Vinicius Oliveira (2010).pdf

Vinicius Oliveira (2010).pdf
Documento PDF (4.9MB)

UNIVERSIDADE FEDERAL DE ALAGOAS
PRÓ-REITORIA DE PÓS-GRADUAÇÃO E PESQUISA
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM METEOROLOGIA

Nº de ordem: MET-UFAL-MS-77

INFLUÊNCIA DO OCEANO ATLÂNTICO SUL NA PRECIPITAÇÃO DO BRASIL
COM ÊNFASE SOBRE O RIO GRANDE DO SUL

Vinicius Oliveira

MACEIÓ - AL
JUNHO, 2010

VINICIUS OLIVEIRA

INFLUÊNCIA DO OCEANO ATLÂNTICO SUL NA PRECIPITAÇÃO DO BRASIL
COM ÊNFASE SOBRE O RIO GRANDE DO SUL

Dissertação submetida ao colegiado do curso de
Pós-graduação em Meteorologia da Universidade
Federal de Alagoas – UFAL, com parte dos
requisitos necessários à obtenção do grau de
Mestre em Meteorologia.

Orientador: Prof. Dr. Luiz Carlos Baldicero Molion

MACEIÓ - AL
JUNHO, 2010

Catalogação na fonte
Universidade Federal de Alagoas
Biblioteca Central
Divisão de Tratamento Técnico
Bibliotecária Responsável: Helena Cristina Pimentel do Vale
O48i

Oliveira, Vinicius.
Influência do Oceano Atlântico Sul na precipitação do Brasil / Vinicius Oliveira,
2010.
104f. : il., grafs. tab.
Orientador: Luis Carlos Baldicero Molion.
Dissertação (mestrado em Meteorologia : Processos de Superfície Terrestre) –
Universidade Federal de Alagoas. Instituto de Ciências Atmosféricas. Maceió,
2010.
Bibliografia: f. 97-104.
1. Precipitação (Meteorologia). 2. Pacífico, Oceano – Oscilação decadal.
3. Atlântico, Oceano. 4. Rio Grande do Sul – Chuvas. I. Título.

CDU: 551.583.13 (816.5)

DEDICATÓRIA

Dedico este trabalho, antes de tudo e todos, à
minha mãe, Maria Eloneida Oliveira, pela
incondicional

dedicação,

amor,

carinho,

preocupação, educação, incentivo na busca de
meu desenvolvimento profissional e pessoal e,
meu grande amigo, companheiro e, antes de tudo,
meu irmão Vagner Oliveira.

AGRADECIMENTOS

Primeiramente, a minha mãe, Maria Eloneida Oliveira, pelo seu imenso esforço para me dar
oportunidade de estudar, é um exemplo de luta, honestidade, sabedoria e bondade. E, meu
irmão Vagner Oliveira por sempre estar ao meu lado em todos os momentos, dando apoio,
carinho e atenção. Muito Obrigado.

Aos meus grandes amigos e irmãos de antes, hoje e sempre André, Barbosa, Diego, Otávio,
Paulinho e Thiago, juntamente com suas respectivas esposas e namoradas, sempre me
apoiaram em todas as horas de minha vida. Também à Paula, uma pessoa especial, que ficou
ao meu lado por muito tempo, tanto na época de faculdade como também no mestrado, muito
obrigado, pois vocês têm uma porcentagem impar de contribuição nessa jornada. Amo muito
vocês.

As verdadeiras amizades do tempo de faculdade e também do mestrado Henrique, Cintia,
Pinho, Ceará, Diogo, entre outros, valeu pela força.

Aos meus colegas de Climatologia, que de alguma forma contribuíram para a realização deste
trabalho, Anderlan, Wendell, André, André Maia, principalmente a Lincoln e Eliane, que me
ajudaram muito no decorrer da minha dissertação, sem vocês eu não conseguiria.

As pessoas que encontrei em Maceió e hoje com certeza fazem parte de minha vida, amigos
verdadeiros, Renato, Camilo, Pino e Lu. Também a Leli, que esteve do meu lado em muitos
momentos, não só como amiga, me ajudando e me acolhendo de diversas formas, muito
obrigado.

Ao meu professor, orientador e hoje um amigo, Dr. Luiz Carlos Baldicero Molion, pelos
ensinamentos transmitidos, oportunidades criadas e principalmente, a paciência e confiança
depositadas nesses anos de orientação e convivência.

Aos meus colegas da turma de mestrado de 2008, pela amizade e incentivo, principalmente ao
amigo André (radar).

A coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) pela bolsa de
estudo concedida.

A todos os membros da banca examinadora, pelas valiosas sugestões na melhoria deste
trabalho.

Agradeço a todas as pessoas que direta ou indiretamente contribuíram de alguma forma e me
ajudaram a vencer mais esta etapa de minha vida e que não estão citadas acima.

Muito obrigado!

”Mantenha seus pensamentos positivos, porque seus
pensamentos tornam-se suas palavras. Mantenha suas
palavras positivas, porque suas palavras tornam-se
suas atitudes. Mantenha suas atitudes positivas,
porque

suas

atitudes

tornam-se

seus

hábitos.

Mantenha seus hábitos positivos, porque seus hábitos
tornam-se seus valores. Mantenha seus valores
positivos, porque seus valores... Tornam-se seu
destino.”
(Gandhi)

OLIVEIRA; Vinicius, Influência do Oceano Atlântico Sul na precipitação do Brasil com
Ênfase sobre o Rio Grande do Sul Orientador: Luiz C. B. Molion, PhD. Maceió-AL: UFAL,
2010. Dissertação (Mestrado em Meteorologia). Instituto de Ciências Atmosféricas,
Universidade Federal de Alagoas. Maio, 2010.

