, Chile e Equador, iii) o território nordestino do Brasil, esse último é descrito por
altas temperaturas médias anuais, alta variabilidade espaço-temporal das chuvas e predomínio
da caatinga, o único bioma exclusivo do Brasil (NÓBREGA et al., 2016; CORREA FILHO et
al., 2019). Recentemente, Correa Filho et al., (2019) relacionaram a variabilidade da
precipitação via produto CHELSA (Climatologies at High resolution for the Earth’s Land
Surface Areas) com os biomas existentes no NEB: i) amazônico, ii) cerrado, iii) mata atlântica
e iv) caatinga. Os autores identificaram que ocorrem períodos de estações chuvosas distintos
para cada bioma e, ainda mostraram mais uma vez a interferência dos modos de variabilidade
na sazonalidade da região.
No NEB é comum à alta variabilidade interanual, especialmente em relação às
chuvas, sendo anos de extrema seca e outros com intensas chuvas e, assim interfere
diretamente no Gerenciamento dos Recursos Hídricos (MARENGO et al., 2011). Baseado em
estudos observacionais, existem claras evidências que o semiárido do NEB sofre influência
dos oceanos, no caso, dos Oceanos Pacifico Equatorial e Atlântico Tropical (SOUZA;
NOGUEIRA B. E NOGUEIRA S., 2017). Estudos recentes, por exemplo, Hirons e
Klingaman (2016) e Lyra et al. (2017), apontaram a existência de secas severas, relacionadas
a modos de variabilidade climática, ENOS e a ODP.
33
Diante dessas evidências, o NEB possui como principal controlador climático as
variações da TSM’s dos Oceanos Pacifico e Atlântico, que por sua vez causam variabilidade
espaço-temporal das chuvas e secas. As interações causadas pela TSM associada há anos de
ocorrência de El Niño causam anomalias positivas (chuvas), ao contrário, das anomalias
referentes aos eventos de La Niña, de forma negativa (secas). Dessa maneira em anos de El
Niño são observados que o ramo de ar descendente da Célula de Walker atua no NEB, com
baixa pluviometria. Em situações de La Niña, é constatado que o ramo de ar ascendente da
Célula de Walker sobre o Norte da AS, provoca chuvas no NEB e no Leste da Amazônia
(MARTINS e VASCONCELOS JUNIOR, 2017).
Segundo Olímpio (2017), destacam-se alguns modos de variabilidade na
interferência das chuvas ou secas do semiárido do NEB, por exemplo, o ENOS, o GITSMA e
a OMJ. Lyra et al., (2017) mostraram a relação entre o GITSMA e o ENOS, via analise
harmônica e espectral (AHE), que a posição da ZCIT é influenciada pelo ENOS e o GITSMA
na região do ENEB e ocasionam condições secas ou úmidas, principalmente no estado de
Alagoas.
O ENOS é conhecido por ser um fenômeno atmosférico gerado a partir da interação
oceano-atmosfera, que acontece no Oceano Pacifico, é considerada a principal causa da
variabilidade climática em inúmeras regiões do globo (CARVALHO et al., 2013). Após a
interação com as águas do mar, quando a TSM no Pacifico central e oriental estão mais
quentes que o normal ocorre o fenômeno El Niño (fase quente). Situação contrária, quando a
TSM dessa mesma região encontrasse mais fria que o normal, o evento é chamado de La
NIiña (fase fria) - (HIRONS e KLINGAMAN, 2016).
Suas anomalias têm durações de vários meses e de forma persistente, principalmente
na atmosfera tropical e provocam, por exemplo, secas na Austrália, Indonésia e no NEB ou
chuvas intensas no Peru, Equador (MARENGO et al., 2011). Por esse motivo, inúmeros
estudos vêm sendo realizados para avaliar as relações de El Niño e La Niña com épocas de
crise ou abundância hídrica no Brasil e, entre eles, destacam-se os estudos realizados por
Carvalho (2013) na região de Rio Largo, Alagoas, Marcuzzo e Romero (2013) no Estado de
Goiás, Araújo Júnior et al. (2014a) no estado do Ceará, Sansigolo e Reis (2014) no NEB,
Costa et al, (2015) na região Semiárida do Nordeste do Brasil, Oliveira et al, (2015) no Estado
do Mato Grosso, Silva et al., (2016) no centro do sul do estado do Ceará , Maurício et al,
(2016) no Estado da Paraíba , Krolow et al, (2017) na mesorregião Centro Ocidental Riograndense, Medeiros (2017) em microrregiões do Piauí, Ishizawa et al., (2018) em Sergipe,
34
Santos et al., (2018) no NEB, Viegas et al., (2019) em toda AS, Rodigheri et al, (2019)
microrregião de Passo Fundo, Rio Grande do Sul, Lucena et al., (2020) na Zona Oeste da
Cidade do Rio de Janeiro.
Outra anomalia decorrente da TSM e ainda observada no Atlântico, conhecida como
Dipolo ou gradiente do Atlântico Tropical, atualmente GITSMA, esse fenômeno interfere
diretamente na posição latitudinal da ZCIT e, assim altera a chuva sazonal no Atlântico
Equatorial, principalmente na porção norte do NEB (MARENGO, 2004; MARENGO, 2011).
Considerado uma anomalia definida entre a diferença das TSM’s entre as bacias do oceano
Atlântico norte e Atlântico Sul (FERREIRA e MELLO, 2005). No momento em que o
GITSMA encontrasse na fase negativa, ocorre o aumento da chuva sobre o NEB, o inverso
também é verdadeiro, quando está na fase positiva, a chuva é abaixo da média (SOUZA et al.,
2004; ANDREOLI e KAYANO, 2007).
Estudos realizados anteriormente, como os de Valadão et al. (2015) e Alvarez et al.,
(2015) mostraram que a OMJ também influencia a variabilidade climática da AS. Em estudo
feito por Nobre e Melo (2001) com dados pluviométricos no período 1998 a 2000 na porção
norte do NEB, constataram que as chuvas foram fortemente influenciadas pela atuação da
OMJ. Na época analisada foram verificadas as oscilações na chuva, entre intensas e escassas
no NEB, associadas aos períodos típicos da OMJ (30 a 60 dias).
O ENOS foi analisado como influência na variabilidade climática interanual da
região de Sahel na África, com base no estudo foi constatado que o ENOS teve participação
limitada sobre os padrões de chuva, mas que sistemas meteorológicos locais foram
responsáveis pelo regime de chuva na região, sendo também constatado que as chuvas são um
fator climático primordial para agricultura e a economia dessa região semiárida da África
(GARNOT et al., 2018).
O Dipolo do Oceano Índico (DOI) e o ENOS foram investigados com base nas
teleconexões entre o Mar da Tasmânia e o Oceano Antártico, a influência da TSM foi
determinante para o surgimento de anomalias em todas as estações do ano. O estudo serviu
para mostrar que os padrões de teleconexões são essenciais para prever a temperatura sazonal
e as chuvas nas regiões da Austrália e Nova Zelândia (LIESS et al., 2014).
Os impactos modos de variabilidade Oscilação do Atlântico Norte (OAN), padrão do
Atlântico Leste (AL) e o padrão Escandinavo (SCAN), foram relacionados com a
variabilidade no nível do mar Mediterrâneo, sendo que no inverno o OAN apresentou maior
35
influência, de 83% da variação, já no verão o impacto dos modos de variabilidade se mostrou
insignificante (ASENSIO et al., 2014).
O clima do Canadá foi avaliado entre o período de 1948 a 2012, com base nos
registros de chuva, das temperaturas do ar e de superfície, cobertura de neve e índices de
fluxo. A variabilidade climática interferiu no aumento da temperatura, bem como no aumento
na chuva ao decorrer dos anos, o resultado mostrou que os modos de variabilidade de baixa
frequência foram os grandes responsáveis por essa atividade climática (VICENTE et al.,
2015).
A chuva anual do México foi analisada a variabilidade espaço-temporal sazonal, a
partir de 769 estações meteorológicas. Os resultados obtidos mostraram que a sazonalidade da
chuva está ligada aos seguintes modos de variabilidade: o ENOS, a ODP, a OMA e a OAN, o
estudo serviu para melhorar a gestão de recursos hídricos no país (OLGUIN e SANDOVAL,
2017).
A importância dos estudos climáticos como base a Hidroclimatologia, seguido da
influência dos impactos causados pela variabilidade climática nos recursos hídricos é de
extrema importância, principalmente na variabilidade no nível de lagos, rios e águas
subterrâneas (McGregor, 2017).
3.3
Índices de Seca: Novos e Clássicos
As secas são fenômenos que ocorrem em todos os regimes climáticos e causam
vários impactos socioeconômicos e geoambientais (CAMPUS e STUDART, 2001;
FERNANDES et al., 2009; MISHRA e SINGH 2010). Dessa forma é necessária uma
abordagem baseada em métodos que sejam capazes de caracterizá-las, ou até mesmo prevêlas. Nesse sentido, existem os índices de seca na literatura científica baseado na interação de
inúmeras variáveis que se relacionam com o evento. De forma mais ampla essa interação
pode ser útil para detectar e monitorar várias condições das secas, além de determinar o tempo
e o nível do desastre (STEINEMANN, 2003).
A seca contribui para impactos negativos nas atividades socioeconômicas, sendo
estudada por várias décadas e por inúmeros métodos, na tentativa de quantificar e caracterizar
os seus impactos (GUEDES et al., 2012, MELO, 2017). Dentre as metodologias criadas se
destacam os índices de seca baseados em métodos estatístico-matemáticos (GOIS et al.,
2013). Os índices de seca são a representação numérica das secas, de seus efeitos, de suas
causas e de suas propriedades físicas, como: duração, severidade, extensão espacial e
36
intensidade, são também quantificadores e prognosticadores (HAO e AGHAKOUCHAK,
2013; MISHRA e SINGH, 2010).
Os índices de seca usam diversas variáveis meteorológicas, sendo elas: i)
precipitação pluvial (chuva, P, mm), ii) temperatura do ar (T, °C), iii) evapotranspiração (ET,
mm), iv) escoamento superficial (runoff, R, mm), v) umidade do solo, entre outras variáveis, e
a partir da interação dessas variáveis é possível identificar o início e o fim da seca
(FERNANDES et al., 2009). O uso dos índices de seca é de grande vantagem para a tomada
de decisões, e monitoramento da seca (SILVA, 2011).
Santos (2008) afirma que não existe um índice de seca que seja completo para todas
as situações, e nenhum índice é mais eficiente que os demais, entretanto, existem índices que
se encaixam melhor em determinadas ocasiões, a depender do tipo de estudo e uso. Diante
disso, é importante ressaltar que os índices de seca são estudados durante anos para a
definição da seca, porém, como existe uma diversidade de índices, os mesmos podem
proporcionar diferentes resultados quanto os impactos causados pela seca, em uma mesma
região (OLIVEIRA JÚNIOR et al., 2012).
A partir disso, a Organização Mundial de Meteorologia (OMM) elaborou em 2016 o
manual de índices da seca, com a classificação e catalogação, com base em diversas variáveis
de entrada, conforme os Quadros a seguir.
Os dados de entrada indicados na catalogação do manual da OMM estão em siglas e
presentes nos quadros a seguir, sendo eles: AS = águas subterrâneas, VAL = teor de água
disponível, CC = coeficiente de cultivo, CF = vazões fluviais, CS = cobertura do solo, DC =
dados de colheita, DHS = déficit de água no solo, EM = reservatório, ER = região ecológica,
ET = evapotranspiração, ETP = evapotranspiração potencial, MN = manta de neve, Mod =
modelagem, P = precipitação, Rad = radiação solar, Sat = satélite, T = temperatura, TPR =
temperatura do ponto de orvalho, TS = tipo de solo, V = dados do vento, Múltiplo= vários
indicadores.
Os índices de seca foram distribuídos em cinco categorias: 1) umidade do solo, 2)
hidrologia, 3) sensoriamento remoto, 4) modelagem mista e 5) meteorologia. As categorias
indicam a especificação de estudo de cada índice bem como a sua variedade. Além da função
principal de cada índice de seca e, ainda serve de orientação para possíveis pesquisas.
37
Quadro 1: Índices de seca de modelagem mista
Índices de seca
Ano
Parâmetros de entrada
Função
Vigilância da seca nos EUA
(USDM)
1990
Múltiplo
Monitora secas nos EUA
Sistema global de Agrupamento
dados de superfície terrestre
(GLDAS)
2004
Múltiplo, Mod, Sat
Determinar previsões de vazões
de rios e escoamento superficial
Indicador combinado de seca
(CDI)
2012
Mod, P, Sat
Indica secas com efeito na
agricultura
Índice padronizado de seca
multivariável (MSDI)
2013
Múltiplo, Mod
Detectar a seca através da
precipitação e umidade
Sistema global integrado de
Monitoramento e previsão de
secas (GIDMaPS)
2014
Múltiplo, Mod
Usado na agricultura e outros
setores
Fonte: Adaptado de OMM (2016)
Quadro 2: Índices de seca de sensoriamento remoto
Índices de seca
Ano
Parâmetros de entrada
Função
Índice de vegetação diferencial
normalizado (NDVI)
1984
Sat
Detectar e monitorar secas que
afetam a agricultura
índice de vegetação ajustada ao
solo (SAVI)
1988
Sat
Útil para monitorar solo e
vegetação
Índice de saúde da vegetação
(VHI)
1990
Sat
Monitora e detecta secas de todo
o mundo
Índice de Condições de
Temperatura (TCI)
1995
Sat
Analisar a vegetação em situação
de seca
Índice de condições de vegetação
(VCI)
1995
Sat
Analisar a vegetação em situação
de seca
Índice Diferencial de Água
normalizado ( NDWI) e (LSWI)
1996
Sat
Monitora secas na agricultura e
seu estresse
Índice de vegetação melhorado
2002
Sat
Detectar o estresse da seca em
38
(EVI)
relação à agricultura
Índice de satisfação da demanda
de água ( WRSI)
2002
Sat, Mod, CC
Monitorar o estresse de culturas
na agricultura
Índice de resposta á seca por
vegetação (VegDRI)
2008
Sat, P, T, CAD, LC, ER
Indicador de curto prazo de secas
agrícolas
Índice de estresse evaporativo
(ESI)
2011
Sat, ETP
Monitorar e detectar secas e seus
efeitos
Fonte: Adaptado de OMM (2016).
Quadro 3: Índices de seca de umidade do solo
Índices de seca
Ano
Parâmetros de entrada
Função
Anomalia de umidade do solo
(SMA)
1988
P, T, CAD
Efeitos da seca na agricultura e
produção agrícola
Índice de déficit de
evapotranspiração (ETDI)
2004
Mod
Detectar e monitorar secas de
curto prazo na agricultura
Índice de déficit de umidade do
solo (SMDI)
2004
Mod
Detectar e monitorar secas que
afetam a agricultura
Armazenamento de água no solo
(SWS)
2015
CAD, EM, TS, DHS
Efeitos da seca agrícola e
disponibilidade de água
Fonte: Adaptado de OMM (2016).
Quadro 4: Índices de seca hidrológicas
Índices de seca
Ano
Parâmetros de entrada
Função
Índice de seca hidrológica de
Palmer (PHDI)
1965
P, T, CAD
Secas que afetam os recursos
hídricos em escala de tempo
Índice de abastecimento de água
de superfície (SWSI)
1982
P, EM, CF, MN
Detectar secas associadas a
flutuações hidrológicas
Índice agregado de seca (ADI)
2003
P, ET, CF, EM, CAD, MN
Analisar a disponibilidade de
água no regime climático
Índice de água padronizado
2004
GW
Monitorar rios e córregos
39
(SWI)
Índice padronizado de vazão
fluvial (SSFI)
2007
SF
Monitorar condições hidrológicas
Índice de seca do fluxo fluvial
(SDI)
2008
SF
Monitorar secas em referência a
vazões especificas
Índice de neve e derretimento
normalizado (SMRI)
2014
P, T, CF, Mod
Concentra-se no efeito do
congelamento da precipitação
Índice padrão de fornecimento de
reservatório (SRSI)
2015
RD
Monitorar sistemas de
reservatórios
Fonte: Adaptado de OMM (2016)
Quadro 5: Índices de seca meteorológicos
Índices de seca
Ano
Parâmetros de entrada
Função
Índices de anomalia de Aridez
(AAI)
...
P, T, ETP, ET
Detectar feitos da seca na
agricultura
Porcentagem de precipitação
habitual
...
P
Detectar e monitorar efeitos da
seca
Índice de anomalia de
precipitação ponderada e
normalizada (WASP)
...
P, T
Monitorar secas que afetam a
agricultura
Índice de Aridez (AI)
1925
P, T
Monitorar secas em escalar curtas
e os efeitos agrícolas e
meteorológicos
Coeficiente hidrotérmico de
Selyaninov (HTC)
1928
P,T
Monitoramento de seca agrícola
Índice de anomalia pluviométrica
(RAI)
1965
P
Aplicado em secas agrícolas, e as
que afetam os recursos hídricos
Índice de severidade de seca
Palmer (PSDI)
1965
P, T, CAD
Monitorar secas agrícolas
Índice Z de Palmer
1965
P, T, CAD
Comparar diferentes períodos de
seca
Deciles
1967
P
Monitorar Secas meteorológica,
40
agrícola e hidrológica
Índice de sequência do KeetchByram (KBDI)
1968
P, T
Útil em contextos agrícolas
Índice de umidade das culturas
(CMI)
1968
P, T
Monitorar secas que afetam a
agricultura
Índice normalizado de anomalias
(SAI)
1977
P
Detectar secas em áreas de
frequente ocorrência
Índice de zona de seca (DAI)
1980
P
Previsão de secas e inundações
Índice de secas da Administração
Oceânica Nacional e da
Atmosfera (NDI)
1987
P
Condições de seca que afetam a
agricultura
Índice de precipitação
padronizado (SPI)
1993
P
Monitoramento de períodos secos
ou úmidos
Índice de seca específico das
culturas (CSDI)
1993
P, T. TPR, V, Rad, CAD, Mod,
CD
Efeito da seca em culturas
especificas
Índice Z da China (CZI)
1995
P
Monitoramento de períodos secos
ou úmidos
Fonte: Adaptado de OMM (2016).
Quadro 6: Índices de seca meteorológicas (continuação)
Índices de seca
Ano
Parâmetros de entrada
Função
Índice efetivo de seca (EDI)
1996
P
Vigilância de secas
meteorológicas e agrícolas
Índice de reivindicações de Seca (
IDR)
1996
P, T, MN, EM, CF
Monitorar abastecimento de água
em bacias e rios
Índice de severidade de seca
autocalibrado de Palmer (scPDSI)
2004
P, T, CAD
Aplicado em secas
meteorológicas, agrícola e
hidrológica.
Índice de reconhecimento de
secas (DRI)
2005
P, T
Casos que os efeitos na
agricultura ou nos recursos
hídricos importam
Índice de precipitação
2010
P, T
Condições associadas a inúmeros
41
padronizada e evapotranspiração
(SPEI)
Índice de referência de seca para
a agricultura (ARID)
efeitos da seca
2011
P, T, Mod
Detectar a seca sobre a
agricultura
Fonte: Adaptado de OMM (2016).
Santos et al., (2010) baseado em dados pluviométricos de 144 pluviômetros no
período de 1910-2004, usou no cálculo do SPI aplicado em três escalas de tempo (1, 6 e 12
meses), tais parâmetros foram usados para determinar padrões espaciais temporais de seca na
região de Portugal. Já Trajkovic e Gocic (2014) utilizaram o SPI em modo S (SPIS) com
dados pluviométricos de 29 estações, na escala de 1948-2012, para identificar padrões de seca
na Sérvia. Eles conseguiram identificar espacialmente três sub-regiões, e, ainda com os
percentuais de seca caracterizar os anos de secas severas.
No estado do Ceará, foi criado durante anos, redes de reversão de água, com
finalidade de suprir as demandas, industrial, de irrigação e consumo humano, então
Nascimento et al, 2017 analisaram o reservatório de Jaguaribe-Metropolitano, através do
índice SPI, foi possível concluir que as precipitações são maiores no primeiro semestre e no
segundo semestre quase inexistentes, estudos como esse servem como ferramentas de gestão
hídrica (NASCIMENTO et al., 2017).
O SPI também foi usado para catalogar eventos de seca no sertão Alagoano,
precisamente nas cidades de Água Branca, Mata grande e Poço das Trincheiras, nas escalas 3,
6, 9 e 12 meses, no período de 1960 a 1990, foram identificados secas em todas as escalas,
com destaque para a escala 3, que obteve 8 eventos de secas no ano de 1962 (GOIS et al.,
2007).
Com o intuído de detectar déficits ou excessos de precipitação na região leste do
NEB por meio do índice SPI, foram usados dados pluviométricos de 6 estações da Agencia
Nacional de Aguas (ANA) no período de 1961 a 2014, foi possível perceber que os eventos
extremos, chuvosos ou secos, ocorreram em períodos de ocorrência do ENOS e que as secas
ocorreram com maior frequência (SILVA et al., 2020).
A fim de melhorar os resultados obtidos com o RDI, usados no modelo DrinC,
Tigkas et al., (2017) propuseram a modificação desse índice, com o intuito de caracterizar de
forma mais precisa a seca agrícola, a partir da troca da precipitação total pela precipitação
efetiva e, assim representar a capacidade de água usada na produção das lavouras, o novo
índice proposto Índice de Seca de Reconhecimento Efetivo (eRDI) obteve melhor
42
desempenho em relação à produtividade nas estações do ano estudadas, na região agrícola da
Grécia.
Seguindo a premissa anterior o índice SPI foi substituído pelo Índice de Precipitação
Agrícola Padronizado (aSPI), com a mesma troca de precipitação citada anteriormente
(precipitação total por precipitação efetiva), como resultado o índice aSPI se mostrou robusto
em relação ao SPI, em relação à seca agrícola, em regiões da Grécia (TIGKAS et al., 2018).
Tigkas et al., (2020) também propuseram ajustar o RDI, com uma nova denominação
o Índice de Seca de Reconhecimento de Culturas (CRDI), sendo alterado a ET de referência
usada para a ET de culturas especificas na Grécia. Os resultados obtidos do CRDI se
mostraram eficientes, embora sem mudanças significativas, assim ambos os índices (RDI e
CRDI) podem ser usados para análise de decisão da gestão da seca agrícola.
3.4
Impacto da Seca na Produção Agrícola e Gerenciamento de Água
Com foco no setor agronômico, a seca impacta diretamente no déficit hídrico (DEF)
em plantas, animais e ecossistemas inteiros. A seca tem ligação direta com o setor primário,
de modo que afeta a produção agropecuária em todos os estágios, desde danificar as plantas,
até as cadeias produtivas e, consequentemente a economia da região e de um país (CLOVIS
FILHO, et al, 2003; SARMENTO, 2007; BERGAMASCHI et al., 2011; LINHEIRA e
OLIVEIRA, 2017; MENDONÇA, 2017; SOUZA e AQUINO, 2018;).
A seca interfere na produção agropecuária, não somente acarreta em diminuição da
eficiência, mas também na diminuição significativa da renda, principalmente dos pequenos
produtores, que não possuem reservas financeiras, e ainda diminui a oferta de alimentos e a
contratação de mão de obra (SAMPAIO e SAMPAIO, 2013). Essa sequência negativa dá
origem a miséria, baixa produção agrícola e qualidade inferior de produtos de origem animal
e vegetal (SANTOS et al., 2012).
Tucci et al. (2000) discorrem sobre o conflito natural entre a água para agricultura e
o abastecimento humano em diversas regiões brasileiras. Eles destacam situações, onde a
demanda é alta, como é o caso da irrigação do arroz por inundação. Como também a crescente
populacional, que demanda grande quantidade de água para os centros urbanos. Mas a
solução desses conflitos é possível via aumento da eficiência dos sistemas de irrigação e o
gerenciamento correto dos efluentes agrícolas que contaminam as águas.
43
O Brasil, devido às dimensões continentais, apresenta uma grande heterogeneidade
climática, tais condições podem ou não ser favoráveis, dependendo da cultura agrícola
(PINTO e ASSAD, 2008). Essa questão afeta diretamente o NEB, dada a sua localização na
zona intertropical da Terra. E, ainda o NEB possuir três tipos climáticos: tropical, semiárida e
equatorial úmido (ARAÚJO et al., 2013).