RESUMO

Foi determinado um índice de oscilação do Atlântico Sul, denominado IAS, para o período de
1900 a 2008, com o objetivo de fazer uma analise da influência do Oceano Atlântico Sul no
regime de precipitação do Brasil, em particular os impactos sobre o Estado do Rio Grande do
Sul. Para esse fim, foram utilizados dados de Reanálises do NCEP/NCAR dos campos de taxa
de precipitação (Pt), ROLE e PNM. Além desses dados, foram utilizadas séries temporais da
precipitação da UDEL e das estações meteorológicas do Rio Grande do Sul, do 8º Distrito de
Meteorologia (Porto Alegre), do Instituto Nacional de Meteorologia (INMET) e da Fundação
Estadual de Pesquisas Agropecuária (FEPAGRO). A série temporal do IAS foi correlacionada
com as series da ODP, IOS e, IME, o IAS obtendo uma boa correlação com a ODP e IME,
mostrando que a ODP e o IME explicam 34% e 28% da variância do IAS, respectivamente.
também foi correlacionado com Pt, ROLE, PNM, precipitação observada no Rio Grande do
Sul e, séries temporais da precipitação da UDEL. Para estas variáveis os coeficientes de
correlação foram mais significativos no Rio Grande do Sul principalmente para Pt com
valores em torno de 0.6 para o período de 1948-2008 e para a fase fria da ODP, mostrando
maior grau de associação do IAS com esta fase. Além disso, foram feitas correlações com o
índice adiantado de 0 a 5 meses com as variáveis Pt, ROLE e PNM, os melhores resultados
foram encontrados com até 5 meses de antecipação no Rio Grande do Sul principalmente.
Embora correlação não implique em causa-efeito, esses resultados indicaram que a
precipitação em algumas regiões do Brasil esteve relacionada com IAS, sugerindo que esse
índice seja previsor potencial da precipitação, considerando cada fase da ODP,
respectivamente. Em particular, sugere-se que o IAS, aqui desenvolvido, seja utilizado como
previsor da qualidade da estação chuvosa no Estado do Rio Grande do Sul, com 5 meses de
antecedência, pelo menos.

Palavras-Chave: Precipitação, Rio Grande do Sul, Oceano Atlântico, ODP

OLIVEIRA, Vinicius, Influence of South Atlantic Ocean on precipitation in Brazil with
enphasis on the Rio Grande do Sul Advisor: Luiz C. B. Molion, PhD Maceio-AL: UFAL,
2010. Dissertation (Masters in Meteorology). Institute of Atmospheric Sciences, Federal
University of Alagoas. May, 2010.

ABSTRACT

In order to analyze the South Atlantic Ocean influence over rainfall patterns in Brazil, in
particular, the impacts on the state of Rio Grande do Sul, an oscillation index for the South
Atlantic ocean, named IAS, was determined for the period from 1900 to 2008. For this
purpose, precipitation rate (Pt), outgoing long wave radiation (OLR) and sea level pressure
(SLP) data from the Reanalysis NCEP/NCAR were used. Furthermore, time series of UDEL
precipitation and weather stations in Rio Grande do Sul, obtained from the 8th District of
Meteorology (Porto Alegre), National Institute of Meteorology (INMET) and the State
Foundation for Agricultural Research (FEPAGRO) were also used. A series of IAS was
correlated with PDO, SOI, and MEI. The IAS correlation coefficients with PDO and MEI
were high, showing that PDO and MEI explain 34% and 28% of the IAS variance,
respectively. Rainfall observed in Rio Grande do Sul, and UDEL rainfall, were also correlated
with Pt, OLR, SLP. For these variables, the correlation coefficients were more significant in
Rio Grande do Sul, mainly for Pt with values around 0.6 for the period 1948-2008 and the
cold PDO phase, showing greater degrees of association within this phase of the IAS.
Furthermore, correlations were done with the index in 0-5 months advance with the variables
Pt, OLR and SLP, the best results were found with up to five months in anticipation of Rio
Grande do Sul, mainly. Although correlation does not imply a cause-effect relation ship, these
results indicate that rainfall in some regions of Brazil was related to IAS, suggesting that this
index is potential predictor of precipitation, considering each phase of the PDO, respectively.
In particular, it is suggested that the IAS developed here, is used as a predictor of quality of
the rainy season in Rio Grande do Sul, with five months in advance, at least.

Keywords: Precipitation, Rio Grande do Sul, Atlantic Ocean, PDO

LISTA DE FIGURAS

Figura 1: Coeficiente de correlação entre a TSM sobre o Atlântico e a precipitação média de
Fortaleza (F) e Quixeramobim (Q) Fonte: Moura e Shukla, 1981, p. 2657. .........................26
Figura 2: Esquema da trajetória de sistemas frontais sobre influência da OAN (a) positiva e
(b) negativa. Fonte: Climatic Research Unit, University of East Anglia, Norwich - U.K.
……………………………………………………………………………………………… 29
Figura 3: Serie temporal do Índice de Oscilação Mutidecadal do Atlântico (OMA) de 1856 –
2008. (Fonte dos dados: http://www.esrl.noaa.gov). ............................................................ 30
Figura 4: Circulação observada no Oceano Pacífico equatorial em anos normais. Célula de
Walker. Fonte: CPTEC/INPE. .............................................................................................. 32
Figura 5: Condições de (a) El Niño e (b) La Niña. Fonte: CPTEC/INPE. ........................... 33
Figura 6: Serie temporal do Índice Multivariado do ENOS, adaptada de Wolter e Timlin
(1998). ................................................................................................................................... 34
Figura 7: Padrões de comportamento da TSM nas fases (a) negativa e (b) positiva da ODP.
Fonte dos dados: NOAA/ESRL/PSD. ...................................................................................36
Figura 8: Série temporal do Índice da Oscilação Decadal do Pacífico (MANTUA et al, 1997).
................................................................................................................................................ 37
Figura 9: Domínio espacial para determinação do IAS. ....................................................... 46
Figura 10: Média mensal do IAS para o período entre 1900-2008, com a média móvel de 11
meses (linha vermelha). ........................................................................................................ 51
Figura 11: Campo de anomalias de TSM no período (a) 1948-1976, (b) 1977-1998, (c) 19992009, com relação ao período de 1948 a 2008. Fonte dos dados ESRL/PSD/NOAA.
................................................................................................................................................ 53

Figura 12: (a) Valores do EPO calculados para o IAS; (b) espectro de potência global (EPG).
A linha preta contínua em (a) representa o cone de influência. Os contornos contínuos pretos
mostram os valores da ondeleta estatisticamente significantes ao nível de 95%.
................................................................................................................................................ 54
Figura 13: Diagrama de dispersão entre IAS e ODP (a) mensal e (b) anual. ....................... 55
Figura 14: Diagrama de dispersão entre IAS e IOS (a) mensal e (b) anual. ......................... 55
Figura 15: Diagrama de dispersão entre IAS e IME (a) mensal e (b) anual. ........................ 56
Figura 16: Coeficientes de correlação entre a taxa de precipitação (Pt) e o IAS para o período
de 1948-2008, com índice (a) simultâneo e (b) 1 mês adiantado com relação Pt. Fonte dos
dados: ESRL/PSD/NOAA. ................................................................................................... 57
Figura 17: Coeficientes de correlação entre a precipitação (Pt) e o IAS para o período de
1948-2008, com o IAS adianta em (a) 2 meses e (b) 3 meses com relação à Pt. Fonte dos
dados ESRL/PSD/NOAA. .................................................................................................... 58
Figura 18: Coeficientes de correlação entre a taxa de precipitação (Pt) e o IAS para o período
de 1948-2008, com o IAS adiantado em (a) 4 meses e (b) 5 meses com relação à Pt. Fonte dos
dados ESRL/PSD/NOAA. .................................................................................................... 59
Figura 19: Coeficientes de correlação entre a taxa de precipitação (Pt) e o IAS para o período
de 1948-1976 (fase fria) (a) simultânea e (b) com o IAS adiantado de 1 mês com relação à Pt.
Fonte dos dados ESRL/PSD/NOAA. .................................................................................... 60
Figura 20: Coeficientes de correlação entre a taxa de precipitação (Pt) e o IAS para o período
de 1948-1976 (fase fria), com o IAS adiantado em (a) 2 meses e (b) 3 meses com relação à Pt.
Fonte dos dados ESRL/PSD/NOAA. .................................................................................... 61
Figura 21: Coeficientes de correlação entre a taxa de precipitação (Pt) e o IAS para o período
de 1948-1976 (fase fria), com o IAS adiantado em (a) 4 meses e (b) 5 meses com relação à Pt.
Fonte dos dados ESRL/PSD/NOAA. .................................................................................... 62

Figura 22: Coeficientes de correlação entre a taxa de precipitação (Pt) e o IAS para o período
de 1977-1998 (fase quente) (a) simultânea e (b) com o IAS adiantado de 1 mês com relação à
Pt. Fonte dos dados ESRL/PSD/NOAA. ............................................................................. 63
Figura 23: Coeficientes de correlação entre a taxa de precipitação (Pt) e o IAS para o período
de 1977-1998 (fase quente), com o IAS adiantado em (a) 2 meses e (b) 3 meses com relação à
Pt. Fonte dos dados ESRL/PSD/NOAA. .............................................................................. 64
Figura 24: Coeficientes de correlação entre a taxa de precipitação (Pt) e o IAS para o período
de 1977-1998 (fase quente), com o IAS adiantado em (a) 4 meses e (b) 5 meses com relação à
Pt. Fonte dos dados ESRL/PSD/NOAA. .............................................................................. 65
Figura 25: Coeficientes de Correlação entre ROLE e IAS para o período de 1948-2008, com
índice adiantado em (a) simultâneo e (b) 1 mês. Fonte dos dados ESRL/PSD/NOAA.
................................................................................................................................................ 66
Figura 26: Coeficientes de Correlação entre ROLE e IAS para o período entre 1948-2008,
com índice adiantado em (a) 2 meses e (b) 3 meses. Fonte dos dados ESRL/PSD/NOAA.
................................................................................................................................................ 67
Figura 27: Coeficientes de Correlação entre ROLE e IAS para o período entre 1948-2008,
com índice adiantado em (a) 4 meses e (b) 5 meses. Fonte dos dados ESRL/PSD/NOAA.
................................................................................................................................................ 67
Figura 28: Coeficientes de Correlação entre ROLE e IAS para o período entre 1948-1976
(fase fria), com índice adiantado em (a) simultâneo (b) 1 mês. Fonte dos dados
ESRL/PSD/NOAA. ............................................................................................................... 68
Figura 29: Coeficientes de Correlação entre ROLE e IAS para o período entre 1948-1976
(fase fria), com índice adiantado em (a) 2 meses e (b) 3 meses. Fonte dos dados
ESRL/PSD/NOAA. ............................................................................................................... 69
Figura 30: Coeficientes de Correlação entre ROLE e IAS para o período entre 1948-1976
(fase fria), com índice adiantado em (a) 4 meses e (b) 5 meses. Fonte dos dados
ESRL/PSD/NOAA. ............................................................................................................... 70