O semiárido ocupa 1.128.697 km² de área territorial e abrange 1.262 municípios,
sendo periodicamente afetada pelas secas (SUDENE, 2017). Dessa forma, quando não há
chuva, a produção agrícola fica prejudicada, bem como a pecuária perde seu poder de
rebanho, e as reservas de água se esgotam (DUARTE, 2010). E, assim ocorre a seca agrícola,
que é caracterizada pelo baixo índice de água no solo, isto é, torna o suprimento de água
insuficiente para as culturas e não consegue suprir a perda por ET (DUARTE et al., 2018).
Nesse sentido, a água se torna fator limitante no semiárido brasileiro tanto para o
consumo das famílias e dos animais, como para produção de alimentos (BEZERRA, 2002;
KELMAN, 2006; ZANELLA, 2014; GOMES e HELLER, 2016). Assim, os diferentes
sistemas de cultivo usados por agricultores nessa região afetada têm apresentado riscos
inerentes mediante a irregularidade das chuvas, uma vez que necessitam de práticas que
proporcionem maior quantidade de água no solo durante o ciclo do cultivo (BRITO et al.,
2012).
Segundo Marengo et al. (2016), as secas no NEB produzem perdas incontáveis na
produção agrícola e pecuária, seguido de perdas de vidas humanas devido à fome. Esses
eventos foram catalogados desde o século XVI, organizadas e atualizadas pelos autores,
conforme a lista a seguir: 1583, 1603, 1624, 1692, 1711, 1720, 1723-1724, 1744-1746, 1754,
1760, 1772, 1766-1767, 1777-1780, 1784, 1790-1794, 1804, 1809, 1810, 1816- 1817, 18241825, 1827, 1830-1833, 1845, 1877-1879, 1888-1889, 1891, 1898, 1900, 1902-1903, 1907,
1915, 1919, 1932-1933, 1936, 1941-1944, 1951- 53, 1958, 1966, 1970, 1976, 1979-1981,
1982-1983, 1992-1993, 1997-1998, 2001-2002, 2005, 2007, 2010 e 2012-2015.
Diante deste cenário, Baracuhy et al., (2015) discorrem sobre a gestão hídrica,
sustentabilidade e o uso racional da água na agropecuária que tem ocasionado complexos
sistemas de planejamentos sobre a forma eficiente de uso da água no NEB. Visto que o NEB
sempre apresentou índices pluviométricos extremos, sendo um problema que tem que ser
estudado e solucionado.
44
No âmbito mundial existem vários estudos que visam relacionar a produção agrícola
e a seca. Roberts e Schlenker (2010) apresentaram estudo sobre a produção agrícola
americana e os eventos de calor extremo. As lavouras não foram susceptíveis as altas
variações na chuva, esse padrão se mostrou maior ao longo do tempo, quando as lavouras
diminuíram a tolerância ao calor. Já no Brasil, o estudo realizado por Araújo et al. (2013)
identificaram a interferência da seca na produtividade de culturas como o milho, cana-deaçúcar e mandioca. Eles concluíram que ao longo dos anos o milho é o mais afetado, e a canade-açúcar e mandioca são mais tolerantes a variação pluviométrica.
Além de estudos elaborados para identificar perdas e alterações no setor da
Agricultura, destacam-se ações de benefício da economia da água em diversas regiões do
NEB, como na Bahia, Ceará e Rio Grande do Norte. Por exemplo, o reuso de água para
irrigação em comunidades rurais de pequeno porte (NUNES, 2008), o reuso de esgoto
sanitário na irrigação agrícola (BARROSO e WOLLF, 2011), o reuso de efluente doméstico
para a produtividade do capim (SARAIVA e KOING, 2013), o uso de águas salinas na
irrigação do feijão (FEITOSA, et al., 2015), o uso de água de ar condicionado e efluente
agroindustrial para a produção de mudas de mamoeiro (BEZERRA et al., 2019). Diante disso,
é valido destacar que em inúmeras lavouras a utilização de água é superior a necessária para
uma produção eficiente, dessa maneira o gerenciamento eficiente d’água visa diminuir,
estabilizar e garantir o uso correto da água na produção agrícola (FAGGION et al., 2009).
Outro instrumento usado para o gerenciamento da seca no NEB são as barragens, que
há décadas foram e são usadas para combater à seca no semiárido (FONTENELLE et al.,
2018; ROCHA e LEITE, 2020). Tornaram-se as principais obras hídricas de médio porte,
localizadas em diversas propriedades e, assim atuam como reservatórios estratégicos e tornam
os solos agricultáveis, melhora na produtividade agrícola e da oferta de água e notável
impacto social (ARAÚJO, 2006).
Ações governamentais, como o Programa Cisternas, estão vigentes desde 2003, já
foram construídas mais de 600 mil cisternas em todo o semiárido brasileiro, o principal
objetivo desse programa é promover a disseminação da água para consumo humano e a
produção de alimentos por meio de tecnologias simples e de baixo custo (ASA BRASIL,
2019).
45
Seguindo a ideia de estocagem de água pluvial, como forma de diminuir o uso de
água potável, principalmente na agricultura familiar, os sistemas de aproveitamento de água
da chuva servem como alternativa não convencional, sendo praticados em países como
Estados Unidos, Alemanha, Austrália e Japão, já no Brasil o sistema é bastante disseminado
em munícipios do NEB (MAY, 2004).
Diante dessa característica de relação da seca na produção agrícola, estudos para a
melhoria de gerenciamento de água no NEB, são recorrentes. Oliveira (2015b) alertou para a
importância do potencial das bacias hidrográficas em microrregiões do NEB, com práticas
simples e de baixo custo, que visam à estocagem em épocas de seca e são uma alternativa
para aproveitamento da mão de obra local. Além de estudos em regiões específicas, por
exemplo, Silva (2019) na cidade de Delmiro Gouveia no estado de Alagoas, com destaque
para a importância dos sistemas de aproveitamento de água da chuva, além do uso das
primeiras aguas pluviais, que normalmente são jogadas fora e, podem ser de grande valia para
a agricultura familiar.
46
4
MATERIAL E MÉTODOS
4.1
Caracterização da Área de Estudo
A região do estudo é o estado de Alagoas, na região leste do NEB (ENEB) Brasil. O
Estado possui uma área aproximada de 27.767 km2 (IBGE, 2020), que representa
aproximadamente 0,33% do território brasileiro. Localizada entre os paralelos 8° 48' 12"e 10°
29' 12" S e entre os meridianos 35° 09' 36"e 38° 13' 54" W. Possui 339 km de extensão na
direção de seu eixo longitudinal (Leste- Oeste) e 186 km na direção de seu eixo menor
(Norte-Sul) - (LYRA et al., 2014). Alagoas possui apenas 1% de seu território localizado em
áreas acima de 600 m do nível do mar de altitude.
O estado de Alagoas está dividido em três mesorregiões: Leste, Agreste e Sertão
Alagoano (SOUZA et al., 2020). O Leste é a maior região em termos de território e abrange o
litoral. O Agreste é uma região de transição entre as áreas úmidas e secas, sendo que o Sertão
Alagoano corresponde aos locais com características climáticas áridas e semiáridas (IBGE,
2020), as mesorregiões citadas anteriormente são classificadas com seguinte tipologia
climática: Am - clima tropical de monções, Aw - tropical clima com inverno seco, e BSh clima semiárido e quente (ALVARES et al., 2013) - (Figura 1).
Figura 1: Localização geográfica e distribuição espacial das 20 estações meteorológicas nas mesorregiões
(Leste, Sertão e Agreste) do estado de Alagoas (AL) e classificação Köppen-Geiger (Am, Aw e BSh).
47
4.2
Organização e Controle de Qualidade dos Dados
No estudo foi realizado o controle de qualidade dos dados pluviométricos mensais no
estado de Alagoas através de indicadores estatísticos como:
a) R2 = coeficiente de determinação
∑𝑛 (|𝑋 −𝑋̅ |)2
𝑖
0
𝑅 2 =1- ∑𝑖=1
𝑛 (|𝑋 −𝑋
̅ |)
𝑖=1
𝑖
(1)
0
O coeficiente R2 é uma métrica muito utilizada para a análise de qualidade de ajuste
de modelos lineares. Este coeficiente assume valores no intervalo entre 0 e 1, de modo que
quanto mais distante de 0, maior é a relação entre as variáveis X e Y do modelo (PALA,
2019).
b) r = coeficiente de Pearson, que pode ser classificado de acordo com a tabela 1
𝑟=
̅
̅
∑𝑛
𝑖=1(|𝑋𝑖 −𝑋0 |)(|𝑋𝑖 −𝑋𝑖 |)
(2)
̅ 2 𝑛
̅ 2
√∑𝑛
𝑖=1(𝑋0 −𝑋0 ) −∑𝑖=1(𝑋𝑖 −𝑋𝑖 )
Tabela 1: Coeficiente de correlação de Pearson (r) e a sua respectiva classificação
Coeficiente de correlação (r)
Classificação
0 – 0,1
Muito baixa
0,1 – 0,3
Baixa
0,3 – 0,5
Moderada
0,5 – 0,7
Alta
0,7 – 0,9
Muito alta
0,9 – 1,0
Quase Perfeita
Fonte: Hopkins (2009)
c) EPE = Erro Padrão de Estimativa (mm)
∑𝑛 (𝑋0 −Xi )2
𝐸𝑃𝐸 = √ 𝑖=1
𝑛−2
d) RQEM = Raiz Quadrada do Erro Quadrático Médio (mm).
(3)
48
∑𝑛 (𝑋 −Xi )
𝑅𝑄𝐸𝑀 = √ 𝑖=1 𝑛0
(4)
̅
𝑋
em que n = número de observações, Xi é o valor i-ésimo da chuva imputada, X0 é o
valor i-ésimo da chuva observada e i = chuva média imputada.
Todos os procedimentos estatísticos foram efetuados no software R versão 3.6.1 (R
Core Team, 2020).
Como também, foi estabelecido um limiar de 38% de percentuais de falhas,
conforme a Figura 2. Das 54 estações existentes restaram apenas 20 estações (Figura 2),
sendo distribuídas da seguinte forma: Utilizou-se Sertão e Agreste (5 estações) e Leste
Alagoano (10 estações) localizadas no estado de Alagoas, de acordo com a distribuição
espacial da Figura 1, pertencentes à rede hidrometeorológica da ANA (ANA, 2020), obtido
por meio da plataforma Hidroweb, no seguinte endereço eletrônico: http://www.ana.gov.br. O
período de estudo correspondeu de 1960 a 2016.
Figura 2: Distribuição dos percentuais de falhas (%) das chuvas mensais das 54 estações pluviométricas no
período de 1960 a 2016.
49
Tabela 2: Descrições básicas de 20 estações meteorológicas e seus percentuais de dados perdidos nas mesorregiões do estado de Alagoas.
Chuva
Latitude
ID
Longitude
Altitude
Falhas
Mesorregiões
Municípios
Período
Média
Climáticas
(°)
(°)
(m)
(mm.ano-1)
(%)
1
Delmiro Gouveia
-9,39
-37,99
256
5,8
Sertão
1960 - 2016
509,84
2
Piranhas
-9,62
-37,75
110
0
Sertão
1960 - 2016
500,10
3
Pão de Açúcar
-9,74
-37,44
45
4,09
Sertão
1960 - 2016
533,65
4
Santana do Ipanema
-9,37
-37,24
250
0,29
Sertão
1960 - 2016
709,97
5
Mata Grande
-9,12
-37,72
633
35,09
Sertão
1960 - 2000
1047,06
6
Lagoa da Canoa
-9,82
-36,73
235
34,06
Agreste
1960 - 2000
971,78
7
Limoeiro de Anadia
-9,74
-36,50
150
33,77
Agreste
1960 - 2001
921,37
8
Palmeira dos Índios
-9,40
-36,65
320
3,65
Agreste
1960 - 2016
915,65
9
Quebrangulo
-9,30
-36,47
411
14,91
Agreste
1960 - 2011
1165,70
10
Traipu
-9,96
-36,98
40
31,58
Agreste
1960 - 1998
677,41
50
Continuação
11
Atalaia
-9,50
-36,02
54
0,73
Leste Alagoano
1960 -2016
1200,51
12
Murici
-9,31
-35,94
82
5,26
Leste Alagoano
1963 - 2016
1436,42
13
Porto Calvo
-9,04
-35,40
54
35,82
Leste Alagoano
1960 - 2000
1905,79
14
Maceió
-9,66
-35,71
43
4,82
Leste Alagoano
1960 - 2016
1838,31
15
Penedo
-10,28
-36,55
28
0,44
Leste Alagoano
1960 - 2016
1226,57
16
Passo de Camaragibe
-9,23
-35,48
90
34,36
Leste Alagoano
1960 - 2000
1836,13
17
Porto de Pedras
-9,15
-35,29
14
14,33
Leste Alagoano
1963 - 2016
1660,65
18
Santana do Mundaú
-9,16
-36,21
221
5,41
Leste Alagoano
1963 - 2016
1015,79
19
São José da Laje
-9,00
-36,05
250
12,87
Leste Alagoano
1963 - 2016
1356,85
20
União dos Palmares
-9,15
-36,03
155
0,29
Leste Alagoano
1960 - 2016
1172,27
51
4.3
Imputação dos Dados
Para os anos que apresentaram dados faltantes, foi realizada uma análise de
preenchimento de lacunas, com base no método de imputação proposto por Harrel (2001) e
Junger (2008). As percentagens de dados faltantes nas séries temporais de precipitação foram
submetidas aos seguintes critérios: i) percentagem ≤ 0,05: aplica-se a imputação única ou
analisa apenas dados completos; ii) percentual entre 0,05 e 0,15: pode-se utilizar imputação
única; e iii) percentual superior a 0,15: múltiplas imputações são indicadas na maioria dos
casos. Esse procedimento foi realizado em estudos recentes, por exemplo, Gois et al. (2019) e
Gois et al. (2020) no estado do Rio de Janeiro e Souza et al. (2020) no estado de Alagoas. O
pacote R ‘mtsdi’ foi usado no processo de imputação múltipla, com base na Especificação
Totalmente Condicional (FCS) (BUUREN E OUDSHOORN, 2011). O método de imputação
de dados utilizou o Predictive Mean Matching (PMM) por meio do pacote 'midastouch' R
para preencher as lacunas nas séries temporais, com base em dados disponíveis (54 estações
pluviométricas) de estações vizinhas, ou seja, das três estações próximas localizadas na
mesma região climatológica (TUCCI et al., 2004). O método de imputação foi usado para
aumentar malha de dados pluviométricos e, assim realizar interpolação dos dados via método
de spline para confecção de mapas mensais de chuvas do período de 1960 a 2016.
4.4
Teste de Pettitt
Para identificar os anos de possíveis mudanças bruscas nas séries temporais de
precipitação média nas mesorregiões climáticas de Alagoas, foi aplicado o teste de Pettitt
(1979). O teste de Pettitt é um teste não paramétrico, que verifica se duas amostras X1, X2…,
Xt e Xt + 1, Xt + 2…, XT pertencem à mesma população, ele permite identificar o ano de
ocorrência de mudanças abruptas na média das séries temporais. A estatística de k (t) = Ut,T
realiza a contagem do número de vezes que um membro da 1ª amostra é maior do que o
membro da 2ª amostra, conforme a Eq. (5):
Ut,T = ∑ti=1 ∑Tj=t+1 sgn(Xj − Xi )
(5)
em que, sgn é o coeficiente dado pelas seguintes condições: sgn = +1 se (Xj - Xi)> 0;
sgn = 0 se (Xj - Xi) = 0; sgn = –1 se (Xj - Xi) <0; T é o tamanho da série temporal; e i e j
denotam os índices de tempo associados aos valores individuais.
A estatística Ut,T é então calculada para os valores de 1 ≤ t <T, e assim a estatística k
(t) do teste corresponde ao máximo em valor absoluto de Ut,T e, portanto, os anos em que a
mudança abrupta ocorre são estimados, dados pela Eq. (6):
52
Max
k(t) = 1 ≤ t < T |Ut,T |
(6)
O teste de Pettitt localiza o ponto onde houve uma mudança abrupta na média de
uma série temporal, e sua significância é dada pela Eq. (7):
−6k(t)2
p ≅ 2exp [ T3 +T2 ]
(
)
(7)
O ponto de mudança repentina é t, onde o máximo de k(t) ocorreu, os valores críticos
de k (kcrit) são calculados pela Eq. (8):
p
2
ln( )(T3 +T2 )
kcrit = ±√
4.5
6
(8)
Standardized Precipitation Index - SPI
O índice SPI é de fácil trabalhabilidade porque é cumulativo, padronizado e usa
apenas uma variável, sua formulação é baseada na densidade e função de probabilidade Gama
(Eq. (9)), calculada a cada mês, onde α é o parâmetro de forma (α> 0), β é o parâmetro de
escala (β > 0), determinado usando o método de máxima verossimilhança; x é a quantidade de
chuva, e pode variar de acordo com α e β. Os valores atribuídos são normalizados e
transformados em uma distribuição normal (ou seja, média zero e variância um) (EDWARDS E MCKEE, 1997). O cálculo do SPI usa apenas valores de chuva (OLIVEIRA
JÚNIOR et al., 2012; LYRA et al., 2017) e categoriza um evento de seca quando o SPI
apresenta valores negativos contínuos e quando o SPI é positivo, o evento de seca termina
(MCKEE et al., 1993). Mais detalhes sobre as formulações matemáticas e procedimentos
estatísticos usados no cálculo do SPI podem ser encontrados em McKee et al. (1993).
g(x)=
1
α
−
x
xα−1 𝑒 β
( )
β Γ α
(9)
em que, Γ (α) é a função gama.
Após o cálculo, o SPI foi categorizado conforme Tabela 2 e analisado na escala anual
(SPI-12). Para a análise do SPI, o pacote 'SCI' da biblioteca de software R versão 4.0.3 (R
Core Team, 2020) foi usado. No estudo apenas será avaliado o SPI-12 na identificação dos
períodos secos e úmidos nas escalas anuais e decadal na série temporal de 56 anos e sua
relação com os modos de variabilidade climática.
53
Tabela 3: Classificação do SPI
SPI
Classificação
≥ 2.00
Extremamente Úmido
1.00 to 1.99
Muito Úmido
0.50 to 0.99
Moderadamente Úmido
0.49 to -0.49
Próximo ao Normal
-0.50 to -0.99
Moderadamente Seco
-1.00 to -1.99
Muito Seco
≤ -2.00
Extremamente Seco
Fonte: McKee et al. (1993).
4.6
Estatística Descritiva
Primeiramente, usamos a estatística descritiva e as medidas de dispersão (máximo,
mínimo, 1º quartil, 3º quartil, intervalo interquartil - IQR [distância entre os quartis] via
boxplot) calculadas para determinar medidas de tendência central (média e mediana), desvio
padrão - DP, e coeficiente de variação - CV% dos dados pluviométricos das 20 estações
meteorológicas distribuídas no estado de Alagoas. Ambos os parâmetros estatísticos foram
determinados no software R versão 3.4.3 (R Core Team, 2020) - (GOIS et al., 2020). Os
valores obtidos a partir do CV% mostraram grande variabilidade entre os grupos
homogêneos. O valor percentual do CV foi categorizado como baixo (CV <12%); médio (se
CV = 12‒24%) e alto (quando CV> 24%) - (WARRICK e NIELSEN, 1980).
4.7
Mapas de Chuva mensal de Alagoas
Os mapas mensais foram obtidos através de procedimentos das interpolações
espaciais, bem como o geoprocessamento dos dados, foram realizados no software Quantum
GIS (QGIS) versão 3.4.6 (QGIS CORE TEAM, 2019), que traz consigo o plugin do software
SAGA GIS versão 2.0.2 (SAGA, 2005). Dessa forma os mapas foram separados quanto à
distribuição de chuva no Estado: i) estação seca (outubro, novembro, dezembro, janeiro e
fevereiro), ii) estação chuvosa (abril, maio, junho e julho) e iii) estação de transição (março,
agosto e setembro). A categorização usada foi baseada nos estudos realizados anteriormente
54
por Lyra et al. (2014) em relação às chuvas e, recentemente por Souza et al. (2020) em
relação à erosividade.
4.8
Análise Multivariada
A técnica de análise de agrupamento (CA) foi aplicada às séries temporais mensais
pluviométricas (definição de regiões homogêneas) e SPI-12 (delimitação dos períodos de seca
e chuva). No estudo, o método hierárquico aglomerativo de ligação média foi escolhido e
aplicado às 20 estações meteorológicas na área de estudo via dendrograma (WILKS, 2011). O
método de ligação média consiste na medida de similaridade entre dois clusters, sendo
definida pela maior distância de todos os pontos do primeiro cluster aos pontos do segundo
cluster (JOHNSON E WICHERN, 1992). No estudo, a medida de dissimilaridade foi utilizada
como o quadrado da distância euclidiana (Eq. (10)) - (LYRA et al., 2014; BRITO et al.,
2017).
n
de = [∑
j=1
2
0.5
(Pp, j − Pk, j ) ]
(10)
em que, de é a distância euclidiana; e Pp,j e Pk, j são as variáveis quantitativas j dos
indivíduos p e k, respectivamente.
O grau de ajuste do linkage médio foi avaliado por meio do coeficiente de correlação
cofenética (CCC). Este coeficiente mede a associação entre a matriz de dissimilaridade
(matriz fenética F) e a matriz resultante da simplificação fornecida pelo método de
agrupamento (matriz cofenética c). O CCC é baseado no coeficiente de Pearson (r), que é
calculado entre a matriz de dissimilaridade e a matriz resultante do agrupamento (SOKOL E
ROHLF, 1962). Portanto, quanto maior o valor de r, menor será a distorção. Na prática,
dendrogramas com CCC <0,7 indicam a inadequação da técnica de AC (SOKOL E ROHLF,
1962; OLIVEIRA-JÚNIOR et al., 2017). O CCC é definido por (Eq. (11)).
n
∑n−1
̅) (dij − d̅ )
i = 1 ∑j > i (cij − c
CCC = rcoph = ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅2
n
n
̅
√∑n−1
̅)2 √∑n−1
i = 1 ∑ j > i (cij − c
i = 1 ∑ j > i (dij − d)
𝑐̅ =
d̅ =
2
n(n−1)
2
n(n−1)
(11)
n
∑n−1
i = 1 ∑j > i cij
(12)
n
∑n−1
i = 1 ∑j > i dij
(13)
em que, CCC é o coeficiente de correlação cofenética, cij e dij são elementos da iésima linha e j-ésima coluna da matriz de distância cofenética e original, respectivamente, e n
55
é o número de elementos. Em que "c" ̅ e "d" ̅ são as médias aritméticas de c ij e dij,
respectivamente, definidas pelas Eqs. (12) e (13).
56
5
RESULTADOS E DISCUSSÃO
5.1
Validação dos Dados de Imputação
O desempenho do método de preenchimento de lacunas foi avaliado segundo os
indicadores estatísticos descritos no item 2.3. A maior dispersão em relação à linha 1:1
ocorreu a partir de 0 mm, destaque para Leste Alagoano (Figura 3c). De forma geral, os dados
imputados apresentaram uma boa precisão em ambas às mesorregiões climáticas, com
coeficientes R2 entre 42% a 47%, seguido do coeficiente r entre 0,64 a 0,68, sendo
considerada uma correlação alta, conforme o critério de Hopkins (2009) - (Figura 3a e 3b), a
exceção foi o Leste Alagoano (R2 = 37% e r = 0,60), com um coeficiente r considerado alto,
menor R2, Os menores valores de EPE (< 54.85 mm) e RQEM (< 54.84 mm) ocorreram no
Sertão Alagoano, enquanto que os maiores valores de EPE (> 154.87 mm) e RQEM (> 109.48
mm) no Leste Alagoano, respectivamente, tais resultados foram similares aos de Souza et al.