Figura 31: Coeficientes de Correlação entre ROLE e IAS para o período entre 1977-1998
(fase quente), com índice adiantado em (a) simultâneo (b) 1 mês. Fonte dos dados
ESRL/PSD/NOAA. ............................................................................................................... 71
Figura 32: Coeficientes de Correlação entre ROLE e IAS para o período entre 1977-1998
(fase quente), com índice adiantado em (a) 2 meses e (b) 3 meses. Fonte dos dados
ESRL/PSD/NOAA. ............................................................................................................... 72
Figura 33: Coeficientes de Correlação entre ROLE e IAS para o período entre 1977-1998
(fase quente), com índice adiantado em (a) 4 meses e (b) 5 meses. Fonte dos dados
ESRL/PSD/NOAA. ............................................................................................................... 72
Figura 34: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1948-2008, com índice adiantado em (a) simultâneo (b) 1 mês. Fonte dos dados
ESRL/PSD/NOAA. ............................................................................................................... 73
Figura 35: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1948-2008, com índice adiantado em (a) 2 meses e (b) 3 meses. Fonte dos dados
ESRL/PSD/NOAA. ............................................................................................................... 74
Figura 36: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1948-2008, com índice adiantado em (a) 4 meses e (b) 5 meses. Fonte dos dados
ESRL/PSD/NOAA. ............................................................................................................... 75
Figura 37: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1948-1976 (fase fria), com índice adiantado em (a) simultâneo (b) 1 mês. Fonte dos
dados ESRL/PSD/NOAA. .................................................................................................... 76
Figura 38: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1948-1976 (fase fria), com índice adiantado em (a) 2 meses e (b) 3 meses. Fonte dos
dados ESRL/PSD/NOAA. .................................................................................................... 77
Figura 39: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1948-1976 (fase fria), com índice adiantado em (a) 4 meses e (b) 5 meses. Fonte dos
dados ESRL/PSD/NOAA. .................................................................................................... 77

Figura 40: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1977-1998 (fase quente), com índice adiantado em (a) simultâneo (b) 1 mês. Fonte dos
dados ESRL/PSD/NOAA. .................................................................................................... 78
Figura 41: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1977-1998 (fase quente), com índice adiantado em (a) 2 meses e (b) 3 meses. Fonte dos
dados ESRL/PSD/NOAA. .................................................................................................... 79
Figura 42: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1977-1998 (fase quente), com índice adiantado em (a) 4 meses e (b) 5 meses. Fonte dos
dados ESRL/PSD/NOAA. .................................................................................................... 79
Figura 43: Coeficientes de Correlação entre a Precipitação (UDEL) e IAS para o período em
(a) 1950-1998 e (b) 1950-1976. Fonte dos dados ESRL/PSD/NOAA. ................................ 80
Figura 44: Coeficientes de Correlação entre a Precipitação (UDEL) e IAS para o período entre
1977-1998. Fonte dos dados ESRL/PSD/NOAA. ................................................................ 81
Figura 45: Desvios da taxa de Precipitação (mm/dia) durante as fases (a) fria e (b) quente da
ODP, com relação à média do período entre 1948-2008. Fonte dos dados ESRL/PSD/NOAA.
................................................................................................................................................ 82
Figura 46: Desvios de radiação de ondas longas (ROLE W/m2) das fases (a) fria e (b) quente
da ODP, com relação a media do período entre 1948-2008. Fonte dos dados
ESRL/PSD/NOAA. ............................................................................................................... 83
Figura 47: Desvio de pressão ao nível do mar (PNM) (hPa) para as fases (a) fria e (b) quente
da ODP. Fonte dos dados ESRL/PSD/NOAA. ..................................................................... 84
Figura 48: Diferença entre os totais pluviométricos médios anuais do Rio Grande do Sul, Fase
Fria menos Fase Quente. Fonte dos dados INMET. ............................................................. 85
Figura 49: Coeficientes de Correlação entre a precipitação observada e IAS para o Rio Grande
do Sul no período entre 1948-2008. Fonte dos dados INMET. ............................................ 86

Figura 50: Coeficientes de Correlação entre a precipitação observada e IAS para o Rio Grande
do Sul no período entre 1948-1976, Fase Fria da ODP. Fonte dos dados INMET.
................................................................................................................................................ 87
Figura 51: Coeficientes de Correlação entre a precipitação observada e IAS para o Rio Grande
do Sul no período entre 1977-1998, Fase Quente da ODP. Fonte dos dados INMET.
................................................................................................................................................ 87
Figura 52: Anomalias de precipitação (UDEL) de Janeiro, Fevereiro e Março em anos de El
Niño e La Niña. (a) El Niño na FF da ODP,(b) La Niña na FF da ODP,(c) El Niño na FQ da
ODP e (d) La Nña na FQ da ODP. Fonte dos dados ESRL/PSD/NOAA. ............................ 88
Figura 53: Anomalias de precipitação (UDEL) de Abril, Maio e Junho em anos de El Niño e
La Niña. (a) El Niño na FF da ODP, (b) La Niña na FF da ODP, (c) El Niño na FQ da ODP e
(d) La Nña na FQ da ODP. Fonte dos dados ESRL/PSD/NOAA. ........................................89
Figura 54: Anomalias de precipitação (UDEL) de Julho, Agosto e Setembro em anos de El
Niño e La Niña. (a) El Niño na FF da ODP,(b) La Niña na FF da ODP,(c) El Niño na FQ da
ODP e (d) La Nña na FQ da ODP. Fonte dos dados ESRL/PSD/NOAA. ............................ 90
Figura 55: Anomalias de precipitação (UDEL) de Outubro, Novembro e Dezembro em anos
de El Niño e La Niña. (a) El Niño na FF da ODP, (b) La Niña na FF da ODP, (c) El Niño na
FQ da ODP e (d) La Nña na FQ da ODP. Fonte dos dados ESRL/PSD/NOAA.
................................................................................................................................................ 91
Figura 56: Campo de anomalia de TSM no período (a) 1948-1976, (b) 1977-1998, (c) 19992009, com relação ao período de 1948 a 2008. Fonte dos dados ESRL/PSD/NOAA.
................................................................................................................................................ 93

LISTA DE TABELAS

Tabela 1: Estações meteorológicas do Estado do Rio Grande do Sul, coordenadas geográficas
e, instituições a que pertencem. ............................................................................................ 44
Tabela 2: Graus de liberdade e os níveis de significância dos coeficientes de correlação.
Fonte: Adaptada de ESRL/PSD/NOAA. .............................................................................. 48

LISTA DE ABREVIATURAS E SIGLAS

Alta da Bolívia

ASN

Anticiclone Subtropical do Atlântico Norte

ATSM

Anomalias de Temperatura da Superfície do Mar

BPI

Baixa Pressão da Islândia

COADS

Comprehensive Ocean Atmosphere Data Set

Coeficientes de Correlação

Componente Principal

ENOS

El Niño-Oscilação Sul

EPG

Espectro de Potência Global

EPO

Espectro de potência de ondeletas

ESRL

Earth System Research Labotatory

FEPAGRO

Fundação Estadual de Pesquisas Agropecuárias

Fase fria

FOE

Funções ortogonais empíricas

Fase quente

GrADS

Grid Analysis and Display System

IAS

Índice do Atlântico Sul

IME

Índice Multivariado do ENOS

INMET

Instituto Nacional de Meteorologia

IODP

Índice de Oscilação Decadal do Pacífico

IOS

Índice de Oscilação Sul

NCAR

National Center for Atmospheric Research

NCEP

National Centers for Environment Prediction

NEB

Nordeste Brasileiro

NOAA

National Oceanic and Atmospheric Administration

NSC

Covariância dos Quadrados Normalizados

OAN

Oscilação do Atlântico Norte

ODP

Oscilação Decadal do Pacífico

OMA

Oscilação Multidecadal do Atlântico

Oscilação Sul

PNM

Pressão ao Nível do Mar

POAs

Perturbações Ondulatórias nos Alísios

PSD

Physical Science Division

Taxa de Precipitação

ROLE

Radiação de Onda Longa

Transformada em ondeletas

TSM

Temperatura da Superfície do Mar

UDEL

University of Delaware

VCANs

Vórtices Ciclônicos de Altos Níveis

ZCAS

Zona de convergência da América do Sul

ZCIT

Zona de Convergência Intertropical

ZCPS

Zona de Convergência do Pacífico Sul

SUMÁRIO

1 INTRODUÇÃO ............................................................................................................... 22
1.1 Objetivo ......................................................................................................................... 23
2 REVISÃO BIBLIOGRÁFICA ...................................................................................... 25
2.1 Influência do Oceano Atlântico no Clima .................................................................. 25
2.1.1 Gradiente inter-hemisférico de TSM no Atlântico ..................................................... 27
2.1.2 Oscilação do Atlântico Norte (OAN) ..........................................................................28
2.1.3 Oscilação Multidecadal do Atlântico (OMA) ............................................................. 29
2.2 Influência do Oceano Pacífico no Clima .................................................................... 30
2.2.1 El Niño Oscilação Sul (ENOS) ................................................................................... 31
2.2.2 Índice Multivariado de ENOS (IME) ..........................................................................33
2.2.3 Efeitos do El Niño e La Niña no Brasil ...................................................................... 34
2.2.4 Oscilação Decadal do Pacífico (ODP) ........................................................................ 36
2.3 Sistemas Atmosféricos que influenciam no regime de precipitação do Brasil ....... 37
2.3.1 Zona de Convergência Intertropical (ZCIT) ............................................................... 37
2.3.2 Sistemas Frontais ........................................................................................................ 39
2.3.3 Zona de convergência da América do Sul (ZCAS) .....................................................40
2.3.4 Vórtices Ciclônicos de Altos Níveis (VCANS) .......................................................... 42
2.3.4.1 Tipo Palmén ............................................................................................................. 42

2.3.4.2 Tipo Palmer .............................................................................................................. 43
3 Materiais e Métodos ........................................................................................................ 44
3.1 Dados ............................................................................................................................. 44
3.1.1 Estações pluviométricas para o Estado do Rio Grande do Sul ................................... 44
3.2 Metodologia .................................................................................................................. 45
3.2.1 Elaboração do Índice Interdecadal do Oceano Atlântico Sul (IAS) ........................... 45
3.2.2 Transformada em Ondeletas ....................................................................................... 46
3.2.3 Correlação entre a precipitação pluviométrica e o IAS .............................................. 47
3.2.4 Análise com os dados de Reanálise ............................................................................ 49
3.3 Softwares Utilizados ..................................................................................................... 50
4 Resultados e Discussões .................................................................................................. 51
4.1 Índice do Atlântico Sul (IAS) ...................................................................................... 51
4.2 Análise da transformada de Ondeletas ...................................................................... 53
4.3 Relação entre o IAS e os índices de ODP, IOS e IME .............................................. 54
4.4 Correlação espacial entre a taxa de precipitação e IAS ........................................... 56
4.5 Correlações entre ROLE e IAS ...................................................................................65
4.6 Correlação entre pressão ao nível do mar e IAS ....................................................... 73
4.7 Correlações entre precipitação UDEL e IAS ............................................................. 80
4.8 Desvios da taxa de precipitação .................................................................................. 81
4.9 Desvio da radiação de ondas longas (ROLE) ............................................................ 82

4.10 Desvio da pressão ao nível do mar (PNM) ............................................................... 83
4.11 Análise da precipitação observada no Rio Grande do Sul ..................................... 84
4.12 Relação entre IAS e a precipitação observada no Rio Grande do Sul .................. 85
4.13 Tendências Climáticas ............................................................................................... 92
5 Conclusão ......................................................................................................................... 94
6 Referências ....................................................................................................................... 97

INTRODUÇÃO

Existem poucos estudos sobre qual a influência do Oceano Atlântico Sudoeste no clima da
região sul do Brasil, entretanto há indicações dessa influência na variabilidade interanual das
chuvas na região. O Oceano Atlântico apresenta uma baixa variabilidade interanual, mas
significativas variabilidades sazonais e interdecadais (TOURRE et al, 1999). A região
Sudoeste da Bacia do Oceano Atlântico é importante na formação do clima na região sul do
Brasil, por dois aspectos: ser uma área ciclogenética (GAN e RAO, 1991) logo sensíveis as
Anomalias de TSM (DIAZ et al, 1998) e, por ser a circulação Oceânica na faixa entre 38° e
42° S dominada pela confluência das correntes oceânicas do Brasil e das Malvinas. Para
Venegas et al (1996), a migração da zona de confluência dessas duas correntes para o norte e
para o sul ao longo da margem continental, até uma amplitude de 900km, ocorre nas escalas
de tempo sazonal e interanual. E, em geral, essa migração causa impactos na atmosfera, com
prováveis efeitos na ciclogênese e distribuição regional de precipitação (DIAZ et al, 1998).