(2020), EPE < 30 mm no Sertão Alagoano, EPE > 45 mm no Leste Alagoano, mas não iguais,
devido ao fato da região de preenchimento de falhas ser maior no presente estudo. Vale
destacar que o método de preenchimento de falhas foi satisfatório, devido ao fato dos valores
encontrados se apresentarem dentro do padrão (sertão-seco, agreste-transição, leste-chuvoso)
existente nas mesorregiões climáticas, além da verificação dos indicadores estatísticos. O
método imputação tem sido aplicado em alguns estudos recentes, por exemplo, Gois et al.
(2019) e Gois et al. (2020) no estado do Rio de Janeiro e Souza et al. (2020) no estado de
Alagoas.
57
Figura 3: Diagrama de espalhamento (1:1) dos dados observados versus dados imputados (mm) nas
mesorregiões Sertão (a), Agreste (b) e Leste (c) do Estado de Alagoas.
5.2
Teste de Pettitt
O teste de Pettitt foi aplicado às séries de chuva, identificando os meses e anos de
mudanças nas séries temporais, conforme mostrado na Tabela 4. No período 1 (P1), foram
identificadas 6 mudanças e o período 2 (P2) com apenas 14 mudanças, com destaque para a
década de 1990 com maior quantidade de mudanças bruscas nas séries temporais em relação
às demais, sendo o ponto de mudança e definição dos períodos avaliados e semelhantes aos
resultados obtidos anteriormente por Vanderley et al. (2013) para a mesorregião da Zona
Árida do São Francisco, em Alagoas. Para as variações mensais, destaque para julho, agosto e
setembro com maior quantitativo nas estações utilizadas no estudo, sendo correspondentes às
estações chuvosas (Julho e Agosto) e transição (Setembro) no Estado de Alagoas (LYRA et
al., 2014; COSTA et al., 2021). Vale ressaltar que o uso do teste de Pettitt é comum no Brasil
(VANDERLEY et al., 2013; GOIS et al., 2020) e mundial (OGUNGBENRO e
MORAKINYO, 2014; KUNDU et al., 2015).
58
Tabela 4: Identificação dos anos e meses de mudanças repentinas nas séries temporais pluviométricas por meio
do teste de Pettitt aplicado às 20 estações meteorológicas existentes nos municípios de Alagoas.
Teste de Pettitt
ID
Municípios
Meses
Anos
1
Delmiro Gouveia
Dezembro
1991
2
Piranhas
Dezembro
1990
3
Pão de Açúcar
Junho
1995
4
Santana do Ipanema
Agosto
1982
5
Mata Grande
Outubro
1991
6
Lagoa da Canoa
Fevereiro
1993
7
Limoeiro de Anadia
Setembro
1978
8
Palmeira dos Índios
Julho
1969
9
Quebrangulo
Agosto
1970
10
Traipu
Fevereiro
2000
11
Atalaia
Julho
1989
12
Murici
Setembro
1992
13
Porto Calvo
Fevereiro
1975
14
Maceió
Janeiro
1987
15
Penedo
Setembro
1989
16
Passo de Camaragibe
Agosto
1987
17
Porto de Pedras
Julho
1987
18
Santana do Mundaú
Junho
1976
19
São José da Laje
Outubro
1981
20
União dos Palmares
Agosto
1987
Legenda: A cor azul corresponde ao período P1 e a cor vermelha corresponde ao período P2.
59
5.3
Chuva Anual (1960-2016)
A chuva anual acumulada em Alagoas (Figura 4a) mostrou a formação de dois
períodos bem definidos: 1960 a 1990 (período 1 - P1) e 1990 a 2016 (período 2 - P2). Em P1
(Figura 3a), ocorreram anos com chuva anual superior à média (1127,62 mm), principalmente
os anos 1961 (Neutro), 1963 (El Niño), 1964 (La Niña) e também os anos 1966, 1967 e 1968
(Neutro), 1969 (El Niño) - (LYRA et al., 2017; NOAA/CPC, 2020; COSTA et al., 2021), de
acordo com o critério da região ENOS 3.4 com base no Índice Niño Oceânico (INO) (HUANG et al., 2017). É importante destacar que o INO é usado para avaliar a ocorrência e
duração de episódios ENOS com base no monitoramento da Temperatura da Superfície do
Mar (TSM) no Oceano Pacífico central (GLANTz e RAMIREZ, 2020).
Na década de 1970 (Figura 4a), persistem anos chuvosos, por exemplo, 1972 (La
Niña), 1974 (La Niña), 1975 (La Niña) e, principalmente, os anos 1977 (El Niño) e 1978
(Neutro), enquanto em 1980, apenas quatro anos, sendo anos consecutivos 1985 (La Niña) 1986 (Neutro) e 1988 (La Niña) - 1989 (Neutro). Na P2 (Figura 4a), desde 1990 houve uma
redução significativa nos anos das chuvas, sendo apenas 1994 (Neutro), 1996 (Neutro) e 1997
(El Niño), em contraste com a década de 2000 com um aumento considerável dos anos
chuvosos, semelhante à década de 1960, com destaque para os anos 2000 (La Niña), 2002 (El
Niño), 2004 (El Niño), 2005 (El Niño) e 2006 (Neutro), 2007 e 2008 (La Niña), 2009 (El
Niño) , 2010 e 2011 (La Niña) e 2014 (Neutro) - (OLIVEIRA JÚNIOR et al., 2012; DA
SILVA et al., 2020; COSTA et al., 2021). Estudos realizados anteriormente apontam a
influência e extensão do ENOS no NEB (DA SILVA, 2004; CORREIA FILHO et al., 2019a),
principalmente no ENEB, onde o ENOS determina os anos chuvosos e secos de forma cíclica,
porém não repetitiva (MOLION e BERNARDO, 2002; DA SILVA, 2004; LYRA et al.,
2017).
O Leste de Alagoas (Figura 4b) houve maior registro anual de chuvas e, portanto,
corrobora com estudos anteriores (BARROS et al., 2014; LYRA et al., 2014) e recentemente
para a região (DA SILVA et al., 2020; SOUZA et al., 2020). No leste de Alagoas, cerca de
47,37% da precipitação foi abaixo da média (1463,53 mm), sendo as exceções os anos 1964
(1837,25 mm), 1975 (1761,39 mm), 1977 (1888,00 mm), 1978 (1710,92 mm), 1986 (1774,78
mm) e 1989 (1785,12 mm) em P1. As observações em P2 (Figura 4b) foram os anos de 1994
(1525,40 mm), 2000 (1706,05 mm), 2002 (1548,61 mm), 2004 (1625,08 mm), 2009 (1546,71
mm), 2011 (1622,34 mm) e 2014 (1511,49 mm). O destaque de 1993 (936,75 mm) com o
menor valor da série histórica, devido a uma seca meteorológica que impactou na diminuição
60
do desempenho dos sistemas produtores de chuva no Estado (OLIVEIRA JÚNIOR et al.,
2012; DA SILVA et al., 2020).
O Agreste Alagoano (Figura 4c) apresentou 52,63% dos anos com pluviosidade
abaixo da média da região (925,15 mm). Vale ressaltar que nas décadas de 1960, 1970, 1980 e
1990 as pancadas de chuva foram superiores à média da região, principalmente nos anos de
1964 (1534,56 mm), 1977 (1314,43 mm), 1989 (1186,26 mm), 1992 (1015,71 mm); e os anos
2000 o ano 2000 (1090,78 mm), 2007 (1030,29 mm) e o período de 2010 a 2016 os anos 2010
(1115,14 mm) e 2011 (1056,19 mm). O Sertão Alagoano (Figura 4d), a precipitação
acumulada anual foi inferior à média (658,25 mm), ocorrendo em 54,39% dos anos avaliados.
Na década de 1990, houve incidência de valores abaixo da média, com destaque para os anos
de 1990 (425,02 mm) e 1998 (431,74 mm), situação oposta às décadas de 1960, 1970 a 1980
com valores acima da média.
61
Figura 4: Distribuição da chuva acumulada anual (mm) em Alagoas (a), nas mesorregiões Leste (b), Agreste
(c), e Sertão Alagoano (d) no período de 1960 a 2016.
62
5.4
Chuva Mensal (1960-2016)
A chuva média mensal (Figura 5) das três mesorregiões climáticas de Alagoas
apresentaram alta variabilidade em relação à quadratura chuvosa. Os resultados obtidos no
estudo corroboram com os resultados encontrados por Molion e Bernado (2002), onde a
quadratura chuvosa ocorre entre abril a julho no Leste e Agreste, e a exceção foi à
mesorregião do Sertão (Figura 5a), com aumento de IQR nos meses de janeiro e março.
Portanto, há mudanças significativas na definição da estação chuvosa em Alagoas,
anteriormente era definida como quatro meses, conforme indicado por Rao et al. (1993) e
Molion e Bernado (2002), ao contrário do estudo, que identificou a formação de uma estação
de seis meses de chuva, com início em março até agosto no Leste, nos últimos 56 anos. Em
contraste, Sertão (Figura 5a) e Agreste (Figura 5b) aumentaram a duração da estação seca,
sendo preocupante para um Estado que é totalmente baseado na Agropecuária (GOIS et al.,
2005; CORREIA FILHO et al., 2020). Esse aumento pode estar relacionado à intensificação
das atividades antrópicas (por exemplo, mudanças no uso e ocupação do solo e no processo de
urbanização), já na mesorregião Leste Alagoano, houve o aumento significativo da chuva
convectiva (PONTES DA SILVA et al., 2011; SANTOS et al., 2011; SANTOS et al., 2021;
OLIVEIRA-JÚNIOR et al., 2021).
Figura 5: Boxplot da chuva mensal (mm) nas mesorregiões do Sertão (a), Agreste (b), e Leste Alagoano (c) no
período de 1960 a 2016.
63
Todos os meses avaliados nas mesorregiões climáticas do Estado apresentaram
outliers (Figura 4), exceto março e maio (Leste), fevereiro, maio, setembro e novembro
(Sertão) e o mês de abril (Agreste) foi o único mês que apresentou outliers negativos. Nos
meses anteriores, há ocorrências de Vórtices Ciclônicos e SF (região de influência Leste e
interior do NEB) - (Rao et al., 1993; Molion e Bernado, 2002; Lyra et al., 2014; Costa et al.,
2021), bem como as chuvas intensas identificadas no estudo de Pontes da Silva et al. (2011),
com destaque para a execução de valas de baixo nível, o Corrente de Jato do Nordeste
Brasileiro (CJNEB) e o Ondas de Leste. Esses períodos de maior e menor ocorrência de
chuvas foram frequentes na maior parte do Estado, principalmente de abril a agosto (período
chuvoso) e de outubro a fevereiro (período seco), respectivamente (CARVALHO et al.,
2017). Recentemente, Rodrigues et al. (2020) identificaram também outliers a partir do
produto 3B42 do satélite TRMM (Tropical Rainfall Measuring Mission) em extremos de
chuvas no NEB. Os autores concluíram que o produto do satélite TRMM é capaz de
representar a chuva extrema acumulada em uma escala de tempo de dois dias (valores de
sensibilidade > 0,7) para todas as sub-regiões do NEB.
A sazonalidade das chuvas é marcada nas mesorregiões climáticas, principalmente
no semiárido (Sertão) com menor variabilidade mensal, onde os valores de chuvas mensais
são inferiores a 50 mm a partir de agosto a dezembro. O estado de Alagoas apresenta
distribuição irregular de chuvas, com menores valores de chuva (Sertão), seguidos de valores
intermediários na região de transição (Agreste) e maiores registros na região chuvosa (Leste)
e, portanto, as mesorregiões climáticas de Alagoas são bem caraterizadas pelo regime de
chuva (NASCIMENTO e XAVIER, 2010; CORREIA FILHO et al., 2020; SOUZA et al.,
2020; OLIVEIRA JÚNIOR et al., 2021). De forma similar Lyra et al. (2014), mostraram que
a chuva em Alagoas é caracterizada por fortes gradientes pluviométricos entre o litoral e o
interior do continente, e de Norte a Sul, devido à fisiografia da região e à influência de
sistemas meteorológicos em multiescala.
64
5.4.1 Estação seca
Nos meses correspondentes a estação seca (Figura 6) os maiores registros da chuva
mensal variaram entre 700 e 750 mm no Agreste, em dezembro, e no Leste Alagoano, em
janeiro. No Sertão os valores foram inferiores a 500 mm em todo período de estudo, destaque
para os meses de outubro e novembro com valores inferiores a 350 mm. Em fevereiro os
valores de chuva variaram entre 350 a 500 mm, sendo que nesse mês o número de dias de
chuva (NDC) é inferior e ocorreu nas mesorregiões do Agreste e Litoral Alagoano (PEREIRA
et al., 2012).
Figura 6: Distribuição espacial da chuva mensal (mm) no período seco do Estado de Alagoas entre 1960-2016.
65
5.4.2 Estação de Transição
No período de transição (Figura 7) os maiores registros de chuva mensal foram
superiores a 550 mm no Leste Alagoano, principalmente no mês de março. Destaque para os
meses de setembro e agosto que delimitam as regiões pluviométricas no Estado, por exemplo,
Sertão (seco); Agreste (transição) e Leste (chuvoso), isto é, há formação de gradiente de
chuva desde costa até o interior do Estado (LYRA et al., 2014; COSTA et al., 2020). Os
meses de transição antecedem o início (março) e o fim (agosto e setembro), do período
chuvoso em Alagoas (SILVA et al., 2011). A variabilidade desses períodos está ligada aos
seguintes sistemas meteorológicos, por exemplo, a Alta Bolívia (AB) que intensifica a seca,
devido ao aquecimento do ar e a menor formação de nuvens no período de outubro a janeiro
principalmente nas mesorregiões do Agreste e Leste (KOUSKY, 1979, LYRA et al., 2014),
seguido dos VCANs que atuam em todo período seco e também na estação da transição até
março e, os VCANs inibem a formação de nuvens e a chuva, particularmente na região
semiárida do Estado (MOSCATI e GAN, 2007, PONTES DA SILVA et al., 2011; LYRA et
al.,2014 ). A posição da ZCIT é influenciada pelo ENOS associada à atuação da GITSMA na
região do ENEB, que por sua vez ocasiona episódios de secas em toda Alagoas (LYRA et al.,
2017, OLÍMPIO 2017; COSTA et al., 2020).
66
Figura 7: Distribuição espacial da chuva mensal (mm) no período de transição do Estado de Alagoas entre
1960-2016.
5.4.3 Estação Chuvosa
Nos meses correspondentes a estação chuvosa (Figura 8), os maiores registros de
chuva ocorreram no Leste Alagoano e foram superiores a 750 mm. Essa mesorregião
apresentou os maiores índices pluviométricos seja nas estações seca, transição ou chuvosa,
devido à proximidade do ambiente costeiro, do bioma Mata Atlântica e das mudanças de uso
e ocupação do solo nas últimas décadas (LYRA et al., 2014; CORREIA FILHO et al., 2019b;
OLIVEIRA JÚNIOR et al., 2021). Todo o estado de Alagoas apresentou maiores totais
pluviométricos neste período, exceto o Sertão, com valores próximos de 500 mm.
Segundo Molion e Bernado (2002), o ENEB no período de abril a julho ocorre à
estação chuvosa, sendo responsável em até 60% da chuva atual. Os sistemas meteorológicos
que contribuem para tal variabilidade das chuvas em Alagoas, por exemplo, os SF’s
originados do encontro entre a Massa Polar Atlântica (mPa) e a Massa polar Tropical (mPt) (Zanella, 2014), seguido dos DOL’s que são responsáveis por 70% das chuvas no litoral norte
e 60% na Zona da Mata do Estado (SILVA, 2011b) e as CB que influenciam o regime de
chuva no litoral nos meses de abril a julho (KOUSKY, 1980; RAO et al., 1993; PONTES DA
SILVA et al., 2011, LYRA et al.,2014). Além disso, a ZCIT com as LI tanto na costa como
67
no interior, exceto em abril (HASTENRATH e LAMB, 1977; MOURA e SHUKLA, 1981;
MOURA et al., 2009, LYRA et al.,2014).
Figura 8: Distribuição espacial da chuva mensal (mm) no período chuvoso do Estado de Alagoas entre 19602016.
5.5
Regiões Homogêneas de Chuva
5.5.1 Temporal
Com base na precipitação mensal, sete métodos de agrupamento foram testados de
acordo com a Tabela 4, sendo avaliados a partir do CCC. O método de ligação média se
destacou dos demais métodos com significativo (S) CCC> 0,8760. Os outros métodos podem
ser usados com cautela, mas o método de Ward que é amplamente utilizado na literatura
(MODARRES e SARHADI, 2011; TEODORO et al., 2016; BRITO et al., 2017; OLIVEIRAJÚNIOR et al., 2017) e, anteriormente aplicado para o estado de Alagoas (SOUZA et al.,
1992; LYRA et al., 2014), não é indicado no estudo uma vez que o dendrograma é
inadequado para CCC <0,70.
Os resultados obtidos para o estado de Alagoas apontam diferenças significativas entre
as quantidades ideais dos grupos homogêneos. Por exemplo, Souza et al. (1992) usaram uma
série de dados de precipitação ao longo de 30 anos. Eles identificaram quatro grupos
68
homogêneos, ao contrário de Lyra et al. (2014), com séries temporais pluviométricas entre 2030 anos (1961-1990) detectaram que o número ideal seriam cinco grupos homogêneos. No
entanto, ambos os estudos não validaram a técnica de AC do CCC. Ainda assim, eles utilizam
séries temporais inferiores (<50 anos), seguido de preenchimento de falhas (regressão linear)
diferente em relação ao presente estudo (imputação de dados), exceto o controle de qualidade
dos dados comuns em todos.
Tabela 5: Resumo dos métodos de análise de agrupamento aplicados à série temporal de precipitação (19602016) com CCC e significância, respectivamente.
Métodos
CCC
Significância
Ward
0,6175
NS
Single
0,7149
NS
Complete
0,8356
NS
Average
0,8760
S
McQuitty
0,8226
NS
Median
0,8504
NS
Centroid
0,8606
NS
Nota: † NS, S não é significativo e significativo, respectivamente, com teste de significância
ao nível de probabilidade de 0,05.
A soma do quadrado dos clusters para as 20 estações estudadas (Figura 9a) permitiu a
identificação de um número ideal de dois grupos homogêneos associados às chuvas mensais.
O dendrograma é mostrado na Figura 9 (b) indica uma porcentagem de 38,00% para a linha
de fenon (f, ou seja, desenho de linha na distância de ligação), e dois grupos pluviométricos
homogêneos (G1 e G2) são formados. O grupo G1 (1503,33 ± 243,96 mm) é o menor grupo
formado pelas estações Passo de Camaragibe, Porto de Pedras, Murici, Penedo e São José da
Lage (25%), o grupo G2 (869,66 ± 255,67 mm) é o maior grupo formado (65% das estações).
Ressalta-se, ainda, a formação de dois grupos não homogêneos (NA) considerados atípicos,
com valores superiores à linha do fenômeno no dendrograma, correspondendo às estações
Maceió e Porto Calvo (1865,04 ± 37,81 mm) - (10%), pertencentes a Mesorregião do Leste de
69
Alagoas. Essas estações que foram identificadas como NA se devem às características
climáticas do local, que por sua vez, influenciam o regime de chuvas (SOUZA et al., 1992;
OLIVEIRA JÚNIOR et al., 2021). O CCC obtido para o dendrograma foi de 0,8760 com
ajuste satisfatório (CCC <0,7) e indicou a adequação da técnica CA - (SOKOL e ROHLF,
1962). Resultados anteriores e semelhantes para outras regiões do Brasil (BRITO et al., 2017;
TEODORO et al., 2016; OLIVEIRA-JÚNIOR et al., 2017) corroboram com os resultados
obtidos no estudo.
Figura 9: Soma dos quadrados dos grupos (a) e dendrograma de conexão média para grupos homogêneos de
precipitação (G1 e G2) e grupos não homogêneos (NA) - (b) para as 20 estações meteorológicas no estado de
Alagoas entre 1960 a 2016.
70
Em relação à estatística descritiva, os grupos G1 e NA apresentaram as maiores médias
mensais e desvio padrão da precipitação, ao contrário do grupo G2, com os menores valores
médios mensais e desvio padrão da precipitação, destacando-se Delmiro Gouveia (42,49 ±
47,72 mm) e Piranhas (41,67 ± 49,22 mm). Para a mediana, na maioria das estações,
observam-se valores da mediana abaixo da média, segundo Gois et al. (2020) isso se deve à
influência dos valores extremos de precipitação (outliers) - (Tabela 6). - (Warrick e Nielsen,
1980). Vale ressaltar as estações no grupo G2, com valores de CV%> 100%, por exemplo,
Delmiro Gouveia (CV = 112,31%), Piranhas (CV = 118,10%), Pão de Açúcar (CV =
106,40%) e Santana do Ipanema (CV = 102,72%) - (Sertão Alagoano), Palmeira dos Índios
(CV = 100,10%) e Quebrangulo (CV = 112,60%) - (Agreste Alagoano) - (Figura 1 e Tabela
1). Vale destacar que as chuvas máximas foram identificadas em todos os grupos
homogêneos, com destaque para as estações de Porto Calvo (855,00 mm) e Maceió (788,50
mm) - (NA), São José da Laje (829,00 mm) - (G1) e Quebrangulo (1135,00 mm) - (G2). As
estações citadas destacam-se pelos maiores totais pluviométricos (LYRA et al., 2014;
OLIVEIRA JÚNIOR et al., 2021) e erosividade mensal e anual, segundo Souza et al. (2020).
71
Tabela 6: Resumo estatístico (média, mediana, mínimo, máximo, desvio padrão - DP e coeficiente de variação - CV%) dos grupos homogêneos de precipitação (G1 e G2) e
não homogêneos (NA) das 20 estações meteorológicas pertencentes ao estado de Alagoas.
Grupos
G1
G2
NA
Média
Mediana
Mínimo
Máximo
DP
CV
(mm)
(mm)
(mm)
(mm)
(mm)
(%)
Murici
119,70
86,23
0,00
603,00
110,50
92,31
Passo de Camaragibe
153,01
122,45
0,00
659,80
125,68
82,14
Penedo
102,21
75,50
0,00
621,00
99,68
97,52
Porto de Pedras
138,39
107,00
0,00
641,10
123,76
89,43
São José da Laje
113,07
81,00
0,00
829,00
111,96
99,02
Delmiro Gouveia
42,49
28,00
0,00
331,00
47,72
112,31
Piranhas
41,67
26,00
0,00
354,40
49,22
118,10
Pão de Açucar
44,47
31,48
0,00
412,40
47,32
106,40
Santana do Ipanema
59,16
41,00
0,00
384,00
60,77
102,72
Mata Grande-
86,48
71,82
0,00
463,00
74,37
85,99
Lagoa da Canoa
80,83
62,77
0,00
466,00
70,86
87,66
Limoeiro de Anadia
77,14
54,77
0,00
535,90
74,14
96,11
Palmeira dos Índios
76,30
53,35
0,00
394,00
76,38
100,10
Quebrangulo
95,25
61,50
0,00
1135,00
107,25
112,60
Traipu
55,96
42,19
0,00
367,00
51,56
92,15
Atalaia
100,04
75,00
0,00
568,00
96,90
96,86
Santana do Mundaú
84,65
68,10
0,58
463,00
76,19
90,00
União dos Palmares
97,69
73,50
0,00
488,00
94,41
96,65
Maceió
153,19
121,00
0,00
788,50
136,42
89,05
Porto Calvo
157,65
131,00
0,00
855,00
121,31
76,95
Estações
72
5.5.2 Espacial
Espacialmente, o grupo G1 encontra-se apenas no litoral (Leste de Alagoas), sendo
influenciado pelos seguintes sistemas meteorológicos, por exemplo, brisas marítimas /
terrestres, ZCIT, CTSV, DOVA, CIVA, DOL e LI - (RAO et al., 1993; MOLION e
BERNARDO, 2002; LYRA et al., 2014; SOUZA et al., 2020; RODRIGUES et al., 2020;
OLIVEIRA JÚNIOR et al., 2021), enquanto o grupo G2 cobriu todas as mesorregiões
climáticas de Alagoas, do litoral (Leste Alagoano) ao interior do Estado (Sertão e Agreste
Alagoana) e, portanto, foi influenciado por sistemas meteorológicos multiescala - (RAO et al.,
1993; LYRA et al., 2014; VALE SILVA et al. ., 2018; COSTA et al., 2021). As estações
meteorológicas correspondentes a NA, Maceió (ID 14, Figura 1) que está localizada na
Região Metropolitana de Maceió (MRM), é diretamente influenciada pelas chuvas de
convecção locais e circulações combinadas das brisas lagunares e marítimas / terrestres (DA
SILVA et al., 2010; CORREIA FILHO et al., 2019b; OLIVEIRA JÚNIOR et al., 2021) e o
outro é Porto Calvo (ID 13, Figura 1) localizada no extremo norte do estado e, portanto, sendo
influenciado principalmente pelo ZCIT(SOUZA et al., 1992; RAO et al., 1993; OLIVEIRA
JÚNIOR et al., 2012), seguido da brisa marítima / terrestre, CTSV, DOVA, CIVA, DOL e LI
- (RAO et al., 1993; MOLION E BERNARDO, 2002; LYRA et al., 2014; SOUZA et al.,
2020; RODRIGUES et al., 2020; OLIVEIRA JÚNIOR et al., 2021). Cada grupo apresentou
resultados espaço-temporais distintos, mas com algumas particularidades decorrentes do
desempenho de sistemas meteorológicos e fatores locais (por exemplo, relevo,
continentalidade / marítima, mesoescala e circulações locais), semelhantes aos resultados
obtidos por Uele et al. (2017) para o Sul de Moçambique, África do Sul e, recentemente
Rodrigues et al. (2020) que determinaram cinco grupos homogêneos via produto 3B42 do
satélite TRMM para todo o NEB, utilizando a técnica CA.