No Atlântico tropical, são observados dois modos importantes de variabilidade da temperatura
da superfície do mar (TSM), um com variabilidade mais notável na escala interanual e outro
na escala decadal. O primeiro, conhecido também como modo equatorial, é semelhante ao que
acontece no Oceano Pacífico durante o fenômeno El Niño-oscilação sul (ENOS) (ZEBIAK,
1993). O segundo, conhecido também como modo dipolar, consiste na variação interhemisférica da TSM em escala aproximadamente decadal (SERVAIN et al, 1982; ENFIELD
et al, 1999; HASTENRATH, 2002). Variações de TSM nos Oceanos Pacífico e Atlântico
tropicais são as grandes causas de variabilidades climáticas ao longo do globo (PHILANDER,
1990).

A distribuição da precipitação, assim como de outros elementos climáticos, é bastante
irregular junto à superfície terrestre. Isso se deve, a principio, pela existência de alguns
fenômenos que tendem a modificar a normalidade de ocorrência da precipitação e,
consequentemente, dos períodos de estiagem.

Vários estudos recentes fornecem evidências de que os oceanos Atlântico e Pacífico
desempenham um papel significativo nas flutuações climáticas que ocorre na região sul do
Brasil (DIAZ et al, 1998; GRIMM et al, 1998; GRIMM, 2000).

Estudos sobre variações anuais de chuvas no Brasil, correlacionando a precipitação sobre o
Rio Grande do Sul e o Índice de Oscilação Sul (IOS) mostraram que a chuva nessa região está
negativamente correlacionada com o IOS, sendo que a correlação mais alta foi verificada na
primavera (RAO e HADA, 1990). Entretanto, foi sugerido pelos autores que, na fase negativa
da oscilação sul, ocorre um fortalecimento da circulação de Hadley, que por sua vez
transporta mais momento angular absoluto, mantendo um jato subtropical mais forte. Esta
situação do escoamento em altitude mantém os sistemas frontais no sul do Brasil, favorecendo
a maior acumulação de chuva nessa região e reduzindo a precipitação no Nordeste Brasileiro
(NEB). Outra situação, que pode estar associada à diminuição da precipitação no NEB, seria a
modificação da circulação de Walker, associada a anomalias de TSM no Pacífico Equatorial.

As condições oceânicas, principalmente as de superfície, ou seja, as TSM são de grande
importância para o clima global e regional e não faltam evidências observacionais e resultados
de modelos numéricos que comprovem as mudanças ou impactos causados pelas mesmas.

Atualmente, 71% da superfície da terra são cobertos por oceanos. Como a atmosfera é
aquecida por baixo, os oceanos constituem a condição de contorno inferior mais importante
para a atmosfera e para o clima global e, dessa forma desempenham um papel importante no
balanço de energia. Os oceanos absorvem o CO2 atmosférico de diversas formas, entre elas
está à difusão direta na interface oceano-atmosfera. Portanto, variações nas configurações das
TSM, devido às variações de transporte de calor em direção aos pólos, devem produzir
mudanças climáticas sensíveis.

1.1 Objetivo:

GERAL: O objetivo geral deste estudo é fazer uma análise da influência do Oceano Atlântico
Sul no regime de precipitação do Brasil.

ESPECIFICOS:

Determinar um índice, com base na variabilidade da temperatura da superfície do Oceano
Atlântico Sul, e correlacioná-lo com precipitação, pressão ao nível do mar e radiação de onda
longa (ROLE).

Estudar a influência da variabilidade das TSM do Atlântico Sul na precipitação do Brasil,
especialmente os impactos sobre o Estado do Rio Grande do Sul.

Diagnosticar se o índice criado, de anomalia de temperatura do Oceano Atlântico Sul (IAS),
pode ser utilizado como previsor potencial da precipitação.

REVISÃO BIBLIOGRÁFICA

2.1 Influência do Oceano Atlântico no Clima

As escalas de freqüência dos processos oceânicos e atmosféricos sobre o oceano Atlântico
englobam a variabilidade interdecadal, interanual, intrasazonal.

O principal mecanismo responsável por mudanças das TSM do Atlântico é a evaporação,
como mostrado por Carton et al (1996) que sugeriram que o padrão decadal é controlado por
mudanças na evaporação devido alterações na velocidade dos ventos em superfície.

Rao et al (1999) analisaram o período de 1950-1994 e comentaram que o Atlântico tropical
Norte e Sul apresentam uma configuração do gradiente inter-hemisférico de TSM do
Atlântico para ambas as escalas de tempo, anual e decadal. Outro resultado importante na
avaliação do balanço de umidade foi a alta evaporação encontrada sobre o Atlântico Norte, e
baixa evaporação no Atlântico Sul durante o período de alta precipitação no NEB, pois altas
evaporações levam a baixa TSM e vice-versa. Esse parece ser o mecanismo que gera o
gradiente inter-hemisférico de TSM do Atlântico na escala decadal sobre o Atlântico tropical.

Na escala interanual, existem estudos que discutem que os fenômenos atmosféricos e
oceânicos sobre a bacia do Atlântico Tropical são mais significativos no clima do Nordeste do
Brasil do que os do Pacífico (HASTENRATH et al, 1987). Embora a variabilidade interanual
das TSM e ventos sobre o Atlântico Tropical sejam significativamente menores do que aquela
observada sobre o Pacífico Equatorial, essas variáveis têm profunda influência na
variabilidade climática sobre a América do Sul, principalmente sobre a Região Nordeste do
Brasil (HASTENRATH, 1984).

Os resultados de modelos de circulação geral da atmosfera sugeriraram que as condições
oceânicas e atmosféricas na Bacia do Atlântico Tropical, chamado “padrão de dipolo” ou
gradiente inter-hemisférico de TSM, influem fortemente na variabilidade interanual do clima
sobre as Américas (HASTENRATH e HELLER, 1977).

Com 25 anos de dados de TSM (1948-1972), utilizados sobre o Norte e Sul do Atlântico,
Moura e Shukla (1981) calcularam a correlação entre anomalias de TSM de março-abril-maio

26
6

de Foortaleza e Quixeramob
Q
bim (Figuraa 1). Enconttraram a ocorrência sim
multânea dee anomaliass
de TSM quente ao norte e anomalias de
d TSM fria ao sul do Atlântico eequatorial reelacionadass
à seccas sobre o NEB.
N
A corrrelação possitiva encon
ntrada

sobree o sul do Atlântico
A
é explicada de maneiraa que a pressença de annomalias dee TSM com
m
sinaiis contrárioss, positiva ao norte e negativa ao
o sul, geram
m a estrutuura simultân
nea de umaa
fontee de calor soobre o Atlânntico norte e um sumid
douro de callor anômaloo sobre o Attlântico Sul..
Assim
m, a banda de nebulosiidade conveectiva assocciada à ZCIT
T na área eqquatorial in
ntensifica-see
ao norte,
n
causaando movim
mento descendente so
obre a regiãão do NEB
B e Oceano
o Atlânticoo
adjaccente, e anoomalias de TSM abaixxo da médiia reduzem evaporaçãoo e a conveergência doo
fluxoo de umidadde, assim dim
minuindo a precipitaçãão sobre na região.

Figurra 1: Coeficciente de coorrelação enntre a TSM sobre o Attlântico e a precipitaçãão média dee
Forttaleza (F) e Quixeramoobim (Q) Fo
onte: Mouraa e Shukla, 11981, p. 265
57
Servain et al (11982) discuutiram o im
mportante paapel das annomalias doos ventos zo
onais comoo
forçaante das anoomalias de TSM
T
no oesste da Baciaa do Atlânticco Equatoriial.

Uvo (1998) enccontrou um
ma forte rellação entre o gradientte inter-hem
misférico de
d TSM doo
Atlânntico e preccipitação soobre a maiorr parte do norte
n
do Noordeste. Os vvalores de covariância
c
a
dos quadrados normalizaddos (NSC) foram alto
os, sugerinddo que a pprecipitação
o esta maiss
relaccionada ao Atlântico do
d que ao Pacífico. E ainda obsservou umaa significativa relaçãoo
intrasazonal entre ambas TSM,
T
do Paccífico e do Atlântico,
A
e a precipitaação do Norrdeste. Paraa
o Paccífico, alta correlação
c
é encontradda durante os
o meses maarço-maio, e para o Atllântico, estee

é visto em fevereiro e especialmente abril-maio. O padrão de TSM Atlântica exibe mais alta
covariância quadrada normalizada que os encontrados no Pacífico de abril a maio e para toda
a estação chuvosa.

A influência do ENOS no Atlântico tropical foi observada durante a primavera boreal (marçomaio) (ENFIELD e MAYER, 1997; SARAVANAN e CHANG, 2000) e esteve associada com
anomalias na circulação de Walker. O ENOS contribui de forma significativa para a
correlação entre a configuração do gradiente inter-hemisférico do Atlântico e a precipitação
do norte do NEB (SARAVANAN e CHANG, 2000).

Um fator de grande importância para a variabilidade de TSM no Atlântico tropical (AT) é o
fluxo de calor em superfície (CARTON et al, 1996; CHANG et al, 1997). As anomalias de
fluxo de calor em superfície associadas com o ENOS, sobre o Atlântico tropical, são causadas
por mudanças na velocidade dos ventos e na diferença de temperatura entre atmosfera-oceano
(SARAVANAN e CHANG, 2000).

2.1.1 Gradiente inter-hemisférico de TSM no Atlântico

É um fenômeno oceano-atmosférico que causa variação de precipitação no Nordeste do Brasil
e na África. O Dipolo do Atlântico é uma mudança anômala na temperatura da água do
Oceano Atlântico Tropical. Esse fenômeno muda a circulação meridional da atmosfera
(Hadley) e inibe ou aumenta a formação de nuvens sobre o Nordeste do Brasil e alguns países
da África, diminuindo ou aumentando a precipitação. Quando as águas do Atlântico Tropical
Norte estão mais quentes e as águas do Atlântico Equatorial e Tropical Sul estão mais frias
simultaneamente, ocorrem movimentos descendentes anômalos sobre o Nordeste do Brasil e
alguns países da África Ocidental, inibindo a formação de nuvens e diminuindo a
precipitação, podendo causar secas nessas regiões. Por outro lado, quando as águas do
Atlântico Tropical Norte estão mais frias e as águas do Atlântico Tropical Sul estão mais
quentes, existem movimentos ascendentes anômalos sobre o Nordeste do Brasil e países da
África Ocidental, acelerando a formação de nuvens, aumentando a precipitação e provocando
enchentes, em muitas ocasiões.