73
Figura 10: Distribuição espacial de grupos homogêneos de precipitação (Grupos 1 e 2) e grupos não
homogêneos (NA) para as 20 estações meteorológicas no estado de Alagoas entre 1960 a 2016.
Com base na técnica AC, foi feita a distribuição temporal dos grupos formados (G1 e
G2) e das estações NA (Porto Calvo e Maceió), conforme mostra a Figura 11. No grupo G1,
os anos entre 1963 e 1976 foram marcados por anos chuvosos (> 1503,33 mm.ano-1) na região
de estudo (Figura 11a), sendo anos caracterizados pelas fases positivas de ENOS e o período
pela mudança de fase ODP e, impactando nos padrões de chuvas em Alagoas e ENEB
(KAYANO E ANDREOLI, 2004; LYRA et al., 2017; DA SILVA et al., 2020), assim como o
grupo G1 está inserido na mesorregião Leste Alagoano, com maiores registros de chuva anual
(LYRA et al., 2014; SOUZA et al., 2020; OLIVEIRA JÚNIOR et al., 2021). De 1977 a 2016,
ocorre uma redução significativa da precipitação no grupo G1, que corresponde ao menor
grupo homogêneo em Alagoas definido pela CA (Figura 9) e espacialmente (Figura 10). No
grupo G2, ao contrário do grupo G1, houve alternância de anos chuvosos e secos devido às
fases positivas e negativas do ENOS (OLIVEIRA et al., 2012; LYRA et al., 2017; COSTA et
al., 2021), sendo o maior grupo homogêneo e que abrange todas as mesorregiões climáticas
de Alagoas (> 869,66 mm.ano-1) na região de estudo (Figura 11b). Na estação de Porto Calvo,
houve um aumento significativo da precipitação acumulada de 2000 a 2011, exceto para o
período de 1990 a 1999, os demais anos foram todos abaixo da média (<1891,78 mm.ano-1) -
74
(Figura 11c). Vale ressaltar que a estação está localizada do ambiente costeiro (Figura 1) e,
portanto, a maior ocorrência de chuvas originadas pela atuação da DOVA, circulações de
brisa e DOL (MOLION E BERNARDO, 2002; PONTES DA SILVA et al., 2011 ; LYRA et
al., 2014; VALE SILVA et al., 2018; SOUZA et al., 2020; RODRIGUES et al., 2020). A
estação Maceió (Figura 11c) foi semelhante à estação Porto Calvo na formação do grupo
homogêneo (NA), com diferença na sua média (1838,31 mm.ano-1). A estação Maceió tem
alternância de anos chuvosos e secos, devido às fases com anomalias positivas e negativas
comuns ao ENOS no ENEB (MOLION e BERNARDO, 2002; OLIVEIRA et al., 2012;
LYRA et al., 2017; DA SILVA et al., 2020). Vale destacar que a estação é próxima ao
complexo Lagunar Mundaú na MRM, onde ocorre um acoplamento entre as circulações de
brisa marítima / terrestre e brisa lagunar, intensificando como chuvas na região (DA SILVA
et al., 2010; OLIVEIRA JÚNIOR et al., 2021), além de chuvas convectivas provocadas pelo
efeito da urbanização (CORREIA FILHO et al., 2019b).
75
Figura 11: Distribuição temporal da precipitação e média anual (mm) no Grupo 1 (a), Grupo 2 (b), Porto Calvo
(c) e Maceió (d) no estado de Alagoas entre 1960 a 2016.
5.6
Análise Multivariada aplicada ao SPI-12
5.6.1 Anual
A distribuição temporal dos grupos homogêneos do SPI-12 no estado de Alagoas
(Figura 12) mostrou que o período seco se destacou no período chuvoso. No início da série
temporal houve dois eventos moderadamente secos (1962 e 1964) no grupo G1 (Figura 12 a),
seguido de nove eventos alternados nas categorias úmidas entre as décadas de 1970 a 1990 e
no período de 2000 a 2016, dez eventos ocorrendo nas categorias secas, conforme SPI (Tabela
2). Vale ressaltar que o período de 2000 a 2016 houve secas severas em todo NEB, sendo
identificado em estudos anteriores (CUNHA et al., 2018; MARENGO et al., 2018; CORREIA
FILHO et al., 2018). A variabilidade dos eventos úmidos e secos no grupo G2 (Figura 12b)
foi semelhante ao grupo G1, houve dois eventos moderadamente secos (1962 e 1964), a
exceção foi entre as décadas de 1970 a 1990 com doze eventos nas categorias úmidas e dez
eventos secos entre 2000 e 2016. Tal similaridade entre os eventos categorizados via SPI,
76
podem ter sido ocasionadas em virtude de ambos os grupos homogêneos possuírem regiões
pertencentes à mesorregião climática do Leste Alagoano (ALVARES et al., 2013; IBGE,
2020; SOUZA et al., 2020). Na estação Porto Calvo (Figura 12c) também houve dois eventos
moderadamente secos (1962 e 1967), semelhante aos grupos G1 e G2, alternância de doze
eventos nas categorias úmidas 1970 a 1992 e dez casos secos entre 2000 e 2016, ao contrário,
da estação Maceió (Figura 12d), com apenas um evento severamente seco (1962) no início da
série temporal, mas com o mesmo padrão nos anos 1970 a 1990 com treze casos úmidos e
nove casos secos entre 2000 e 2016.
77
Figura 12: Distribuição temporal do SPI-12, estação Murici (a - grupo homogêneo G1), União dos Palmares (b
- grupo homogêneo G2), Porto Calvo (c - grupo NA) e Maceió (d - grupo NA) para o período de 1960 a 2016.
A variação interanual do SPI aponta para períodos de seca e chuva em Alagoas,
semelhante ao estudo realizado por Liu et al. (2018) para caracterizar secas e inundações em
Quanzhou, China, com dados de 55 anos de SPI entre 1960 e 2014. Outro resultado
importante encontrado no estudo foi à variabilidade do SPI-12 nas categorias úmidas nas
décadas de 1970 e 1980, seguido por as categorias secas da década de 2000, e na década de
1960 com no máximo dois casos secos (Figura 9). Essa variabilidade decadal dos períodos
secos e úmidos no Estado de Alagoas se deve à ação dos modos de variabilidade climática,
por exemplo, ENOS, ODP e GTSMIA que atuam diretamente no regime de chuvas no estado
(LYRA et al., 2017; DA SILVA et al., 2010; LYRA et al., 2017; CORREIA FILHO et al.,
2019; DA SILVA et al., 2020; COSTA et al., 2021), ao contrário, Dabanlı et al. (2017)
mostrou apenas o ENOS no SPI nas escalas trimestral e anual para quatro regiões de seca
homogênea na Turquia, com a frequência de seca de longa duração variando de 10 a 20 anos.
Grupos homogêneos de chuva próximos à região litorânea apresentam maior variabilidade
nos períodos de seca e chuva do que grupos que se formaram no interior do estado (Figura 9).
78
Os resultados obtidos neste estudo corroboram os achados de Oliveira et al. (2012) no estado
de Alagoas para todas as categorias adotadas neste estudo. Cunha et al. (2018) recomendam o
SPI para monitorar a seca no NEB devido à sua simplicidade e recurso multiescala para
quantificar a umidade anormal e a seca. No entanto, o SPI é baseado em registros de dados de
longo prazo coletados por estações pluviométricas, o que é o caso em nosso estudo (19602016).
5.6.2 Decadal
Na avaliação decadal dos eventos do SPI-2 para o grupo G1 (Figura 10a), houve
ocorrências nas categorias de umidade moderada e muito úmida nas décadas entre 1970 e
1990, exceto para a categoria de extrema umidade, enquanto todas as categorias de seca
(Tabela 2) ocorreram de 1995 a 2016 e no início da série histórica correspondente ao norte de
Alagoas. O período decadal das categorias úmidas corrobora a distribuição temporal (Figura
8a) e a influência das fases ENOS, e o período pela mudança da fase ODP nos padrões de
precipitação em Alagoas e ENEB (KAYANO E ANDREOLI, 2004; LYRA et al., 2017; DA
SILVA et al., 2020; COSTA et al., 2021), enquanto o período decadal com maior ocorrência
de categorias secas corrobora com estudos recentes realizados para a região semiárida
(MARENGO et al., 2018) , os biomas (CORREIA FILHO et al., 2019a) e todo o NEB
(CUNHA et al., 2018). No grupo G2 (Figura 10b), houve maiores ocorrências na categoria
moderadamente úmida do que muito úmida nas décadas entre 1970 e 1990; novamente, a
exceção foi à categoria extremamente úmida. Na categoria seca do SPI-12, foram
evidenciadas as categorias moderada e muito seca. Não houve ocorrência da categoria
extremamente seca neste grupo, ao contrário do grupo G1, uma vez que o grupo G2 abrange
todas as mesorregiões climáticas do estado (Figura 7). Houve semelhança entre os grupos G1
e G2, quanto à ocorrência de eventos de seca de 1995 a 2016 e no início da série histórica. Na
estação de Porto Calvo, houve predominância das categorias moderadamente seca (início da
década de 1960 e final da década de 1990) e úmida (décadas de 1970 a 1990), seguido da
categoria muito seca (décadas de 2000 e 2010) e a categoria úmida (década de 1980) - (Figura
c). O destaque para os maiores eventos úmidos e secos ocorre na categoria moderadamente
seca, pois a região é influenciada pelo microclima local (SOUZA et al., 1992; MOLION E
BERNARDO, 2002; NASCIMENTO e XAVIER, 2010). A estação de Maceió era semelhante
à estação de Porto Calvo em relação à variabilidade das categorias do SPI (Figura 10d),
exceto as categorias extremamente seca e úmida que não foram identificados em ambas às
estações. Isso se deve ao fato da estação estar próxima a ambos os grupos e próxima ao
79
ambiente costeiro que define o padrão de eventos de chuva e seca na região semelhante aos
resultados obtidos anteriormente por Oliveira Júnior et al. (2012) para Alagoas, NEB, Sobral
et al. (2019) para Rio do Janeiro, Sudeste do Brasil e Uele et al. (2017) para o Sul de
Moçambique, África Austral, aos aspectos fisiográficos.
Figura 13: Distribuição decadal do total de eventos SPI-12 e suas respectivas categorias, estação Murici (a grupo homogêneo G1), União dos Palmares (b - grupo homogêneo G2), Porto Calvo (c - grupo NA) e Satuba (d
- grupo NA) para o período de 1960 a 2016.
80
6
CONCLUSÕES
Climatologicamente, a precipitação anual no estado de Alagoas tem dois períodos bem
definidos: entre 1960 e 1990 (P1) e entre 1990 e 2016 (P2). Ambos os períodos temporais se
alternam entre anos chuvosos e secos, e tal variabilidade temporal está diretamente ligada ao
desempenho dos modos de variabilidade climática, principalmente ENOS, com ênfase nas
fases de La Niña e Neutro (anos chuvosos) e El Niño (anos secos). No índice pluviométrico
mensal, verifica-se um aumento significativo nos meses chuvosos, apenas no Leste Alagoano.
A influência do processo de urbanização e as mudanças no uso e ocupação do solo não são
descartadas, principalmente a partir da década de 1990 e na região leste de Alagoas. Mais
pesquisas sobre este tópico são necessárias com a ajuda de produtos de sensoriamento remoto
orbital.
Espacialmente Alagoas segue uma classificação pluviométrica bem definida, sendo
definido a partir de abril, com maiores índices pluviométricos na mesorregião Leste,
principalmente na Zona da Mata e próximas ao Oceano Atlântico. No interior do estado, o
Agreste é uma zona de transição entre o Leste e o Sertão em relação aos totais de chuva nos
últimos 56 anos. O Sertão apresenta a menor pluviometria do Estado, exceto no mês de março
com registros de chuvas. Tal variabilidade identificada no período de 56 anos é fundamental
no planejamento e dimensionamento de recursos hídricos de Alagoas, visto que a economia é
predominantemente baseada na agropecuária.
O método de imputação de dados é perfeitamente aplicado à série temporal de dados
históricos com resultados satisfatórios para as mesorregiões climáticas de Alagoas. Vale
destacar que o método pode ser aplicado para outras regiões do Brasil, visto que as falhas e
lacunas temporais são recorrentes nas séries temporais de dados climáticos das principais
fontes de dados do país, neste caso, INMET e ANA.
Com base na análise comparativa, através dos sete métodos de ligação da técnica de CA
ao estado de Alagoas do presente estudo, o método de ligação média pode representar
satisfatoriamente a distribuição de grupos homogêneos de precipitação. Vale ressaltar que
outros métodos podem ser utilizados de acordo com o critério CCC, exceto o método de
Ward, amplamente utilizado na literatura, mas não é adequado para as condições do presente
estudo. O estado de Alagoas possui duas regiões homogêneas bem definidas pelo método de
conexão média, uma no litoral (G1) e outra abrangendo as regiões mais próximas ao interior
(G2) do Estado. Os dois grupos considerados atípicos, podem estar associados às
81
características microclimáticas locais (proximidade do ambiente costeiro) que influenciam o
regime de precipitação.
O SPI anual pode identificar com sucesso os períodos secos e úmidos, com a ocorrência
de eventos ENOS, independentemente da categorização, no estado de Alagoas, uma vez que o
SPI-12 pode identificar as mudanças espaço-temporais de secas e chuvas no estado. Com
destaque para os eventos úmidos nas décadas de 1970 a 1990 e eventos secos na década de
1960 e entre 2000 a 2016, sendo identificados em todos os grupos homogêneos, com
ocorrência de seca severa no NEB. Vale destacar que as categorias do SPI-12 são altamente
variáveis nas escalas anuais e decadal em ambos os grupos incluídos no estudo, a exceção são
categorias extremamente secas e úmidas. Individualmente, há maior variabilidade nos
períodos de seca e chuva próximas ao litoral do que no interior do estado. O estudo demonstra
que tais influências ocorrem em escalas temporais diferentes (anuais e decadais) e
significativamente distintas, mesmo dentro de uma área de um estado relativamente pequeno
como Alagoas.
82
7
REFERÊNCIAS BIBLIOGRÁFICAS
ADAMS, J. L.; STENSRUD, D. J. Impact of tropical Lesteerly waves on the North
American monsoon. Journal of Climate, 20(7):1219-1238p, 2007.
AGENCIA NACIONAL DE ÁGUAS – ANA. Monitor de secas. Disponível em:
<http://monitordesecas.ana.gov.br/mapa?mes=5&ano=2020> Acesso em 24/06/2020.
ALBUQUERQUE, C. S. M. Estudos das Trajetórias dos Complexos Convectivos de
Mesoescala no Nordeste Brasileiro entre os Anos de 1999 e 2009. Maceió. 2011, 78 p,
Trabalho de Conclusão de Curso. Instituto de Ciências Atmosféricas-ICAT. Universidade
Federal de Alagoas, Alagoas, 2011.
ALBUQUERQUE, M. A. Estabilidade em Análise de Agrupamento (Cluster Analysis).
2005. 62f. Dissertação (Mestrado) - Departamento de Física e Matemática, Universidade
Federal Rural de Pernambuco, Recife, 2005.
ALCÂNTARA, C. R. Linha de instabilidade da Amazônia: estudo de caso e importância
das características do perfil do vento na sua formação e desenvolvimento. Ciência e
Natura. UFSM-Universidade Federal de Campina Grande; Campina Grande, PB, 197-226p,
2011.
ALCÂNTARA, C. R; SOUZA, E. P; DIAS, M. A. F. S; BIAZETO, B. Influência dos Jatos
em Médios e Baixos Níveis nos Processos de Nuvem:Estudo Numérico de uma Linha de
Instabilidade Amazônica. Revista Brasileira de Meteorologia, v.29, n.1, 29 - 46, 2014.
ALVARES, C. A; STAPE, J. L; SENTELHAS, P. C., GONÇALVES, J. L. M.;
SPAROVEK,G. Köppen’s climate classification map for Brazil. Meteorologische
Zeitschrift, 22(6), 711-728. https://doi.org/10.1127/0941-2948/2013/0507, 2013.
ALVARES, C. A; STAPE, J. L; SENTELHAS, P. C., GONÇALVES, J. L. M.;
SPAROVEK,G. Köppen’s climate classification map for Brazil. Meteorologische
Zeitschrift, 22(6), 711-728. https://doi.org/10.1127/0941-2948/2013/0507, 2013.
ALVAREZ, M. S., ·. C. S. VERA, ·. G. N. KILADIS, ·. B. LIEBMANN, C. S. VERA, G. N.
KILADIS, B. LIEBMANN. Influence of the Madden Julian Oscillation onprecipitation
and surface air temperature in South America. Clim Dyn, 2015.
ALVES, J. M. B; FERREIRA, F. F; CAMPOS, J. N. B; ASSIS, F. A. S. F; SOUZA, E. B;
DURAN, B. J; SERVAIN, J; STUDART, T. M. Mecanismos Atmosféricos Associados à
83
Ocorrência de Precipitação Intensa sobre o Nordeste do Brasil Durante janeiro/2004.
Revista Brasileira de Meteorologia, v.21, n.1, 56-76, 2006
ALVES, J.M.B. Um Vórtice Ciclônico de Altos Níveis sobre o Nordeste do Brasil e,
Atlântico Adjacente no verão de 1999. Revista Brasileira de Meteorologia, v. 16, n.1,,115122, 2001.
ALVES, K. M. A. S. Variabilidade pluvial no semiárido brasileiro:Impactos e
vulnerabilidades na paisagem da bacia hidrográfica do rio Moxotó. Tese (doutorado).
Programa de Pós-Graduação em Geografia da Universidade Federal de Pernambuco. Recife,
2016.
ANA
-
Agência
Nacional
de
Águas.
Hidroweb.
2020.
Available
in
de
Águas.
Hidroweb.
2020.
Available
in
http://hidroweb.ana.gov.br.
ANA
-
Agência
Nacional
http://hidroweb.ana.gov.br.
ANDRADE, F. M; ARAVÉQUIA, J. A; MARTON, E. Modos de variabilidade subsazonal
associados à ZCAS. Instituto Nacional de Pesquisas Espaciais, 2012.
ANDRADE, K. M. Climatologia e Comportamento dos Sistemas Frontais Sobre a
América Do Sul. São José dos Campos: Instituto Nacional de Pesquisas Espaciais (INPE),
2005.
ANDRADE, L. S; Variabilidade Decadal da Zona de Convergência Intertropical e sua
Influência na Pluviosidade da Região Norte do Brasil. Dissertação (Mestrado em
Meteorologia: Processos de Superfície Terrestre). Universidade Federal de Alagoas 73p,
2007.
ANDREOLI, R.V.; KAYANO, M.T. A importância relativa do Atlântico Tropical Sul e
Pacífico Leste na variabilidade de precipitação do Nordeste do Brasil. Revista Brasileira
de Meteorologia, v. 22, n.1, p.63-74, 2007.
ANGELOCCI, L. R; SENTELHAS, P. C. Variabilidade, Tendência, Anomalia e Mudança
Climática. Departamento de Engenharia de Biossistemas - setor de Agrometeorologia ESALQ/USP – 2010.
ARAÚJO JÚNIOR, L. M. SILVA, E. M, COSTA, A. A; SALES, D.C; VASCONCELOS, F.
C; GUIMARÃES, S.O. Avaliação dos recursos eólicos simulado no estado do Ceará: um
84
estudo de caso para o El Niño 97/98 e para La Niña 98/99. Revista Brasileira de
Meteorologia, p. 139–152, 2014a.
ARAÚJO JÚNIOR, L. M. SOUZA. F. F. A; SILVEIRA, C. S; DIAS, T. A. DOSS- GOLLIN
J. Análise Dos Eventos De Seca No Nordeste Setentrional Brasileiro Com Base No Índice
De Precipitação Normalizada. Spi E Nordeste Setentrional, V. Xii Simpósio De Recursos
Hídricos Do Nordeste, 2014b.
ARAÚJO, J. C. As barragens de contenção de sedimentos para conservação de solo e
água no semiárido. In: Tecnologias Apropriadas para Terras Secas, Ceará, 2006.
ARAÚJO, P. H. C; CUNHA, D. A; LIMA, J. E; FÉRES; J. G. Efeitos da Seca Sobre a
Produtividade Agrícola dos Municípios da Região Nordeste. IX Encontro de Economia
Baiana. 151-167 p, 2013.
ARAÚJO, R.F; NELSON. B. W; CHAMBERS, J. Q; TAVARES, J. V; CELES, C. H. S.
Extensão e distribuição de derrubadas por vento na Amazônia, associados a uma única
linha de instabilidade em janeiro de 2005. Anais XVI Simpósio Brasileiro de
Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE,
2013 .
ARAÚJO, S. M. S. A REGIÃO SEMIÁRIDA DO NORDESTE DO BRASIL: Questões
Ambientais e Possibilidades de uso Sustentável dos Recursos. Rios Eletrônica- Revista
Científica da FASETE. ano 5 n. 5, 2011.
ASA BRASIL. Um milhão de Cisternas. Disponível em: https://www.asabrasil.org.br/.
Acesso em: 8 de set.2020.
ASENSIO, A. M; MARCOS, M; TSIMPLIS, M. N; GOMIS, D; JOSEY, S; JORDÁ, G;
Impact of the atmospheric climate modes on Mediterranean sea level variability. Global
and Planetary Change, 1-15p, 2014.
ASSUNÇÃO, M; DIAS, F. S; ROZANTE, J. R; MACHADO, L. A. T. Complexos
Convectivos de Mesoescala da na América do Sul . In: CAVALCANTI, I. F. A;
FERREIRA, N. J; SILVA, M. G. A; DIAS, M. A. F. S. (Orgs.). Tempo e Clima no Brasil.
São Paulo: Oficina de Textos, 2009.
AVELS, T. L. B; AZEVEDO, P. V. Caracterização dos Efeitos das Secas no Semiárido
Paraibano. Expedição do semiárido, 2013;
85
AZEVEDO, M. B; MEIRA, M, M. C. A Necessidade de Uma Gestão Pública Eficaz para
Amenizar os Efeitos da Seca na Região Nordeste. Gestão Ambiental e Políticas Públicas.
IX Simpósio Brasileiro de Engenharia Ambiental, XV Encontro Nacional de Estudantes de
Engenharia Ambiental e III Fórum Latino Americano de Engenharia e Sustentabilidade, Belo
Horizonte, 2017.
AZEVEDO, S. C. D.; CARDIM, G. P.; PUGA, F.; SINGH, R. P.; SILVA, E. A. D. Analysis
of the 2012-2016 drought in the northLeste Brazil and its impacts on the Sobradinho
water reservoir. Remote sensing letters, v. 9, n. 5, p. 438 - 446, 2018.
AZEVEDO, S. C. D.; CARDIM, G. P.; PUGA, F.; SINGH, R. P.; SILVA, E. A. D. Analysis
of the 2012-2016 drought in the northLeste Brazil and its impacts on the Sobradinho
water reservoir. Remote sensing letters, v. 9, n. 5, p. 438 - 446, 2018.
BAED, A. P. M; AHLONSOU, E; DING, Y; SCHIMEL. D; BOLIN, B; POLLONAIS. S.
The Climate System: an Overview. In: HOUGHTON, J.T. et al. (Eds.). . Climate Change:
The Scientific Basis. CAMBRIDGE ed. Cambridge: [s.n.]. p. 87-98,2001.
BARACUHY, V; PEREIRA, J. P. G; FERREIA, A. C; SILVA, V. F; SILVA, NICOLA.
Qualidade das águas cinza tratada com fitorremediação em unidades de produção
agrícola. Revista Verde de Agroecologia e Desenvolvimento Sustentável -Revista Verde
(Pombal - PB - Brasil) v. 10, n.1, p. 187 – 192, 2015.
BARBOSA, N. F. M; STOSIC, B. D; STOSIC, T; LOPES, P. M. O; MOURA, G. B. A;
MELO, J. S. P. Kernel smoothing dos dados de chuva no Nordeste. Revista Brasileira de
Engenharia Agrícola e Ambiental. v.18, n.7, p.742–747, 2014.
BARROS, A. H. C., ARAÚJO, J., SILVA, A., & SANTIAGO, G. Climatologia do Estado
de Alagoas Dados eletrônicos. Recife: Embrapa Solos, 2012. 32 p.; il. Boletim de Pesquisa e
Desenvolvimento/Embrapa Solos, ISSN, 1678-0892, 2012.
BARROSO, L. B; WOLFF, D. B. Reuso de Esgoto Sanitário Na Irrigação de Culturas
Agrícolas. Engenharia Ambiental - Espírito Santo do Pinhal, v. 8, n. 3, p. 225-236, 2011;
BASTOS, F. H; CORDEIRO, A. M. N. Fatores Naturais na Evolução das Paisagens no
Semiárido Brasileiro: Uma Abordagem Geral. REVISTA GEONORTE, Edição Especial,
V.2, N.4, p.464–476, 2012.
BERGAMASCHI, H; DALMAGO, G. A; SANTI, A; CUNHA, G. R. A “Seca” no Enfoque
Agronômico. In: FEDERACITE (Org). Sustentabilidade como fator de competitividade em
86
sistemas agropecuários. Esteio: FEDERACITE, Federação dos Clubes de Integração e Troca
de Experiência, p. 80-100, 2011.
BERRY, G.; THORNCROFT, C.; HEWSON, T. African Lesteerly Waves during 2004Analysis Using Objective Techniques. American Meteorological Society, v. 135, Issue 4,
1251-1267p, 2007.
BERTONI, J.; LOMBARDI NETO, F. Conservação do Solo. São Paulo. Ícone, 2012.
BEZERRA, D. E. L; LIMA FILHO, P; EDNALDO JÚNIOR, B. P; AZEVEDO, P. R. L;
SILVA; E. A. Reuso de água na irrigação de mudas de mamoeiro no Semiárido
brasileiro. Revista Verde. v. 14, n.1, p.05-11, 2019.
BEZERRA, J. M. Configuração meteorológica do verão (2013-2014) anomalamente
quente das regiões Sul e Sudeste do Brasil. 96p, Dissertação – Programa de Pós-Graduação
em Meteorologia. Universidade Federal de Pelotas, 2016.
BEZERRA, N. F. Água no semi-árido nordestino. Org.: Água e desenvolvimento
sustentável no semi-árido. Fundação Konrad Adenauer. Fortaleza, n 24, 2002.
BLAIN, G. C; BRUNINI, O. Análise Comparativa dos índices de seca de Palmer, Palmer
Adaptado e índice padronizado de precipitação no estado de São Paulo. Revista
Brasileira de Meteorologia, v. v.22, n. n.1, p. p.105-111, 2007.
BLAIN, G. C; BRUNINI, O. Avaliação e Adaptação do Índice de Severidade de Seca de
Palmer (Pdsi) E do Índice Padronizado de Precipitação (Spi) ás Condições Climáticas do
Estado de São Paulo. Agrometeorologia. Bragantia, Campinas, v.64, n.4, p.695-705, 2005.
BLAIN, G. C; PEZZOPANE, J. R. N; PEZZOPANE, J. E. M; BONOMO, R. Índice
padronizado de precipitação aplicado às condições de seca no Estado do Espírito Santo.
Revista Brasileira de Engenharia Agrícola e Ambiental v.14, n.10, p.1067–1073, 2010.
BLAMEY, R. C. REASON, C. J. C. Mesoscale Convective Complexes over Southern
Africa. American Meteorological Society, v25, 753-766p, 2012.
BORSATO, V. A; HIERA, M. D. Onda de Calor Em outubro De 2014 e os Sistemas
Atmosféricos. Revista Equador (UFPI). Edição Especial XVI Simpósio Brasileiro de
Geografia Física Aplicada. Teresina- Piauí. Vol. 4, Nº 3, 2015.
87
BRITO, J. I. B. Modelo Regional para Estimativa do Balanço Hídrico Aplicado à
Variabilidade Climática do Nordeste do Brasil. 2000, 148 p., Tese (Doutorado em
Recursos Naturais) - Universidade Federal da Paraíba, Campina Grande, 2000.
BRITO, L. T. L.; CAVALCANTI, N. B.; SILVA, A. S.; PEREIRA, L. A. Produtividade da
água de chuva em culturas de subsistência no semiárido pernambucano. Engenharia
Agrícola, p.102-109, Pernambuco, 2012.
BRITO, S. S. B; CUNHA, A. P. M. A; CUNNINGHAM, C. C; ALVALÁ, R. C;
MARENGO, J. A; CARVALHO, M. A. Frequency, duration and severity of drought in
the Semiarid NorthLeste Brazil region. International Journal of Climatology, 2017.
BRITO, T. T; OLIVEIRA JÚNIOR, J. F; LYRA, G. B; GOIS, G; ZERI, M. Multivariate
analysis applied to monthly rainfall over Rio de Janeiro state, Brazil. Meteorology and
Atmospheric Physics, 2016.
BUUREN, S. V; OUDSHOORN, K.G. Mice: Multivariate Imputation by Chained
Equations
in
R.
Journal
of
Statistical
Software.
45,
3:1-67.
http://dx.doi.org/10.18637/jss.v045.i03, 2011.
BUUREN, S. V; OUDSHOORN, K.G. Mice: Multivariate Imputation by Chained
Equations
in
R.
Journal
of
Statistical
Software.
45,
3:1-67.
http://dx.doi.org/10.18637/jss.v045.i03, 2011..
CABRAL, J. J. B; ALMEIDA, H. A. Influência do Fenômeno El-Niño Sobre o Regime
Pluvial na Microrregião de Sousa, Pb. REVISTA GEONORTE, Edição Especial, V.2, N.4,
p.904 – 915, 2012.
CAMARGO, A.P. SENTELHAS, P.C. Avaliação do desempenho de diferentes métodos
de estimativas da evapotranspiração potencial no Estado de São Paulo, Brasil. Revista
Brasileira de Agrometeorologia, Santa Maria. 5,1:89–97, 1997.
CAMPOS, C. R. J; LIMA, E. C. S; PINTO, L. B. Complexo Convectivo de Mesoescala
Observado em 27/11/2002 no Nordeste da Argentina. Anuário do Instituto de Geociências
– UFRJ, Vol. 31 - 2 / 2008 p. 23-32, 2008.
CAMPOS, J.N.B., STUDART, T.M.C. Secas no Nordeste do Brasil: Origens, Causas e
Soluções. In: IV Diálogo Interamericano de Gerenciamento de Águas. ABRH, Foz do Iguaçu,
2001.
88
CANAMARY, E. A. Avaliação de índices para fins de monitoramento e previsão de secas
no Nordeste setentrional. Dissertação de Mestrado em Tecnologia Ambiental e Recursos
Hídricos, Departamento de Engenharia Civil e Ambiental, Universidade de Brasília, Brasília,
DF, 133p, (2015).
CARPENEDO, C. B. Atividade Convectiva Associada ás Anomalias de Temperatura da
Superfície do Mar no Atlântico Tropical e Impactos Climáticos no Estado de Minas
Gerais. Ano 14 – Edição Especial Dossiê Climatologia de Minas Gerais, 2018.
CARVALHO, A. L.; SOUZA, J. L.; LYRA, G. B.; WANDERLEY, H. S. Aplicação da
cadeia de Markov para dias secos e chuvosos. Revista Brasileira de Meteorologia, v.32,
n.2, p.207-214, 2017.
CARVALHO, A. L.; SOUZA, J. L.; LYRA, G. B.; WANDERLEY, H. S. Aplicação da
cadeia de Markov para dias secos e chuvosos. Revista Brasileira de Meteorologia, v.32,
n.2, p.207-214, 2017.
CARVALHO, A. L; SOUZA. J. L; LYRA. G. B; SILVA. E. C. Estação chuvosa e de
cultivo para a região de Rio Largo, Alagoas baseada em métodos diretos e sua relação
com o El Nino - Oscilação Sul. Revista Brasileira de Meteorologia, v. 28, n. 2, p. 192–198,
2013.
CARVALHO, L. M. V; JONES, C. Zona de Convergência do Atlântico Sul. In:
CAVALCANTI, I. F. A; FERREIRA, N. J; SILVA, M. G. A; DIAS, M. A. F. S. (Orgs.).
Tempo e Clima no Brasil. São Paulo: Oficina de Textos, 2009.
CARVALHO, L. M. V; JONES, C; LIEBMANN, B. The South Atlantic Convergence
Zone: Intensity, Form, Persistence, and Relationships with Intraseasonal to Interannual
Activity and Extreme Rainfall. American Meteorological Society. Journal of Climate, v17,
88-107p, 2004.
CARVALHO, M. A. V; OYAMA, M. D. Variabilidade da Largura e Intensidade da Zona
de Convergência Intertropical Atlântica: Aspectos Observacionais. Revista Brasileira de
Meteorologia, v.28, n.3, 305 - 316, 2013.
CASSOL, P, B; BOHNER, T. Os Eventos Climáticos e a sua Indissociabilidade na Saúde
e na Economia Global. Revista Eletrônica em Gestão, Educação e Tecnologia
Ambiental.REGET/UFSM. v(5), n°5, p. 653 - 657, 2012.
89
CAVALCANTI IFA, KOUSKY VE. Frentes Frias sobre o Brasil. In: CAVALCANTI, I. F.
A., FERREIRA, N. J., JUSTI DA SILVA, M. G. A.; SILVA DIAS, M. A. F. Tempo e clima
no Brasil. 2009. São Paulo: Oficina de textos. Cap. 9, p. 133-147, 2009.
CAVALCANTI, I. F. A; BRAGA, R. H. M; NETO, L. S. Linhas de Instabilidade na Costa
N-NE da América do Sul. In: CAVALCANTI, I. F. A; FERREIRA, N. J; SILVA, M. G. A;
DIAS, M. A. F. S. (Orgs.). Tempo e Clima no Brasil. São Paulo: Oficina de Textos, 2009.
CENTRO DE GESTÃO E ESTUDOS ESTRATÉGICOS – CGEE. Estudos relativos às
mudanças climáticas e recursos hídricos para embasar o plano nacional de adaptação às
mudanças climáticas: fundamentos conceituais – mudanças climáticas e adaptação no setor
de recursos hídricos. Fortaleza: 2014.
CHAVES, R. R.; CAVALCANTI, I. F. A. Eventos extremos de precipitação sobre o sul do
Nordeste. In: CONGRESSO BRASILEIRO DE METEOROLOGIA, 2000, Rio de Janeiro.
Anais… Rio de Janeiro: SBMET, 2000. p. 1002-1008.
CLOVIS FILHO, G; LOPES, P. R. C; SILVA, P. C. G. Elementos para Formulação de um
Programa de Convivência com a Seca no Semi-Árido Brasileiro. PETROLINA-PE, 2003.
CONFALONIERI, U. E. C. Variabilidade climática, vulnerabilidade social e saúde no
Brasil. Terra Livre. v, 1. n, 20. p, 193-204. São Paulo. 2003
COREIA, F. M; GONÇALVES, W. A; ARAGÃO, M. R. S; DINIZ, M. C. S. Mudanças na
Estrutura Termodinâmica da Atmosfera na Presença de Vórtices Ciclônicos de Altos
Níveis: Um Episódio de Precipitação Extrema no Semiárido Brasileiro. Revista Brasileira
de Geografia Física 04, 877-890p, 2012.
CORREIA FILHO, W. L. F. ; OLIVEIRA JÚNIOR, JOSÉ FRANCISCO DE ; SANTIAGO,
D. B. ; TERASSI, P. M. B. ; TEODORO, P. E. ; GOIS, G. ; BLANCO, C. J. C. ; SOUZA, P.
H. A. ; COSTA, M. ; SANTOS, P. J. . Rainfall variability in the Brazilian northLeste
biomes and their interactions with meteorological systems and ENSO via CHELSA
product. Big Earth Data, v. 3, p. 315-337, 2019a.
CORREIA FILHO, W. L. F. ; OLIVEIRA JÚNIOR, José Francisco de ; SANTIAGO, D. B. ;
TERASSI, P. M. B. ; TEODORO, P. E. ; GOIS, G. ; BLANCO, C. J. C. ; SOUZA, P. H. A. ;
COSTA, M. ; SANTOS, P. J. . Rainfall variability in the Brazilian northLeste biomes and
their interactions with meteorological systems and ENSO via CHELSA product. Big
Earth Data, v. 3, p. 315-337, 2019a.
90
CORREIA FILHO, W. L. F. ; SANTOS, T. V. ; SANTIAGO, D. B. ; OLIVEIRA-JÚNIOR,
JOSÉ FRANCISCO DE ; AMORIM, R. F. C. . Influence of meteorological variables on
reference Evapotranspiration in the State of Alagoas, Brazil, based on multivariate
analysis. MODELING EARTH SYSTEMS AND ENVIRONMENT , v. 1, p. 1-10, 2020.
CORREIA FILHO, W. L. F., SANTIAGO, D. B., OLIVEIRA JÚNIOR, J. F., SILVA
JUNIOR, C. A. Impact of Urban Decadal Advance on Land Use and Land Cover and
Surface Temperature in the City of Maceió, Brazil. Land Use Policy, 87, 104026. doi:
https://doi.org/10.1016/j.landusepol.2019.104026, 2019b.
CORREIA FILHO, W. L. F., SANTIAGO, D. B., OLIVEIRA JÚNIOR, J. F., SILVA
JUNIOR, C. A. Impact of Urban Decadal Advance on Land Use and Land Cover and
Surface Temperature in the City of Maceió, Brazil. Land Use Policy, 87, 104026. doi:
https://doi.org/10.1016/j.landusepol.2019.104026, 2019b.
CORREIA FILHO, W. L. F., SANTOS, T. V., DIOGO, A. M; AMORIM, R. F. C.
Diagnóstico da Precipitação e EVI em Dois Eventos de Seca no Nordeste do Brasil.
Revista
do
Departamento
de
Geografia,
35,
102-112.
doi:
https://doi.org/10.11606/rdg.v35i0.140068, 2018.
CORREIA FILHO, W. L. F., SANTOS, T. V., DIOGO, A. M; AMORIM, R. F. C.
Diagnóstico da Precipitação e EVI em Dois Eventos de Seca no Nordeste do Brasil.
Revista
do
Departamento
de
Geografia,
35,
102-112.
doi:
https://doi.org/10.11606/rdg.v35i0.140068, 2018.
CORREIA, F. R. S. Zonas
de
Convergência
Subtropicais na
América
do
Sul:Características da circulação e fluxos de umidade. Monografia. Universidade Federal
do Rio de Janeiro. 106p, Rio de Janeiro. 2013.
CORREIA, J. M. Impactos dos Principais Modos de Variabilidade Climática na Potência
Eólica em Portugal. 63p. Dissertação de Mestrado em Engenharia da Energia e do Ambiente.
Universidade de Lisboa, 2015.
CORREIA, M. G. G; GALVANI, E. Variabilidade Espacial e Sazonal da Precipitação
Pluviométrica na Bacia Hidrográfica no Rio Piquiri-PR. Revista do Departamento de
Geografia, V. 34, 21-30p, 2017.
91
CORREIA, W. L. F. F; SANTOS, T.V; DIOGO, A. M; AMORIM, R. F. C. Diagnóstico da
Precipitação e EVI em Dois Eventos de Seca no Nordeste do Brasil. Revista do
Departamento de Geografia, V.35, p. 102-112, 2018.
COSTA, A. G; SAOUSA, I. F; SANTOS, L. M. V; COSTA, O. A. Sistemas Atmosféricos
Atuantes no Nordeste do Brasil Durante a Estação de Verão. In: VI Simpósio Brasileiro
de Climatologia Geográfica: Diversidades Climáticas. UFS/NPEGEO, 2004.
COSTA, C; ANDRADE, A. R. Dinâmica da Precipitação Pluviometrica na cidade de
Guarapuava, PR: Condicionantes Locais e Regionais. Revista Brasileira de Climatologia,
Ano 13, Vol. 21, 2017.
COSTA, J. A. Fenômeno EL NIÑO e as Secas no Nordeste do Brasil. Revista Científica do
IFAL, Campus Piranhas v. 1, n. 4, p 71-82, 2012.
COSTA, M. D. S., OLIVEIRA-JÚNIOR, J. F., SANTOS, P. J. D., CORREIA FILHO, W. L.
F., GOIS, G., BLANCO, C. J. C., JARDIM, A. M. D. R. F. Rainfall extremes and drought
in Northeast Brazil and its relationship with El Niño–Southern Oscillation. International
Journal of Climatology, 41, E2111-E2135. doi: https://doi.org/10.1002/joc.6835, 2021.
COSTA, M. S; LIMA, K. C; ANDRADE, M. M. GONÇALVES, W. A. Tendências
observadas em extremos de precipitação sobre a região Semiárida do Nordeste do
Brasil. Revista Brasileira de Geografia Física V. 08 N. 05 1321-1334p, 2015.
COSTA, M.S.; OLIVEIRA JÚNIOR, J.F.; SANTOS, P.J.; CORREIA FILHO, W.L.F.; GOIS,
G.; BLANCO, C.J.C.; TEODORO, P.E.; SILVA JUNIOR, C.A.; SANTIAGO, D.B.;
SOUZA, E.O; FERRAZ JARDIM, A.M.R. Rainfall extremes and drought in Northeast
Brazil and its relationship with El Niño-Southern Oscillation. International Journal of
Climatology, v. 41, n. 1, p. 211 1- 2135, 2020.
COSTA, M.S; SANTOS, P. J; CAMPOS, N. T; NETO, H. M. B. Comportamento do
regime pluviométrico mensal para capital alagoana – Maceió. XVI Congresso Brasileiro
de Agrometeorologia, 2009.
COSTA, R. L. Aplicação de uma teoria termodinâmica no estudo de um vórtice ciclônico
de altos níveis sobre o Nordeste do Brasil. 2012. 96 f. Dissertação (Mestrado em
Meteorologia) – Pós-Graduação em Meteorologia, Centro de Tecnologia e Recursos Naturais,
Universidade Federal de Campina Grande, Paraíba, Brasil, 2012.
92
COSTA, S. B. Balanços de vorticidade e energia aplicados aos Vórtices Ciclônicos de
Altos Níveis atuantes no Oceano Atlântico Tropical Sul e adjacências. 2009. 85p.
Dissertação (Mestrado em Meteorologia) – Universidade de São Paulo, São Paulo, 2009.
COUTINHO, E. C; FISCH, G. Distúrbios Ondulatórios de Leste (Dols) na Região do
Centro de Lançamento de Alcântara-Ma. Revista Brasileira de Meteorologia, v.22, n.2,
193-203p, 2007.
CUNHA, A. P. M. A., TOMASELLA, J., RIBEIRO-NETO, G.G., BROWN, M., GARCIA,
S. R., BRITO, S. B; CARVALHO, M. A. Changes in the spatial–temporal patterns of
droughts in the Brazilian Northeast. Atmospheric Science Letters, 19(10), 1-8. doi:
https://doi.org/10.1002/asl.855, 2018.
CUNHA, A. P. M. A., TOMASELLA, J., RIBEIRO-NETO, G.G., BROWN, M., GARCIA,
S. R., BRITO, S. B; CARVALHO, M. A. Changes in the spatial–temporal patterns of
droughts in the Brazilian Northeast. Atmospheric Science Letters, 19(10), 1-8. doi:
https://doi.org/10.1002/asl.855, 2018.
CUNHA, G. R; PIRES, J. L; DALMAGO, G. A; SANTI, A; PASINATO, A; SILVA, A. A.
G; ASSAD, E. D; ROSA, C. M. El Niño/La Niña - Oscilação Sul e seus impactos na
agricultura brasileira: fatos, especulações e aplicações. Revista Plantio Direto, edição 121.
Aldeia Norte Editora, Passo Fundo, RS, 2011.
CUNHA, R. L. A. Definição de Cenários de Referência para Avaliações dos Impactos das
Secas.2008. 163p. Relatório (Mestrado em Engenharia Civil- Especialização em Hidráulica).
Universidade do Porto-Faculdade de Egenharia,2008.
CUNHA. R. L. A. DEFINIÇÃO DE CENÁRIOS DE REFERÊNCIA PARA
AVALIAÇÃO DOS IMPACTOS DAS SECAS. Relatório de Projecto submetido para
satisfação parcial dos requisitos do grau de Mestre em Engenharia Civil — Especialização em
Hidráulica, Lisboa, 2008.
DA SILVA, D. F., LIMA, M. J. S., SOUZA NETO, P. F., GOMES, H., SANTOS SILVA, F.
D., ALMEIDA, H. R. R. C., PEREIRA, M. P. S., COSTA, R. L. Caracterização de eventos
extremos e de suas causas climáticas com base no Índice Padronizado de Precipitação
Para o Leste do Nordeste. Revista Brasileira de Geografia Física, 13(2), 449-464. doi:
https://doi.org/10.26848/rbgf.v13.2.p449-464, 2021.
93
DA SILVA, D. F., LIMA, M. J. S., SOUZA NETO, P. F., GOMES, H., SANTOS SILVA, F.
D., ALMEIDA, H. R. R. C., PEREIRA, M. P. S., COSTA, R. L. Caracterização de eventos
extremos e de suas causas climáticas com base no Índice Padronizado de Precipitação
Para o Leste do Nordeste. Revista Brasileira de Geografia Física, 13(2), 449-464. doi:
https://doi.org/10.26848/rbgf.v13.2.p449-464, 2020.
DA SILVA, D. F., SOUSA, F. A. S., KAYANO, M. T. Escalas Temporais da
Variabilidade Pluviométrica na Bacia Hidrográfica do Rio Mundaú. Revista Brasileira
de Meteorologia, 25(3), 147-155. doi: https://doi.org/10.1590/S0102-77862010000300004,
2010.
DA SILVA, D. F., SOUSA, F. A. S., KAYANO, M. T. Escalas Temporais da
Variabilidade Pluviométrica na Bacia Hidrográfica do Rio Mundaú. Revista Brasileira
de Meteorologia, 25(3), 147-155. doi: https://doi.org/10.1590/S0102-77862010000300004,
2010.
DA SILVA, V. P. R. On climate variability in Northeast of Brazil. Journal of Arid
Environments, 58(4), 575-596. doi: https://doi.org/10.1016/j.jaridenv.2003.12.002, 2004.
DA SILVA, V. P. R. On climate variability in Northeast of Brazil. Journal of Arid
Environments, 58(4), 575-596. doi: https://doi.org/10.1016/j.jaridenv.2003.12.002, 2004.
DABANLI, I., ASHOK, K. &, ZEKAI, S. Long-term spatio-temporal drought variability
in
Turkey.
Journal
of
Hydrology,
552,
779-792.
doi:
https://doi.org/10.1016/j.jhydrol.2017.07.038, 2017..
DANTAS, V. S; AMORIM, A. C. B; COSTA, M. S; SILVA, M. S. Downscaling dinâmico
sobre o Nordeste do Brasil utilizando um modelo climático regional: impacto de
diferentes parametrizações na precipitação simulada. Revista Brasileira de Geografia
Física v.6, n.4, 995-1008, 2013.
DEWES. C. F. Análise da Variabilidade Climática de um Modelo do Clima da América
do Sul no Presente e em 6 ka AP. 2007, 118 p, Dissertação. Instituto de Astronomia,
Geofísica e Ciências Atmosféricas. Universidade de São Paulo. São Paulo, 2007.
DING, Y., XU, J., WANG, X., CAI, H., ZHOU, Z., SUN, Y., & SHI, H. Propagation of
meteorological to hydrological drought for different climate regions in China. Journal of
Environmental
Management,
283,
https://doi.org/10.1016/j.jenvman.2021.111980, 2021
111980.
doi:
94
DING, Y., XU, J., WANG, X., CAI, H., ZHOU, Z., SUN, Y., & SHI, H. Propagation of
meteorological to hydrological drought for different climate regions in China. Journal of
Environmental
Management,
283,
111980.
doi:
https://doi.org/10.1016/j.jenvman.2021.111980, 2021
DINIZ, A. F. Variabilidade Climática e sua Influência na Produtividade da Cultura do
Milho na Microrregião de Feira de Santa (Bahia). Tese (doutorado). Programa de PósGraduação em Geografia Física. São Paulo, 2016.
DONI, M. V. Análise de cluster: métodos hierárquicos e de particionamento. Trabalho
de conclusão de curso.
Faculdade de Computação e Informática da Universidade
Presbiteriana Mackenzie. 93p. São Paulo, 2004.
DRUMOND. A. R. M; Anomalias de TSM no Hemisfério Sul e seu Impacto na Monção
Sul Americana. Tese de Doutorado. Instituto de Astronomia, Geofísica e Ciências
Atmosféricas. Universidade De São Paulo,123p, 2005.
DUARTE, J. G. P; FARIAS, A. A; SOUSA, F. A. S; SOUZA, J. T. A; RAMOS, M, M, Q.
Secas e Impactos na Agropecuária no Município de Campina Grande – PB. Revista
Brasileira de Meteorologia, v. 33.
DUARTE, R. Seca, pobreza e políticas públicas no Nordeste. In: Pobreza, desigualdad
social y ciudadanía. Los límites de las políticas sociales en América Latina. Buenos Aires.
2001.
EDWARDS, D. C., MCKEE, T. B.Characteristics of 20th Century Drought in the United
States at Multiple Scales. Atmospheric Science Paper No. 634, May 1–30, 1997.
EMBRAPA- Empresa Brasileira de Pesquisa Agropecuária. Climatologia do Estado de
Alagoas, ISSN1678-0892 Dezembro, 2012.
EMBRAPA MONITORAMENTO POR SATÉLITE. Satélites de Monitoramento.
Campinas:
Embrapa
Monitoramento
por
Satélite,
2013.
Disponível
em:
http://www.sat.cnpm. embrapa.br. Acesso em: 22 jan. 2021. n. 2, 289-297, 2018.
ESHETU, G., JOHANSSON, T., & GAREDEW, W. Rainfall trend and variability analysis
in Setema-Gatira area of Jimma, Southwestern Ethiopia. African Journal of Agricultural
Research, 11(32), 3037-3045. doi: https://doi.org/10.5897/AJAR2015.10160, 2016.
95
ESHETU, G.; JOHANSSON, T.; GAREDEW, W. Rainfall trend and variability analysis
in Setema-Gatira area of Jimma, Southwestern Ethiopia. African Journal of Agricultural
Research, v. 11, n. 32, p. 3037-3045. 2016.
ESHETU, G.; JOHANSSON, T.; GAREDEW, W. Rainfall trend and variability analysis
in Setema-Gatira area of Jimma, Southwestern Ethiopia. African Journal of Agricultural
Research, v. 11, n. 32, p. 3037-3045. 2016.
FAGGION, F; OLIVEIRA. C. A. S; CHISTOFIDIS, D. Uso eficiente da água:Uma
contribuição para o desenvolvimento sustentável da agropecuária. Pesquisa Aplicada &
Agrotecnologia, v 2, n1, 187-190 p, 2009.
FEDOROVA, N.; LEVIT, V.; RODRIGUES, L. R. L.; COSTA, S. B. Mesoscale Convective
Complex Genesis and forecast in Alagoas State of Brazil. Journal of the Georgian
Geophysical Society, v.12, p.36-44, 2008.
FEDOROVA, N.; LEVIT, V.; SILVEIRA, M. H. S.; SILVA, B. F. P.; AMIRAASHVILI, A.
G. Mesoscale Convective Complexes on the NorthLesteern Coast of Brazil. Journal of the
Georgian Geophysical Society, v.13, p.36-49, 2009.
FEITOSA, S. O; SILVA, S. L; FEITOSA, H. O; CARVALHO, M, C; FEITOSA, E. O.
Crescimento do feijão caupi irrigado com diferentes concentrações efluente tratado e
água salina. Revista AGROTEC – v. 36, n. 1, p. 146-155, 2015.
FERNANDES. D. S; HEINEMANN. A. B. Estimativa da variação da produtividade do
arroz em diferentes escalas temporais do índice SPI. Pesq. agropec. bras., Brasília, v.46,
n.4, p.335-343, 2011.
FERNANDES. D. S; HEINEMANN. A. B; PAZ. R. L; AMORIN. A. O; CARDOSO. A. S.
Índices para a Quantificação da Seca. Empresa Brasileira de Pesquisa Agropecuária
Embrapa Arroz e Feijão. Ministério da Agricultura, Pecuária e Abastecimento. 48 p. Goiás.
2009.
FERREIRA, A. G; MELLO, N. G. S. Principais Sistemas Atmosféricos Atuantes sobre a
Região Nordeste do Brasil e a Influência dos Oceanos Pacífico e Atlântico no Clima da
Região. Revista Brasileira de Climatologia, v. 1, n 1, p. 15-28, 2005.
FERREIRA, G. W. S; REBOITA, M. S; ROCHA, R. P. Vórtices Ciclônicos de Altos Níveis
nas Cercanias do Nordeste do Brasil: Climatologia e Análise da Vorticidade Potencial
Isentrópica. Anuário do Instituto de Geociências – UFRJ, 2019.
96
FERREIRA, N. J; RAMÍREZ, M. V; GAN, M. A. Vórtices Ciclônicos de Altos Níveis que
atuam na vizinhança do Nordeste do Brasil. In: CAVALCANTI, I. F. A; FERREIRA, N. J;
SILVA, M. G. A; DIAS, M. A. F. S. (Orgs.). Tempo e Clima no Brasil. São Paulo: Oficina de
Textos, 2009.
FERREIRA, N. J; SANCHES, M; SILVA, M. A. F. D. Composição da Zona de
Convergência do Atlântico Sul em Períodos de El Niño e La Ninã. Revista Brasileira de
Meteorologia, v19, n1, 89-98p, 2004.
FIALHO, W. M. B; MOLION, L. C. B. Extremos de chuva na costa leste do NEB: o
evento de maio de 2009. Revista Ambientale –UNEAL. Ano 3, Vol. 1, 2012.
FIORIN, D. V; MARTINS, F. R; SCHUCH, N. J; PEREIRA, E. B. Aplicações de redes
neurais e previsões de disponibilidade de recursos energéticos solares. Revista Brasileira
de Ensino de Física, v. 33, n. 1, 1309, 2011.
FONTENELLE, M. C; FONTENELLE, A. S; MATOS, Y. M. P; MONTEIRO, F. F.
Avaliações de Risco em Barragens: Estudo de Caso da Barragem Malcozinhado no
Nordeste Brasileiro. REEC –Revista Eletrônica de Engenharia Civil Vol 14-nº ,2018.
FUNCEME - FUNDAÇÃO CEARENSE DE METEOROLOGIA E RECURSOS
HÍDRICOS.ZCIT - Zona de Convergência Intertropical: Acompanhamento. Disponível
em:<http://www.funceme.br/index.php/areas/23monitoramento/meteorol%C3%B3gico/410zcti-zonade-convergencia-intertropical>. Acesso em: 08/06/2020.
GABRIEL, G; H. Modos de Variabilidade das Precipitações no Estado de São Paulo:
Conexões Locais, Regionais e Remotas. Tese (doutorado) – Universidade Estadual de
Campinas, Instituto de Geociências. Campinas, 2017.
GALVÍNCIO, J. D; DANTAS, L. G; FERNANDES, J. G. Sistemas que Favorecem
Ocorrência de Chuva em Região Semiárida do Nordeste do Brasil: Estudo de Caso em
São José do Sabugí-Pb. Revista de Geografia. Recife: UFPE – DCG/NAPA, v. 27, n. 1,
jan/mar. 2010.
GARNOT, V. S. F; GROTH, A; GHIL M. Coupled Climate-Economic Modes in the
Sahel's Interannual Variability. Ecological Economics 153 ,111–123p, 2018.
GERMANO, A. S. Aspectos sinóticos de vórtices ciclônicos em altos níveis que
provocaram precipitações externas nas cidades de Recife, Maceió e Aracaju no período
de 2011 à 2015: estudo de casos. 2016. 87 f. Dissertação (Mestrado em Meteorologia) –
97
Instituto de Ciências Atmosféricas, Programa de Pós-Graduação em Meteorologia,
Universidade Federal de Alagoas, Maceió, 2016.
GLANTZ, M. H., & RAMIREZ, I. J. Reviewing the Oceanic Niño Index (ONI) to Enhance
Societal Readiness for El Niño’s Impacts. International Journal Disaster Risk Science, 11,
394-403. doi: https://doi.org/10.1007/s13753-020-00275-w, 2020.
GLANTZ, M. H., & RAMIREZ, I. J. Reviewing the Oceanic Niño Index (ONI) to Enhance
Societal Readiness for El Niño’s Impacts. International Journal Disaster Risk Science, 11,
394-403. doi: https://doi.org/10.1007/s13753-020-00275-w, 2020.
GOIS, G. ; SOUZA, J. L. ; SILVA, P. R. T. ; OLIVEIRA JÚNIOR, J. F . Caracterização da
Desertificação no Estado de Alagoas Utilizando Variáveis Climáticas. Revista Brasileira
de Meteorologia (Impresso), v. 20, p. 301-314, 2005.
GOIS, G., FREITAS, W. K., BODAS TERASSI, P. M., OLIVEIRA-JÚNIOR, J. F., &
PORTZ, A. Variabilidade anual e mensal da chuva e da temperatura do ar no município
de Resende, Rio de Janeiro. Revista Brasileira de Climatologia, 24(11), 67-88. doi:
http://dx.doi.org/10.5380/abclima.v24i0.61611, 2019.
GOIS, G., FREITAS, W. K., BODAS TERASSI, P. M., OLIVEIRA-JÚNIOR, J. F., &
PORTZ, A. Variabilidade anual e mensal da chuva e da temperatura do ar no município
de Resende, Rio de Janeiro. Revista Brasileira de Climatologia, 24(11), 67-88. doi:
http://dx.doi.org/10.5380/abclima.v24i0.61611, 2019.
GOIS, G., OLIVEIRA-JÚNIOR, J. F., SOUZA, R. F. D. P., FREITAS, W. K., BODAS
TERASSI, P. M., & SOBRAL, B. S. Variabilidade Pluviométrica, Indicadores de Seca e a
Aplicação do Índice SPI para a Região do Médio Vale Paraíba do Sul no Estado do Rio
de
Janeiro.
Revista
Brasileira
de
Climatologia,
27,
122-157.
doi:
http://dx.doi.org/10.5380/abclima.v27i0.66703, 2021.
GOIS, G; FREITAS, W. K; TERASSI, P. M. B; OLIVEIRA JÚNIOR, J. F; PORTZ, A.
(2019). Variabilidade Anual e Mensal da Chuva e da Temperatura do Ar no Município
de Resende, Rio de Janeiro. Revista Brasileira de Climatologia, 2019.
GOIS, G; OLIVEIRA JUNIOR, J. F; DELGADO, R. C; MORAES. M. Severidade Da Seca
No Estado Do Tocantins E Suas Relações Com Os Eventos De El Niño. Enciclopédia
Biosfera, p. 1973–1989, 2013.
98
GOIS, G; OLIVEIRA JUNIOR, J. F; DELGADO, R. C; MORAES. M. Severidade Da Seca
No Estado Do Tocantins E Suas Relações Com Os Eventos De El Niño. Enciclopédia
Biosfera, p. 1973–1989, 2013.
GOIS, G; OLIVEIRA JUNIOR, J. F; SILVA JUNIOR, C. A; SOBRAL, B. S; TERASSI, P;
M. B; LEONEL JUNIOR, A. H. S. Statistical normality and homogeneity of a 71-year
rainfall dataset for the state of Rio de Janeiro—Brazil. 141, 1573-1591p, 2020.
GOIS, G; OLIVEIRA JUNIOR, J. F; SILVA JUNIOR, C. A; SOBRAL, B. S; TERASSI, P;
M. B; LEONEL JUNIOR, A. H. S. Statistical normality and homogeneity of a 71-year
rainfall dataset for the state of Rio de Janeiro—Brazil. 141, 1573-1591p, 2020.
GOIS, G; OLIVEIRA JUNIOR, J. F; SILVA, J. S; JÚNIOR SILVA, J. L. C; MONTEITO, P.
S. Avaliação da Seca Através do Índice de Precipitação Padronizada (SPI) em Alguns
Municípios Do Sertão Alagoano. XV Congresso Brasileiro de Agrometeorologia. Aracaju
– SE, 2007.
GOMES, H. B. Distúrbios Ondulatórios de Leste no Nordeste Brasileiro: Climatologia e
Modelagem Numérica. Tese de Doutorado. Departamento de Ciências Atmosféricas do
Instituto de Astronomia, Geofísica e Ciências Atmosféricas. Univerisade de São Paulo, 99p,
2012.
GOMES, U. A. F; HELLER, L. Acesso à água proporcionado pelo Programa de
Formação e Mobilização Social para Convivência com o Semiárido: Um Milhão de
Cisternas Rurais: combate à seca ou ruptura da vulnerabilidade? Eng. Sanit. Ambient.
v.21, n.3, 623-633p, 2016.
GRIMM, A. M. Variabilidade interanual do clima no Brasil. In: CAVALCANTI, I. F.,
FERREIRA, A.N.J.; JUSTI DA SILVA, M.G; SILVA DIAS, M.A.F. (Org.). Tempo e Clima
no Brasil. São Paulo: Oficina de Textos, 2009, p. 353–374.
GUEDES, R. V. S; MACEDO, M. J. H; SOUSA, F. A. S. Análise espacial de eventos de
secas com base no índice padronizado de precipitação e análise de agrupamento. Revista
Brasileira de Ciências Ambientais, Número 23, 2012.
GUEDES, R., MACEDO, M. J., SOUSA, F. Análise espacial de eventos de secas com base
no índice padronizado de precipitação e análise de agrupamento. Revista Brasileira De
Ciências Ambientais (Online), (23), 55-65p, 2012.
99
GUENANG, G. M.; KAMGA, F. M. Computation of the Standardized Precipitation
Index (SPI) and its use to assess drought occurrences in Cameroon over recent decades.
Journal of Applied Meteorology and Climatology, v. 53, p. 2310-2324. 2014.
GUTIÉRREZ, N. Q. Vortice Ciclonico En Bajos Niveles Caso Estudio: 09 De Febrero De
2004. National Meteorology and Hydrology Service of Peru. SENAMHI. Perú – Octubre,
2004
HAO. Z; AGHAKOUCHAK. A. Multivariate Standardized Drought Index: A parametric
multi-index model. Advances in Water Resources. Ed. 57. p 12-18.2013.
HARREL, F. Regression Modeling Strategies: With Applications to Linear Models,
Logistic Regression, and Survival Analysis. Chapter 5: Resampling, Validating, and
Simplifying the Model. V.3, p. 88-103, 2001.
HARREL, F. Regression Modeling Strategies: With Applications to Linear Models,
Logistic Regression, and Survival Analysis. Chapter 5: Resampling, Validating, and
Simplifying the Model. V.3, p. 88-103, 2001.
HASTENRATH, S; HELLER. L . 1977 . Dinâmica dos riscos climáticos no nordeste do
Brasil . Quart. JR Meteorol. Soc. 110 : 411 – 425, 1977.
HERDIES, A. L; SILVA, A; DIAS, M. A. F. S; FERREIRA, R. N. Moisture budget of the
bimodal pattern of the summer circulation over South America. JOURNAL OF
GEOPHYSICAL RESEARCH, VOL. 107, NO. D20, 8075, 2002.
HILL, C. M; LIN, Y. L. Initiation of a mesoscale convective complex over the Ethiopian
Highlands preceding the genesis of Hurricane Alberto (2000). GEOPHYSICAL
RESEARCH LETTERS, VOL. 30, NO. 5, , 2003.
HIRONS, L.; KLINGAMAN, N. La Niña - Historical Impact Analysis. n. February 2016,
p.36, 2016
HOPKINS , W.G. A new view of statistics: Correlation coefficient. 2009, Disponivél em :
<http://www.sportsci.org/resource/stats/correl.html> Acessado em 18 de janeiro de 2020.
HOPKINS , W.G. A new view of statistics: Correlation coefficient. 2009, Disponivél em :
<http://www.sportsci.org/resource/stats/correl.html> Acessado em 18 de janeiro de 2020.
100
HOUNSOU-GBO. G.A., SERVAIN, J., ARAUJO, M., MARTINS, E.S., BOURLES, B.,
CANAIX, G., Oceanic Indices for Forecasting Seasonal Rainfall over the Northern Part
of Brazilian Northeast. Am J Clim Change 5, 261-274, 2016.
HUANG, B., THORNE, P. W., BANZON, V. F., BOYER, T., CHEPURIN, G.,
LAWRIMORE, J. H., ... & ZHANG, H. M. (2017). Extended reconstructed sea surface
temperature, version 5 (ERSSTv5): upgrades, validations, and intercomparisons.
Journal of Climate, 30(20), 8179-8205. doi: https://doi.org/10.1175/JCLI-D-16-0836.1, 2017.
HUANG, B., THORNE, P. W., BANZON, V. F., BOYER, T., CHEPURIN, G.,
LAWRIMORE, J. H., ... & ZHANG, H. M. (2017). Extended reconstructed sea surface
temperature, version 5 (ERSSTv5): upgrades, validations, and intercomparisons.
Journal of Climate, 30(20), 8179-8205. doi: https://doi.org/10.1175/JCLI-D-16-0836.1, 2017.
IBGE - Instituto Brasileiro de Geografia e Estatística. 2010. Disponível em:
www.ibge.gov.br. Acesso em: 22 de janeiro de 2021.
IBGE - Instituto Brasileiro de Geografia e Estatística. 2010. Disponível em:
www.ibge.gov.br. Acesso em: 22 de janeiro de 2021.
IBGE - Instituto Brasileiro de Geografia e Estatística. Área da unidade territorial: Área
territorial
brasileira.
Rio
de
Janeiro,
2020.
Disponível
em:
cidades.ibge.gov.br/brasil/al/panorama. Acesso em: 22 de janeiro de 2021.
IBGE - Instituto Brasileiro de Geografia e Estatística. Área da unidade territorial: Área
territorial
brasileira.
Rio
de
Janeiro,
2020.
Disponível
em:
cidades.ibge.gov.br/brasil/al/panorama. Acesso em: 22 de janeiro de 2021.
IBGE - Instituto Brasileiro de Geografia e Estatística. Censo 2010, 2010. Disponível em:
www.ibge.gov.br.
IBGE - Instituto Brasileiro de Geografia e Estatística. Censo Agropecuário de 2017.
Disponível em: www.sidra.ibge.gov.br. Acesso em: 22 de janeiro de 2021.
IBGE - Instituto Brasileiro de Geografia e Estatística. Divisão regional do Brasil em
mesorregiões
e
microrregiões
geográficas,
2019.
Disponível
em:
https://biblioteca.ibge.gov.br/visualizacao/livros/liv2269_1.pdf. Acesso em: 22 de janeiro de
2021.
IBGE.
Instituto
Brasileiro
de
Geografia
e
Estatística, 2020. Disponível em
:<https://www.ibge.gov.br/cidades-e-estados/al.html>. Acesso em: 16 de novembro de 2020.
101
ISHIZAWA, Y. B; BARBOSA, A. G; MENDES, L. A. Análise da influência dos
fenômenos El Niño e La Niña na oscilação da precipitação na bacia do rio Piauí, Sergipe.
6º Congresso Internacional de Tecnologias para o Meio Ambiente Bento Gonçalves – RS,
Brasil, 2018.
JARDIM, A. M. D. R. F., DE QUEIROZ, M. G., JÚNIOR, G. D. N. A., DA SILVA, M. J., &
DA SILVA, T. G. F. Estudos climáticos do número de dias de precipitação pluvial para o
município de Serra Talhada-PE. Revista Engenharia na Agricultura, 27(4), 330-337. doi:
https://doi.org/10.13083/reveng.v27i4.875, 2019.
JARDIM, A. M. D. R. F., DE QUEIROZ, M. G., JÚNIOR, G. D. N. A., DA SILVA, M. J., &
DA SILVA, T. G. F. Estudos climáticos do número de dias de precipitação pluvial para o
município de Serra Talhada-PE. Revista Engenharia na Agricultura, 27(4), 330-337. doi:
https://doi.org/10.13083/reveng.v27i4.875, 2019.
JARDIM, A. M. D. R. F., SILVA, T. G. F., SOUZA, L. S. B., JÚNIOR, G. D. N. A., ALVES,
H. K. M. N., SÁ SOUZA, M., MOURA, M. S. B. Intercropping forage cactus and
sorghum in a semi-arid environment improves biological efficiency and competitive
ability through interspecific complementarity. Journal of Arid Environments, 188, 104464.
https://doi.org/10.1016/j.jaridenv.2021.104464, 2021a.
JARDIM, A. M. D. R. F., SILVA, T. G. F., SOUZA, L. S. B., JÚNIOR, G. D. N. A., ALVES,
H. K. M. N., SÁ SOUZA, M., MOURA, M. S. B. Intercropping forage cactus and
sorghum in a semi-arid environment improves biological efficiency and competitive
ability through interspecific complementarity. Journal of Arid Environments, 188, 104464.
https://doi.org/10.1016/j.jaridenv.2021.104464, 2021a.
JARDIM, A. M. R. F., SANTOS, H. R. B., ALVES, H. K. M. N., FERREIRA-SILVA, S. L.,
SOUZA, L. S. B., ARAUJO JUNIOR, G. N., SOUZA, M. S., ARAUJO, G. G. L., SOUZA,
C. A. A., & SILVA, T.G.F. Genotypic differences relative photochemical activity,
inorganic and organic solutes and yield performance in clones of the forage cactus under
semi-arid
environment.
Plant
Physiology
and
Biochemistry.
doi:
https://doi.org/10.1016/j.plaphy.2021.03.011, 2021b.
JOHNSON, R. A., & WICHERN, D. W. Applied multivariate statistical analysis. New
Jersey: Prentice Hall, 642, 1982.
102
JUNGER, W. L. Análise, imputação de dados e interfaces computacionais em estudos de
séries temporais epidemiológicas. 2008. 178 f. Tese (Doutorado), Universidade do Estado
do Rio de Janeiro, Instituto de Medicina Social, Rio de Janeiro, 2008.
JUNGER, W. L. Análise, imputação de dados e interfaces computacionais em estudos de
séries temporais epidemiológicas. 2008. 178 f. Tese (Doutorado), Universidade do Estado
do Rio de Janeiro, Instituto de Medicina Social, Rio de Janeiro, 2008.
KAYANO, M. T., ANDREOLI, R. V. Decadal variability of northern northeast Brazil
rainfall and its relation to tropical sea surface temperature and global sea level pressure
anomalies.
Journal
of
Geophysical
Research,
109(C11),
1-8.
doi:
https://doi.org/10.1029/2004JC002429, 2004.
KAYANO, M. T; ANDREOLI, R. V. Clima da região Nordeste do Brasil. In:
CAVALCANTI, I. F. A; FERREIRA, N. J; SILVA, M. G. A; DIAS, M. A. F. S. (Orgs.).
Tempo e Clima no Brasil. São Paulo: Oficina de Textos, 2009.
KELMAN, J. G. Garantia de água no semiárido nordestino. Revista Plenarium, v. 1, p. 3,
2016.
KOUSKY, V. E . 1979 . Influências frontais no Nordeste do Brasil . Seg. Tempo Rev. 107 :
1140 - 1153 .
KOUSKY, V. E . 1980 . Variação diurna da precipitação no Nordeste do Brasil . Seg.
Tempo Rev. 108 : 488 - 498 .
KROLOW. I, R, C; PELLEGRINI, A; ALAVREZ, J. W. R; KROLOW, D. R. V; TROIAN,
A; SANTOS, D. R; REICHERT, J. M. Fenômenos El Niño e La Niña em duas bacias
hidrográficas na Mesorregião Centro Ocidental Rio-grandense: Assentamento
Alvorada. Revista NERA, Presidente Prudente Ano 20, nº. 37 pp. 294-316, 2017.
KUNDU, S., KHARE, D., MONDAL, A. Analysis of spatial and temporal variation in
rainfall trend of Madhya Pradesh, India (1901–2011). Environment Earth Science, 73(1),
8197–8216. doi: https://doi.org/10.1007/s12665-014-3978-y, 2015.
LIESS, S; KUMAR, A. SNYDER, P. K; KAWALE. J; STEINHAEUSER, K; SEMAZZI, F.
H. M; GANGULY, A. R; SAMATOVA, N. F; KUMAR, V. Different Modes of Variability
over the Tasman Sea: Implications for Regional Climate. Journal of Climate, v27, 84668486p, 2014.
103
LIMA, M. J. S; CAVALCANTE, I. B. S; MENDONÇA, H. S; NETO, P. F. S; SILVA, S. D;
AMORIM, D. O. C; SILVA, D. F. Classification, quantification and occurrence of
extreme climate events in the three mesorregions of the state of Alagoas (BR). Ciência e
Sustentabilidade – CeS. v. 4, n. 2, p. 151-172, jul./dez. 2018.
LIMA, R. C. C; CAVALCANTE, A. M. B; MARÍN, A. M. P. Desertificação e mudanças
climáticas no semiárido brasileiro. Campina Grande: INSA-PB, 2009p, 2011.
LINDEMANN, D. S; JUSTINO, F. B. A. Influência dos Modos de Variabilidade
Climática na Temperatura em Superfície na Antártica. Revista Brasileira de
Meteorologia, v.30, n.2, 214 – 222p, 2015.
LINHEIRA, G; OLIVEIRA, F. H. Seca e Sensoriamento Remoto: Identificação e
Mapeamento na Bacia Hidrográfica do Peixe – Sc Entre 2001 e 2010 Utilizando o Ndvi,
Instituto de Geociências, UNICAMP-Campinas-SP, 2017.
LIU, D., YOU, J., XIE, Q., HUANG, Y. & TONG, H.Spatial and Temporal
Characteristics of Drought and Flood in Quanzhou Based on Standardized Precipitation
Index (SPI) in Recent 55 Years. Journal of Geoscience and Environment Protection, 6, 2537. doi: 10.4236/gep.2018.68003, 2018.
LUCENA, A. J; OLIVEIRA JÚNIOR, J. F; GOIS, G; MIRANDO, V. V. V. Eventos de El
Niño e a Sua Influência nas Chuvas da Zona Oeste da Cidade do Rio de Janeiro/RJ. Ano
16 – Vol. 27 – 2020.
LYRA, G. B.; OLIVEIRA JÚNIOR, J. F.; ZERI, M. Cluster analysis applied to the spatial
and temporal variability of monthly rainfall in Alagoas state, NorthLeste of Brazil.
International Journal of Climatology, v. 34, n. 13, p. 3546-3558, 2014.
LYRA, G. B.; OLIVEIRA JÚNIOR, J. F.; ZERI, M. Cluster analysis applied to the spatial
and temporal variability of monthly rainfall in Alagoas state, NorthLeste of Brazil.
International Journal of Climatology, v. 34, n. 13, p. 3546-3558, 2014.
LYRA, G. B; OLIVEIRA JÚNIOR; J. F; GOIS, G; ZERI, G. C; M. ZERI. Rainfall
variability over Alagoas under the influences of SST anomalies. Meteorol Atmos Phys
129, 157-171 (2017).
LYRA, G. B; OLIVEIRA JÚNIOR; J. F; GOIS, G; ZERI, G. C; M. ZERI. Rainfall
variability over Alagoas under the influences of SST anomalies. Meteorol Atmos Phys
129, 157-171 (2017).
104
LYRA, M, J. A; BONFIM, O, E. T; JANUÁRIO, I. F; SILVA. Y. U; MESQUITA, G. A. L;
CAVALCANTE, L, C, V. Aplicação de metodologias distintas no comportamento
pluviométrico de Maceió/AL. v.9 - n.3. Revista Ibero-Americana de Ciências Ambientais,
2018.
LYRA, M. J. A.; CAVALCANTE, L. C. V.; LEVIT, V.; FEDOROVA, N. Complexos
convectivos de mesoescala sobre o Nordeste do Brasil e fenômenos adversos associados.
Revista Ibero Americana de Ciências Ambientais, v.9, n.3, p.95-103, 2018.
MACEDO, M. J. H.; GUEDES, R. V. S.; SOUZA, F. A. S.; DANTAS, F. R. C. Análise do
índice padronizado de precipitação para o estado da Paraíba, Brasil. Ambi-Agua,
Taubaté, v. 5, n. 1, p. 204-214, 2010.
MACHIWAL, D; MADAN. K. J. Caracterizando a dinâmica da chuva-água subterrânea
em um sistema aquífero de rocha dura usando séries temporais, sistema de informação
geográfica e modelagem geoestatística. Hidrological Pocesses, 2014.
MARCUZZO, F. F. N.; ROMERO, V. Influência do el niño e la niña na precipitação
máxima diária do estado de goiás cprm / SGB - Serviço Geológico do Brasil, Porto Alegre
, RS , Brasil Instituto Federal de Educação ,Ciência e Tecnologia de Goiás ( IFG ), Goiânia ,
GO , Brasil. v. 1997, n. 1997, p. 429–440, 2013.
MARENGO, J. A. Caracterização do Clima Atual e Definição das Alterações Climáticas
para o Território Brasileiro ao Longo do Século XXI. Biodiversidade 26. 2º edição,
BRASÍLIA – DF, 2007.
MARENGO, J. A. Interdecadal variability and trends of rainfall across the Amazon
basin. Theoretical and Applied Climatology. v.78, p.79-96, 2004.
MARENGO, J. A., ALVES, L. M., ALVALA, R., CUNHA, A. P., BRITO, S., & MORAES,
O. L. Climatic characteristics of the 2010-2016 drought in the semiarid Northeast Brazil
region.
Anais
da
Academia
Brasileira
de
Ciências,
90(2),
1973-1985.
doi:
https://doi.org/10.1590/0001-3765201720170206, 2018.
MARENGO, J. A., ALVES, L. M., ALVALA, R., CUNHA, A. P., BRITO, S., & MORAES,
O. L. Climatic characteristics of the 2010-2016 drought in the semiarid Northeast Brazil
region.
Anais
da
Academia
Brasileira
de
Ciências,
https://doi.org/10.1590/0001-3765201720170206, 2018.
90(2),
1973-1985.
doi:
105
MARENGO, J. A., ALVES, L. M., BESERRA, E., LACERDA, F. Variabilidade e
mudanças climáticas no semiárido brasileiro, in: Medeiros, S. de S., Gheyi, H.R., Galvão,
C. de O., Paz, V.P da S. (Orgs.). Recursos Hídricos e Regiões Áridas e Semiáridas. INSA,
Campina Grande, pp. 383- 416, 2011.
MARENGO, J. A.; SCHAEFFER, R.; ZEE, D.; PINTO, H. S. Mudanças climáticas e
eventos
extremos
no
Brasil.
Disponível
em:
http://www.fbds.org.br/cop15/FBDS_MudancasClimaticas.pdf. Acesso em Maio de 2021.
MARENGO, J. A; CUNHA, A. P; ALVES, L. M. Seca de 2012-15 no semiárido do
Nordeste do Brasil no contexto histórico. Centro Nacional de Monitoramento e Alertas de
Desastres Naturais (CEMADEN), São Paulo, Brasil, 2 Centro de Ciências do Sistema
Terrestre – Instituto Nacional de Pesquisas Espaciais (CCST/INPE), São Paulo, Brasil, 2016.
MARENGO, J. A; VALVERDED, M. C. Caracterização do clima no Século XX e Cenário
de Mudanças de clima para o Brasil no Século XXI usando os modelos do IPCC-AR4.
Revista Multiciência, Campinas, Edição no. 8, Mudanças Climáticas, 2007.
MARTINS, E. S. P. R; NYS, E. MOLEJÓN, C; BIAZETO, B; SILVA, R. F. V; ENGLE. N.
Série Água Brasil 10. Monitor de secas do Nordeste, em busca de um novo paradigma
para a festão de secas. Brasília, DF, 2015.
MARTINS, E. S. P. R; VASCONCELOS JÚNIOR, F. C. O clima da Região Nordeste entre
2009 e 2017: monitoramento e previsão. Parc. Estrat. Brasília-DF. v. 22. n. 44.p. 63-80.
2017.
MAURICIO, M. S; SILVA, A, J; NETO, N. G. F; SILVA, P. L. F; BORGES, P. F.
Influência dos Eventos Climatológicos El Niño E La Niña na Precipitação Pluviométrica
em Microrregiões do Estado da Paraíba. CONIDIS- Congresso Internacional da
Diversidade do Semiárido. Paraíba-Brasil, 2016.
MAY, S. Estudo de Viabilidade do Aproveitamento de água de Chuva para Consumo
não Potável em Edificações. 2004. Dissertação (Mestrado em Engenharia de Construção
Civil e Urbana) - Escola Politénica da Universidade de São Paulo, São Paulo. 2004.
MCGREGOR, G. Hydroclimatology, modes of climatic variability and stream flow, lake
and
groundwater
level
variability:
Geography.2017, Vol. 41(4) 496–512p, 2017.
A
progress
report.Progress
in
Physical
106
MCKEE, T. B., DOESKEN, N. J., & KLEIST, J. (1993, January). The relationship of
drought frequency and duration to time scales. In Proceedings of the 8th Conference on
Applied Climatology (Vol. 17, No. 22, pp. 179-183), 1993.
MEDEIROS, F. C; NEGRÃO, A. C. Aperfeiçoamento de Ferramentas Estaduais de
Gestão de Recursos Hídricos no Âmbito do Progestão. Instituto de Pesquisa Econômica
Aplicada – IPEA, 2018.
MEDEIROS, R. M. Variabilidade Decadal da Precipitação em Microrregiões do Piauí –
Brasil. Revista de Geografia (Recife) V. 34, No. 1, 2017
MELO, A. B. C; CAVALCANTI, I. F. A; SOUZA, P. P. Zona de Convergência
Intertropical do Atlântico. In: FERREIRA, N. J; DIAS, M. A. F. S; SILVA, M. G. A. J.
(Orgs.). Tempo e Clima no Brasil, São Paulo: Oficina de Textos, 2009.
MELO, A.B.C.; NOBRE, P.; MELO, M.L.D.; SANTANA, S.C.; Estudo Climatológico Da
Posição Da Zcit No Atlântico Equatorial E Sua Influência Sobre O Nordeste Do Brasil
,2000.
MELO, D. C. D. Propagação de secas na bacia do Rio Paraná: do evento climático ao
impacto hidrológico. Tese (Doutorado), Programa de Pós-Graduação em Engenharia
Hidráulica e Saneamento, São Paulo, 2017.
MENDONÇA, F; DANNI-OLIVEIRA, I. M. Climatologia: noções básicas. São Paulo:
Oficina de Textos, 2007.
MENDONÇA, J. O; Seca na Bahia: Prejuízos para o setor agrícola (2012-2016). Conj. &
Planej., Salvador, n.192, p.91-109. 2017.
MENEGHETTI, G. T; FERREIRA, N. J. Variabilidade sazonal e interanual da
precipitação no Nordeste Brasileiro. Anais XIV Simpósio Brasileiro de Sensoriamento
Remoto, Natal, Brasil, 25-30 abril 2009, INPE, p. 1685-1689, 2009.
MISHRA. A. K; SINGH. V. P. A review of drought concepts. Journal of Hydrology. Ed.
391. p 202-2016. 2010.
MODARRES, R., & SARHADI, A. Statistically-based regionalization of rainfall climates
of
Iran.
Global
and
Planetary
Change,
https://doi.org/10.1016/j.gloplacha.2010.10.009, 2011.
75(1-2),
67-75.
doi:
107
MOLION, L.C.B.; BERNARDO, S. O. Dinâmica das chuvas no. Nordeste brasileiro. In:
XI congresso Brasileiro de Meteorologia, 2000, Rio de Janeiro. Anais do XI CBMET. Rio de
Janeiro, RJ: SBMET, 2000.
MOLION; J. C. B; BERNARDO, S. O. Uma revisão da dinâmica das chuvas no Nordeste
brasileiro. Brasil. Revista Brasileira de Meteorologia, v.7, n. 1, p. 1-10, 2002.
MOLION; J. C. B; BERNARDO, S. O. Uma revisão da dinâmica das chuvas no Nordeste
brasileiro. Brasil. Revista Brasileira de Meteorologia, v.7, n. 1, p. 1-10, 2002.
MORAIS, M.D.C. Vórtice Ciclônico de Altos Níveis no Nordeste do Brasil: Estudo
Observacional e Numérico.2016, p. 263. Tese (Doutorado). São José dos Campos, INPE,
2016.
MOSCATI MCDL , GAN MA . 2007 . Variabilidade da precipitação no período chuvoso
da zona semiárida do Nordeste do Brasil (NEB) e sua relação com o regime de ventos .
Int. J. Climatol. 27 : 493 – 512, 2007.
MOSCATI, M, C L; GAN, M. A. Uso de Índices Climáticos para Identificar Eventos de
Chuva Extrema no Interior Semi-Árido Sul do Nordeste do Brasil (NEB). Instituto
Nacional de Pesquisas Espaciais (INPE/CPTEC), 2006.
MOURA, A.D; SHUKLA, J . 1981 . Sobre a dinâmica das secas no Nordeste do Brasil:
observações, teoria e experimentos numéricos com um modelo de circulação geral. J.
Atmos. Sci. 38 : 2653 – 2675, 1981.
MOURA. G. B. A; ARAGÃO. J. O. R; MELO, J. S. P; SILVA. A. P. N; GIONGO, P. R;
LACERDA, F. F. Relação entre a precipitação do leste do Nordeste do Brasil e a
temperatura dos oceanos. Revista Brasileira de Engenharia Agrícola e Ambiental, v.13,
n.4, p.462–469, 2009.
MURTA, R, M; TEODORO, S. M; BONOMO, P; CHAVES, M, A. Monthly rainfall in
levels of probability by the gamma distribution for two places of the southwest of Bahia
state. Ciênc. agrotec., Lavras, v. 29, n. 5, p. 988-994, set./out., 2005.
NASCIMENTO, F, W, D, S; SILVEIRA, C, S; MARCOS JÚNIOR, A. D; TEXEIRA
FILHO, A. R. S. Análise da Variabilidade do Índice Padronizado de Precipitação (Spi)
para O Sistema Jaguaribe Metropolitano. XX Simpósio Brasileiro de Recursos Hídricos,
2017.
108
NASCIMENTO, F.C.A. Padrões climáticos associados à periodicidade de eventos
extremos de precipitação no Estado do Maranhão. 2014. 108p. Dissertação (Mestrado em
Meteorologia). Universidade Federal de Campina Grande, Campina Grande, 2014.
NASCIMENTO, P. T. S; XAVIER, R. A. Análise pluviométrica do estado de Alagoas.
Simpósio Alagoano de Gestão Ambiental, Arapiraca-AL, Brasil, p. 11-19. 2010.
NERY, J. T; FACHIN, M. P; TANAKA, L. K; PAIOLA, L. M.; MARTINS, M. L.O. F;
BARRETO, L. E. G. S; TANAKA, I. Caracterização das precipitações pluviométricas
mensais para os Estados de Alagoas, Pernambuco e Sergipe. Acta Scientiarum 20(4):515522, 1998.
NEVES, D. J. D; ALCÂNTARA, C. R; SOUZA, E. P. Estudo de Caso de um Distúrbio
Ondulatório de Leste sobre o Estado do Rio Grande do Norte – Brasil. Revista Brasileira
de Meteorologia, v. 31, n. 4, 490-505, 2016.
NOAA/CPC - National Oceanic and Atmospheric Administration/Climate Prediction
Center.
Cold
&
Warm
Episodes
by
Season.
[online].
Available
at:
<http://www.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ensoyears.shtml>.
Acessado em 21 novembro 2020.
NOAA/CPC - National Oceanic and Atmospheric Administration/Climate Prediction
Center.
Cold
&
Warm
Episodes
by
Season.
[online].
Available
at:
<http://www.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ensoyears.shtml>.
Acessado em 21 novembro 2020.
NOBRE, P. MELO, A. B. C. Variabilidade climática intrasazonal sobre o Nordeste do
Brasil em 1998-2000. Revista Climálise. Publicação on line. 2001.
NOBRE, P.; MELO, M. L. D.; SANTANA, S. C. ; MELO, A. B. C. Estudo Climatológico
da Posição da ZCIT no Atlântico Equatorial e sua Influência sobre o Nordeste do Brasil.
In: XI Congresso Brasileiro de Meteorologia, Rio de Janeiro. XI Congresso Brasileiro de
Meteorologia, 2000.
NÓBREGA, R. S; SANTIAGO, G. A. C. F. Tendência de Temperatura na Superfície do
Mar nos Oceanos Atlântico e Pacífico e Variabilidade de Precipitação em Pernambuco.
Mercator, Fortaleza, v. 13, n. 1, p. 107-118, 2014.
109
NÓBREGA, R. S; SANTIAGO, G. A. C. F; SOARES, D. B. Tendências do controle
climático Oceânico sob a variabilidade temporal da precipitação no Nordeste do Brasil.
Revista de Geografia Norte Grande, v. 63, p 9-26, 2016.
NUNES, B. N. Estudo de Caso de Sistemas Meteorológicos em Altos Níveis Sobre a
América do Sul: Análise Sinótica. Anuário do Instituto de Geociências – UFRJ, 2017.
NUNES, R; RODRIGUES, R. P; ARÚJO, E. P. Gerenciamento da demanda de água é o
caminho para propiciar a sua preservação. Universitas: Arquit. e Comun. Social, Brasília,
v. 5n. 1/2, p. 1-10, 2008.
OBERMAIER, M; ROSA, L. P. Mudança climática e adaptação no Brasil: uma análise
crítica. Estudos avançados 27 (78), 2013.
OGUNGBENRO, S. B., MORAKINYO, T. E. Rainfall distribution and change detection
across climatic zones in Nigeria. Weather and Climate Extremes, 5–6, 1-6. doi:
https://doi.org/10.1016/j.wace.2014.10.002, 2014.
OGUNGBENRO, S. B., MORAKINYO, T. E. Rainfall distribution and change detection
across climatic zones in Nigeria. Weather and Climate Extremes, 5–6, 1-6. doi:
https://doi.org/10.1016/j.wace.2014.10.002, 2014.
OLGUIN, G. A; SANDOVAL, C. E. Modes Of Variability Of Annual And Seasonal
Rainfall In Mexico. Journal Of The American Water Resources Association, Vol. 53, No. 1,
2017.
OLGUIN, G. A; SANDOVAL, C. E. Modes Of Variability Of Annual And Seasonal
Rainfall In Mexico. Journal Of The American Water Resources Association, Vol. 53, No. 1,
2017.
OLÍMPIO, J. L. S. Análise Multicritério do Risco de Desastres Naturais: Um Estudo
Sobre a Seca na Região Nordeste do Brasil. 2017, 242 p., Tese ( Pós-Graduação em
Geografia) - Universidade Federal do Ceará, Fortaleza, 2017.
OLIMPIO, J. L. S; VIEIRA, P. M. B; ZANELLA, M. E; SALES, M. C. L. Episódios
pluviais extremos e a vulnerabilidade socioambiental no município de Fortaleza: o
evento do dia 27/02/2012. Geo UERJ, ano 15, n. 24, v. 1, p. 181-206, 2013.
OLIVEIRA JÚNIOR, J. F., CORREIA FILHO, W. L. F., SANTIAGO, D. B., GOIS, G.,
COSTA, M., SILVA JUNIOR, C. A., TEODORO, P. E., & FREIRE, F. M. Rainfall in
Brazilian Northeast via in situ data and CHELSA product: mapping, trends, and socio-
110
environmental implications. Environmental Monitoring And Assessment, 193(1), 263-281.
doi: https://doi.org/10.1007/s10661-021-09043-9, 2021.
OLIVEIRA JÚNIOR, J. F., CORREIA FILHO, W. L. F., SANTIAGO, D. B., GOIS, G.,
COSTA, M., SILVA JUNIOR, C. A., TEODORO, P. E., & FREIRE, F. M. Rainfall in
Brazilian Northeast via in situ data and CHELSA product: mapping, trends, and socioenvironmental implications. Environmental Monitoring And Assessment, 193(1), 263-281.
doi: https://doi.org/10.1007/s10661-021-09043-9, 2021.
OLIVEIRA JÚNIOR, J. F., LYRA, G. B., GOIS, G., BRITO, T. T., & MOURA, N. D. S. H.
D. Análise de homogeneidade de séries pluviométricas para determinação do índice de
seca IPP no estado de Alagoas. Floresta e Ambiente, 19(1), 101-112. doi:
http://dx.doi.org/10.4322/floram.2012.011, 2012.
OLIVEIRA JÚNIOR, J. F., LYRA, G. B., GOIS, G., BRITO, T. T., & MOURA, N. D. S. H.
D. Análise de homogeneidade de séries pluviométricas para determinação do índice de
seca IPP no estado de Alagoas. Floresta e Ambiente, 19(1), 101-112. doi:
http://dx.doi.org/10.4322/floram.2012.011, 2012.
OLIVEIRA JUNIOR, J. F; LYRA, G. B; GÓIS, G; BRITO, T. T; MOURA, N. S. H. Análise
de Homogeneidade de Séries Pluviométricas para Determinação do Índice de Seca IPP
no Estado de Alagoas. Floresta e Ambiente. 101-112 p. 2012.
OLIVEIRA, L. B. Uso e Manejo da Água na Região Semiárida do Nordeste do Brasil.
Anais da Academia Pernambucana de Ciência Agronômica, Recife, vols. 11/12, p.5064,2015b.
OLIVEIRA, N. L; MARCUZZO, F. F. N; BARROS, R. G. Influência do El Niño e La Niña
no número de dias de precipitação pluviométrica no Estado do Mato Grosso. Ciência e
Natura, Santa Maria, v. 37 n. 4, p. 284-297, 2015.
OLIVEIRA-JÚNIOR, J. F., XAVIER, F. M. G., TEODORO, P. E., GOIS, G., & DELGADO,
R. C. Cluster analysis identified rainfall homogeneous regions in Tocantins state, Brazil.
Biosci. J. (Online), 333-340. doi: https://doi.org/10.14393/BJ-v33n2-32739, 2017.
OMM-Organización Meteorológica Mundial y Asociación Mundial para el Agua (2016):
Manual de indicadores e índices de sequía (M. Svoboda y B.A. Fuchs). Programa de
gestión integrada de sequías, Serie 2 deherramientas y directrices para la gestión integrada de
sequías. Ginebra. 2016.
111
PALA, Luiz Otávio de Oliveira. Revisitando a estimação de coeficiente de determinação.
2019. 112 f. Dissertação (Mestrado em Estatística Aplicada e Biometria) - Universidade
Federal de Alfenas, Alfenas, MG, 2019.
PEREIRA, E. R. R. Índices Pluviométricos na Análise da Intensidade e Variabilidade
Regional das Chuvas no Nordeste do Brasil. Tese (doutorado). Programa de Pós-graduação
em Meteorologia da Universidade Federal de Campina Grande. CAMPINA GRANDE-PB,
2014.
PEREIRA, E. R. R; FREITAS, J. C; ANDRADE, A. R. MACEDO, M. L. A; NETO SILVA,
M. F. Variabilidade do número de dias de chuva no estado de Alagoas. Revista
Brasileira de Tecnologia Aplicada nas Ciências Agrárias, v.5, n.1, p.7-26, 2012.
PERES, T. C; MAIER, E. L. B. Análise da Variabilidade espaço-temporal da precipitação
no Brasil: SOI e PDO. XVIII Simpósio Brasileiro de Geografia Física Aplicada. o evento do
dia 11/06/2019. Universidade Federal do Ceará. Fortaleza, 2019.
PETTITT, A. N. A non-parametric approach to the change-point problem. Journal of the
Royal
Statistical
Society.
Series
C
(Applied
Statistics),
28(2),
126-135.
doi:
https://doi.org/10.2307/2346729, 1979.
PINHEIRO, J. U; Vórtices Ciclônico em Altos Níveis Sobre o Nordeste do Brasil e
Mudanças Climáticas: Análise para o Clima Atual e Cenários Futuros. 95p. 2015. Tese
(Doutorado em Ciências Climáticas). Universidade Federal do Rio Grande do Norte, Natal,
2015.
PINTO, H. S.; ASSAD, E. Aquecimento global e a nova geografia da produção agrícola
no Brasil. Embrapa. São Paulo, 2008.
PINTO, H. S.; ASSAD, E. Aquecimento global e a nova geografia da produção agrícola
no Brasil. Embrapa. São Paulo, 2008.
PLAIA, A; BONDÌ, A.L. Single imputation method of missing values in environmental
pollution data sets. Atmospheric Environment, 2006.
PLAIA, A; BONDÌ, A.L. Single imputation method of missing values in environmental
pollution data sets. Atmospheric Environment, 2006.
PONTES DA SILVA, B.F.; FEDOROVA, N.; LEVIT, V.; PERESETSKY, A.; BRITO, B.M.
Sistemas Sinóticos Associados às Precipitações Intensas no Estado de Alagoas. Revista
Brasileira de Meteorologia, v. 26, n. 3, p. 323- 338, 2011.
112
PONTES DA SILVA, B.F.; FEDOROVA, N.; LEVIT, V.; PERESETSKY, A.; BRITO, B.M.
Sistemas Sinóticos Associados às Precipitações Intensas no Estado de Alagoas. Revista
Brasileira de Meteorologia, v. 26, n. 3, p. 323- 338, 2011.
PRAMUDYA, Y., ONISHI, T., SENGE, M., HIRAMATSU, K; NUR, P. M.. Evaluation of
recent drought conditions by standardized precipitation index and potential
evapotranspiration over Indonesia. Paddy and Water Environment, 17(3), 331-338. doi:
https://doi.org/10.1007/s10333-019-00728-z, 2019.
PRAMUDYA, Y., ONISHI, T., SENGE, M., HIRAMATSU, K; NUR, P. M.. Evaluation of
recent drought conditions by standardized precipitation index and potential
evapotranspiration over Indonesia. Paddy and Water Environment, 17(3), 331-338. doi:
https://doi.org/10.1007/s10333-019-00728-z, 2019.
PRAMUDYA, Y.; ONISHI, T.; SENGE, M.; HIRAMATSU, K.; PRASETYO, M. R. N.
Evaluation of recent drought conditions by standardized precipitation index and
potential evapotranspiration over Indonesia. Paddy and Water Environment, v. 17, p.
331-338. 2019.
QGIS - Quantum Geographic Information System. Quantum GIS Geographic
Information System. v. 3.4.6. Open Source Geospatial Foundation Project, 2019.
QGIS - Quantum Geographic Information System. Quantum GIS Geographic Information
System. v. 3.4.6. Open Source Geospatial Foundation Project, 2019.
QUIRING, S. M. Developing Objective Operational Definitions for Monitoring Drought.
Department of Geography. Journal Applied Meteorology and Climatology, v,48, p.12171229, EUA- Texas,2009.
R Core Team (2020). R: A language and environment for statistical
computing. R
Foundation
Austria.
https://cran.r-
R Core Team (2020). R: A language and environment for statistical
computing. R
Foundation
https://cran.r-
for
Statistical
Computing,
Vienna,
project.org/bin/windows/base/old/3.6.3/
for
Statistical
Computing,
Vienna,
Austria.
project.org/bin/windows/base/old/3.6.3/
RAMALHO, M. I. V. L. Avaliação da seca global num clima em mudança. Tese de
mestrado em Ciências Geofísicas. Universidade de Lisboa, através da Faculdade de Ciências,
2013.
113
RAO. V. B; GIAROLLA, E; KAYANO, M. T; FRANCHITO, S. H. Is the Recent
Increasing Trend of Rainfall over NorthLeste Brazil Related toSub-Saharan Drought?.
Journal of climate, v19, 4448-4453p, 2006.
REBOITA, M. S; CAMPOS. B; SANTOS, T; GAN, M. A; CARVALHO, S. B. Análise
sinótica e numérica de um VCAN no Nordeste do Brasil. Brasil. Revista Brasileira de
Geografia Física. v. 10, n. 01, p. 41-59, 2017.
REBOITA, M. S; GAN, M. A; ROCHA, R. F; AMBRIZZI, T. Regimes de Precipitação na
América do Sul: uma revisão bibliográfica. Brasil. Revista Brasileira de Meteorologia, v.
25, n. 2 p. 185-204, 2010.
Reflexões a partir da Construção da Barragem de Bocaína, Picos- PI. Vozes, Pretérito &
Devir Dossiê Temático. Ano VII, Vol. XI, Nº I ,2020.
RISBEY. J. S; MCINTOSH, P. C; POOK, M. J. Synoptic components of rainfall variability
and trends in southLeste Australia. Int. J. Climatol. 33: 2459–2472p, 2013.
ROBERTS, M. J.; SCHLENKER, W. Is agricultural production becoming more or less
sensitive to extreme heat? Evidence from U.S. corn and soybean yields. NBER – National
Bureau of Economic Research. Working Paper 16308, ago. 2010.
ROCHA, C. C; LEITE, M. A. A seca de 1979 a 1983 no Semiárido Piauiense:
RODIGHERI, G; FONTANA, D. C; SHAPIRINI, L. P; MENDES, A. P. S. F; DALMAGO,
G. A. Análise espectro-temporal de NDVI e área da soja cultivada frente ao La Niña de
2012. Agrometeoros, Passo Fundo, v.27, n.1, p.63-72, 2019.
RODRIGUES, M. L. G; FRANCO. D; SUGAHARA. S. Climatologia de Frentes Frias no
Litoral de Santa Catarina. Brasil. Revista Brasileira de Geografia. V. 22, n. 2, p. 135-151,
2004.
RODRIGUES, M.T. Acoplamento do modelo hidrológico MGB ao modelo atmosférico
WRF visando estimar vazão na Bacia do Rio Paraíba do Meio - AL/PE. 2012.103p.
Dissertação de Mestrado - Universidade Federal de Alagoas, Brasil, 2012
ROSSATO, L.; MARENGO, J. A.; ANGELIS, C. F. D.; PIRES, L. B. M.; MENDIONDO, E.
M. Impact of soil moisture over Palmer Drought Severity Index and its future
projections in Brazil. Revista Brasileira de Recursos Hídricos, v. 22, 2017.
114
SAGA. System for Automated Geoscientific Analyses. Versão 2.0.2. 2005. Disponível em
http://www.saga-gis.org.
SAMAPAIO, Y; SAMPAIO, G. R. Impactos Da Seca Sobre a Economia Do Semiárido –
Emprego, Renda e Sua Distribuição –E Implicações Para à Política De Combate à Seca.
Economia e Desenvolvimento, Recife (PE), v. 12, nº 2, 2013.
SANSIGOLO, C. A; REIS, T. G. Probabilidades de Precipitações Sazonais no NE Do
Brasil Associadas a Eventos Extremos de Enos. XII Simpósio de Recursos Hídricos do
Nordeste, 2014.
SANTOS, D. B.; SANTANA, G. S.; AZEVEDO, D. O; SILVA, A. J. P.; SILVA NETO, M.
D. Captação de água de chuva para fins agropecuários no semiárido. In: Recursos
Hídricos em Regiões Semiáridas, estudos e aplicações. p. 76-97, Bahia, 2012.
SANTOS, F. S; GOMES, H. B; BARROS, G. V. P; ALVES, L. E. R; SILVA, D. F; COSTA,
R. L. SILVA, F. D. S; OLIVEIRA JÚNIOR, J. F; Análise Sazonal dos Parâmetros
Biofísicos Utilizando o Sensor MODIS para o Estado de Alagoas. Revista Brasileira de
Meteorologia, v. 35, n. Especial, 955� 968, 2020.
SANTOS, J. F; PULIDO-CALVO, I; PORTELA, M. M. Spatial and temporal variability of
droughts in Portugal. Water Resources Research, VOL. 46, W03503, 2010.
SANTOS, L, S; BARBOSA, A, G; MENDES, L, A. A. A Influência dos fenômenos
climáticos El Niño e La Niña com a intensidade da precipitação na bacia do rio Sergipe,
Brasil. 6º Congresso Internacional de Tecnologias para o Meio Ambiente Bento Gonçalves –
RS, Brasil, 2018.
SANTOS, R. S. Avaliação da Relação Seca/ Produtividade Agrícola Considerando
Cenários de Mudanças Climáticas. Dissertação, 117 p. Pós-Graduação em Meteorologia
Agrícola. Universidade Federal de Viçosa. Minas Gerais. 2008.
SARAIVA, V. M; KOING, A. Produtividade do Capim-Elefante-Roxo Irrigado com
Efluente Doméstico Tratado no Semiárido Potiguar e suas Utilidades. HOLOS, Ano 29,
Vol 1, 2013.
SARMENTO, F. J. Mudanças Climáticas: Impactos sociais, econômicos e ambientais no
semi-árido brasileiro. XVII Simpósio Brasileiro de Recursos Hídricos, 2007.
SELUCHI, M. E. Padrões Sinóticos Associados a Situações de Deslizamentos de Encostas
na Serra do mar. Instituto Nacional de Pesquisas Espaciais, 2006.
115
SILVA, A. O. Aplicação Dos Índices De Palmer E Bhalme & Mooley Na Avaliação Da
Seca No Estado Do Ceará. 2011, 94 p. Tese (Doutorado em Meteorologia) –Universidade
Federal de Campina Grande, Campina Grande, 2011a.
SILVA, A. O; PEREIRA, T; A. S. Distribuição Pluviométrica no município de Delmiro
Gouveia – AL. Simpósio de Recursos Hídricos do Nordeste, Associação Brasileira de
Recursos Hídricos, 2014.
SILVA, A. R; SANTOS, T, S; QUEIROZ, D. E, GUSMÃO, M. O; SILVA, T. G. F.
Variations in rainfall anomaly index in semi-arid. Journal of Environmental Analysis and
Progress. V. 02 N. 04 377-384p, 2017.
SILVA, B. F. P. Contribuição dos Distúrbios Ondulatórios de Leste para a chuva no
Leste do Nordeste do Brasil: evolução sinótica média e simulações numéricas. 2011, 123 p.
Dissertação. (Pós-Graduação em Ciências Atmosféricas) - Universidade de São Paulo, São
Paulo, 2011b.
SILVA, D, F, ; LIMA, M. J. S; SOUZA NETO, P. F; GOMES, H. B; SILVA, F. D. S;
ALMEIDA, H. R. R. C; PEREIRA, M. P. S; COSTA, R. L. Caracterização de eventos
extremos e de suas causas climáticas com base no Índice Padronizado de Precipitação
Para o Leste do Nordeste. Revista Brasileira de Geografia Física v.13, n.02, 449-464p, 2020.
SILVA, E. B; MACÊDO, K. G; FEITOSA, A. K; ARAÚJO NETO. J. R. Variação Espacial
da Precipitação das Cidades do Centro do Sul do Estado do Ceará, Brasil. Perspectivas
online, Ciências Exatas e Engenharia, 2016.
SILVA, F. D. S; CORREIA, M. F; ARAGÃO; SILVA. J. M. Convecção linearmente
organizada na área de Petrolina, semi-árido do nordeste do brasil: aspectos em meso e
grande escala. Revista Brasileira de Meteorologia, v.23, n.3, 292-304, 2008.
SILVA, I. J. L. Análise Quantitativa das Primeiras Águas de Chuva para Fins Não
Potáveis na Cidade de Delmiro Gouveia-AL. UFAL, 2019, 53p. Trabalho de Conclusão de
curso. Universidade Federal de Alagoas. Delmiro Gouveia, Alagoas, 2019.
SILVA, M. J; GALVÍNCIO J, D; COSTA, V. S. O. Abordagem Interdisciplinar sobre a
Influência da Zona de Convergência Intertropical — ZCIT no Nordeste Brasileiro.
Revista Movimentos Sociais e Dinâmicas Espaciais, Recife, v. 6, n. 1, p 107-117, 2017.
SILVA, P. W. Variabilidade Climática em Series Hidrológicas: Identificação, Origens e
Contribuição a eventos extremos. UFPR, 2018, 160p. Dissertação de Mestrado – Programa
116
de Pós-Graduação em Engenharia e Recursos Hídricos e Ambiental, Universidade Federal do
Paraná, Curitiba, 2018.
SILVA, P. W; GRIMM, A. M. Determinação de Modos de Variabilidade Climática em
Séries de Chuva e Vazão. XX Simpósio Brasileiro de Recursos Hídricos, 2017.
SILVA, V. P. Distúrbios Ondulatórios de Leste: estudos de caso que afetaram a costa
leste do NEB. Campina Grande: UFCG, 2011, 73p. Dissertação de Mestrado – Programa de
Pós-Graduação em Meteorologia, Universidade Federal de Campina Grande, Paraíba, 2011c.
SILVA, V. P. R. On climate variability in NorthLeste of Brazil. Journal of Arid
Environments. v58, 575–596p,2004.
SILVA, V. P. R; PEREIRA, E. R. R; AZEVEDO, P. V; SOUSA, F. A. S; SOUSA, I. F.
Análise da pluviometria e dias chuvosos na região Nordeste do Brasil. Revista Brasileira
de Engenharia Agrícola e Ambiental. v.15, n.2, p.131–138, Campina Grande, PB, 2011.
SILVEIRA, M. H. S. Complexos convectivos de mesoescala do estado de Alagoas. Maceió:
2010. 65p. Instituto de Ciências Atmosféricas- ICAT. Universidade Federal de Alagoas –
UFAL. Trabalho de conclusão de curso, 2010.
SILVEIRA, S. R. Índice de Severidade de Seca de Palmer Modificado para as Condições
Climáticas do Estado do Rio Grande Do Sul. 2019, 127p. Tese Programa de PósGraduação em Manejo e Conservação do Solo e da Água. Universidade Federal de Pelotas,
2019.
SOUZA, C. L. O; NOGUEIRA, V. F. B; NOGUEIRA, V. S. Variabilidade interanual da
precipitação em cidades do semiárido brasileiro entre os anos de 1984 e 2015. Revista
Verde de Agroecologia e Desenvolvimento Sustentável. v.12, n 4, p. 740-747, 2017.
SOUZA, E. B.; KAYANO, M. T. AMBRIZZI, T. The regional precipitation over Lesteern
amazon/northLeste Brazil modulated by tropical Pacific and Atlantic SST anomalies on
weekly timescale. Revista Brasileira de Meteorologia, v.19, n.2, p.113-122. 2004.
SOUZA, E. M; AQUINO, J. R. A Grande Seca e Seus Efeitos na Produção Agropecuária
do Rio Grande Do Norte (2012-2016). Revista GeoNordeste, São Cristóvão, Ano XXIX, n.
2, p. 174-195. 2018.
SOUZA, E.O; COSTA, M.S; OLIVEIRA JÚNIOR, J. F; GOIS, F; MARIANO, G. L;
COSTA, C. E. S; CORREIA FILHO, W. L. F; SANTIAGO. Estimativa e Espacialização da
117
Erosividade em Mesorregiões Climáticas no Estado de Alagoas. Revista Brasileira de
Meteorologia, v. 35, n. Especial, 769 783, 2020.
SOUZA, E.O; COSTA, M.S; OLIVEIRA JÚNIOR, J. F; GOIS, F; MARIANO, G. L;
COSTA, C. E. S; CORREIA FILHO, W. L. F; SANTIAGO. Estimativa e Espacialização da
Erosividade em Mesorregiões Climáticas no Estado de Alagoas. Revista Brasileira de
Meteorologia, v. 35, n. Especial, 769 783, 2020.
SPINOZA, E. Distúrbios Ondulatórios de Leste na Região Tropical. Climanálise:
Boletim
de
Monitoramento
e
Análise
Climática.
Disponível:
<climanalise.cptec.inpe.br/~rclimanl/boletim/cliesp10a/18.html>. Acessado em: 13 de jun. de
2020.
STEINEMANN, A. Drought Indicators And Triggers:A Stochastic Approach To
Evaluation. Journal Of The American Water Resources Association. P 1217-1233, 2003.
SUDENE- Superintendência do Desenvolvimento do Nordeste. Nova delimitação
Semiárido, 2018.
TAKEMI, T. Convection and precipitation under various stability and shear conditions:
Squall lines in tropical versus midlatitude environment. Atmospheric Research 142 (2014)
111–123p, 2014.
TAVARES, M. Meteorologia Espacial. Revista Brasileira de Ensino de Física, vol. 22, no. 4,
Dezembro, 2000.
TEODORO, P. E.; OLIVEIRA JÚNIOR, J. F.; CUNHA, E. R.; CORREA, C. C. G.;
TORRES, F. E.; BACANI, V. M.; GOIS, G.; RIBEIRO, L. P. (2015) Cluster analysis
applied to the spatial and temporal variability of monthly rainfall in Mato Grosso do Sul
State, Brazil. Meteorology and Atmospheric Physics (Print) 128, 2015.
TESSLER, M. G; GOYA, S. C. Processos Costeiros Condicionantes do Litoral Brasileiro.
Revista do Departamento de Geografia, v.17 11-23p, 2005.
TIGKAS, D; VANGELIS, H; TSAKIRIS, G. An Enhanced Effective Reconnaissance
Drought Index for the Characterisation of Agricultural Drought. Environ. Process,137148p, 2017.
TIGKAS, D; VANGELIS, H; TSAKIRIS, G. DrinC: a software for drought analysis based
on drought indices. EarthScience Informatics, 8(3):697-709p, 2015.
118
TIGKAS, D; VANGELIS, H; TSAKIRIS, G. Drought characterisation based on an
agriculture-oriented
standardized
precipitation
index.
Theoretical
and
Applied
Climatology, 2018.
TIGKAS, D; VANGELIS, H; TSAKIRIS, G. Implementing Crop Evapotranspiration in
RDI for Farm-Level Drought Evaluation and Adaptation under Climate Change
Conditions. Water Resources Management, 2020.
TIGKAS, D; VANGELIS, H; TSAKIRIS, G. Implementing Crop Evapotranspiration in
RDI for Farm-Level Drought Evaluation and Adaptation under Climate Change
Conditions. Water Resources Management, 2020.
TIGKAS, D; VANGELIS, H; TSAKIRIS, G. The Drought Indices Calculator (DrinC).
Proceedings of 8th International Conference of EWRA, 1334-1342p, 2013.
TRAJKOVIC, S; GOCIC, M. Spatiotemporal characteristics of drought in Serbia. Journal
of Hydrology 510 (2014) 110–123p, 2014.
TSAKIRIS, G; VANGELIS, H. Towards a drought watch system based on Spatial SPI.
Water Resources Management, v. 18, p. 1-12, 2004.
TUCCI, C. E. M; HESPANHOL, I; NETTO, O. M. C. Cenários Da Gestão Da Água No
Brasil: Uma Contribuição Para A “Visão Mundial Da Água”. RBRH - Revista Brasileira
de Recursos Hídricos Volume 5 n.3 31-43 p, 2000.
TUCCI, C. E. M; HESPANHOL, I; NETTO, O. M. C. Cenários Da Gestão Da Água No
Brasil: Uma Contribuição Para A “Visão Mundial Da Água”. RBRH - Revista Brasileira
de Recursos Hídricos Volume 5 n.3 31-43 p, 2000.
UELE, D. I; LYRA, G. B; OLIVEIRA JÚNIOR, J. F. Variabilidade Espacial e Intranual
das Chuvas na Região Sul de Moçambique, África Austral. Revista Brasileira de
Meteorologia, v. 32, n. 3, 473-484, 2017p.
Using Objective Techniques. American Meteorological Society, v. 135, Issue 4, 12511267p, 2007.
VALADÃO, C. E. A., P. S. LUCIO, R. R. Chaves, L. M. V CARVALHO, C. E. A.
VALADÃO, 2015: MJO Modulation of Station Rainfall in the Semiarid Seridó,
NorthLeste Brazil Madden-Julian Oscillation, Intraseasonal, Raingauge. Atmospheric
and Climate Sciences, p. 408-417, 2015.
119
VAZ, J. C. M. Análise das Ondas de Leste sobre a Costa Leste do Nordeste do Brasil
para o período entre 1999-2009. Rio de Janeiro: UFRJ, 2011, 88p. Dissertação de
Mestrado – Programa de Pós-Graduação em Meteorologia, Universidade Federal do Rio de
Janeiro, Rio de Janeiro, 2011.
VICENTE. L. A; ZHANG. X; BROWN. R. D; FENG. Y; MEKIS, E; MILSEWSKA, E. J;
WAN, H; WANG, X. L. Observed Trends in Canada’s Climate and Influence of LowFrequency Variability Modes. Journal of Climate, v28, 4545-4560p, 2015.
VIEGAS, J. ANDREOLI, R. V; KAYANO, M. T; CANDIDO, L. A; SOUZA, R. A. F;
HALL, D. H; SOUZA, A. C; GARCIA, S, R; TEMOTEO, G. G; VALENTIN, W. I. D.
Caracterização dos Diferentes Tipos de El Niño e seus Impactos na América do Sul a
Partir de Dados Observados e Modelados. Revista Brasileira de Meteorologia, v. 34, n. 1,
43-67p, 2019.
WALDO ESPINOZA, J. C. L.-C. IMPACTOS DE EL NIÑO Y LA NIÑA EN LAS
LLUVIAS DEL PERÚ (1965-2007). Revista Brasileira de Meteorologia, v. Vol. 29, n. n.2,
p.171–182, 2014
WANDERLEY, H. S; AMORIM, R. F. C; CARVALHO, F. O. Variabilidade Espacial e
Preenchimento de Falhas de Dados Pluviométricos Para O Estado de Alagoas. Revista
Brasileira de Meteorologia, v.27, n.3, 347 - 354, 2012.
WANDERS, N.; WADA, Y. Human and climate impacts on the 21st century hydrological
drought. Journal of Hydrology, 2015.
WILLMOTT, C.J. On the validation of models. Physical Geography. 2:184-194, 1981.
WISCHMEIER, W. H.; SMITH, D. D. Predicting rainfall erosion losses: A guide to
conservation planning. Washington, USDA, 1978. 58p. (Agriculture HandBook, 537).
XAVIER, T. M. B. S; XAVIER, A. F. S; DIAS M. A. F. S; DIAS, P. L. S. Interrelações
Entre Eventos ENOS (ENSO), a ZCIT (ITCZ) no Atlântico e a Chuva nas Bacias
Hidrográficas do Ceará. Brasil. Revista Brasileira de Recursos Hídricos. v. 8, n. 1, p. 111126, 2003.
ZANELLA, M. E. Considerações sobre o clima e os recursos hídricos do semiárido
nordestino. Brasil. Caderno Prudentino de Geografia, n. 36, volume especial, p. 126-142,
2014.