Aragão (1990) mostrou que os períodos de duração das secas e enchentes vão depender do
período de atuação, duração, intensidade e cobertura do ENOS e do Gradiente inter-

hemisférico de TSM no Atlântico. Os episódios podem ser considerados muito fracos, fracos,
moderados e fortes dependendo do valor da temperatura da água do mar, a extensão e o
período de atuação.

2.1.2 Oscilação do Atlântico Norte (OAN)

A OAN é uma flutuação no campo de pressão ao nível do mar entre a Baixa da Islândia e a
Alta Subtropical do Atlântico Norte (Alta dos Açores). Tem uma grande influência nas
anomalias meteorológicas e na variabilidade no clima na Europa Ocidental, e é considerada
de alta freqüência, pois sua variação se processa em questão de meses. É um modo dominante
de variabilidade climática no inverno, estendendo-se da América do Norte central até a
Europa, atingindo também o norte da Ásia.

A intensidade da OAN é descrita pelo índice de Oscilação do Atlântico Norte. O índice da
OAN é a diferença de pressão ao nível do mar entre duas estações meteorológicas situadas
perto dos centros da Baixa Pressão da Islândia (BPI) e do Anticiclone Subtropical do
Atlântico Norte (ASN), próximo aos Açores. A estação de Stykkisholmur, Islândia, é usada
como a estação a norte, enquanto que as estações de Ponta Delgada (Açores), Lisboa
(Portugal Continental) ou Gibraltar podem ser utilizadas como a estação a sul.

A OAN apresenta duas fases, positiva e negativa. A fase positiva (Figura 2a) tem como
característica, o ASN mais intenso que o habitual e a BPI mais intensa que o normal sobre a
Islândia. O aumento da diferença de pressão resulta num maior número e mais intensas
tempestades de inverno atravessando o Oceano Atlântico numa trajetória mais meridional,
atingindo o norte da Europa. Nessas condições, os invernos são mais quentes e úmidos na
Europa e leste dos EUA e mais frios e secos no norte do Canadá e Groenlândia.

A fase negativa da OAN (Figura 2b) apresenta o ASN e a BPI pouco intensos. A redução do
gradiente de pressão resulta num menor número de tempestades, de menor intensidade e com
trajetória mais zonal, atingindo o sul da Europa, Mar Mediterrâneo e norte da África. Nesse
caso, têm-se invernos mais úmidos no Mediterrâneo e mais frios no norte da Europa e no leste
dos EUA e temperaturas de inverno mais amenas na Groenlândia.

(a)

(b)

Figura 2: Esquema da trajetória de sistemas frontais sobre influência da OAN (a) positiva e
(b) negativa. Fonte: Climatic Research Unit, University of East Anglia, Norwich
(UK)

2.1.3 Oscilação Multidecadal do Atlântico (OMA)

A OMA é uma oscilação de baixa freqüência que ocorre nas TSM do Oceano Atlântico Norte.
As variações ocorrem entre a região equatorial, aproximadamente o Golfo do México, e a
Groenlândia, geralmente entre de 0º N a 70º N. Apresenta duas fases mostradas na Figura 3,
fase fria e fase quente, com uma duração característica de 20 a 40 anos cada uma, num ciclo
total de 60 a 70 anos. Esse fenômeno altera as temperaturas da superfície do mar,
influenciando as correntes marinhas que levam calor dos trópicos para Europa e Ártico.

Estudos indicam que a OMA tem afetado as temperaturas do ar e a precipitação sobre grande
parte do Hemisfério Norte, em particular, na América do Norte e Europa. Ela está associada a
mudanças na freqüência de secas na América do Norte. Quando a OMA está em sua fase
quente, as secas tendem a ser mais freqüentes e prolongadas e vice-versa. Reflete-se também
na freqüência de furacões do Atlântico Norte, uma vez que em sua fase quente os furacões
tendem a aumentar o número de ocorrências assim como uma maior intensidade no Golfo do
México, observando-se o contrário em sua fase fria.

Segundo D’Aleo (2008), a diminuição da camada de gelo ocorrida no Ártico, nos últimos
anos, esteve associada à fase quente da OMA, uma vez que o degelo observado a partir do fim
da década de 90 se equipara ao ocorrido entre as décadas de 30 e 40 e evidencia que esse tipo
de mudança no Pólo Norte é decorrente de causas naturais e não pela intensificação do efeito

estufa devida à maior liberação dos gases do efeito estufa. Ele notou, também, que quando o
Atlântico Norte passa pela sua fase de aquecimento, como agora, aumenta a temperatura em
Godthab Nuuk – capital da Groenlândia – e derretem as geleiras. Foi assim entre os anos 30 e
40 e está sendo assim nos últimos dez anos.

Figura 3: Serie temporal do Índice de Oscilação Mutidecadal do Atlântico (OMA) de 1856 –
2008. (Fonte dos dados: http://www.esrl.noaa.gov).

2.2 Influência do Oceano Pacífico no Clima

O papel dos oceanos é importante não somente pelo imenso reservatório de calor, mas
principalmente pelo controle climático, através da redistribuição de calor sobre o planeta. A
variação da TSM influencia consideravelmente o clima no planeta. Espera-se que variações de
meso e grande escala ocasionem condições climáticas significativas, nas quais são detectados
a seguir os principais fenômenos associados à variação de TSM do Oceano Pacífico.

Hastenrath (1975), estudando eventos climáticos extremos, percebeu que a qualidade da
estação chuvosa no Caribe tem uma forte correlação negativa com precipitação anual nas
Grandes Planícies Centrais dos Estados Unidos, e com chuva e temperatura da superfície do
mar ao longo do litoral Peruano Equatorial. Ainda, percebeu que há fracas correlações
negativas com chuva do Nordeste do Brasil (NEB) e com descarga e nível de água no afluente
do norte da Amazônia e, uma forte correlação positiva com eventos hidrometeorológicos no
Sub-Saara na África. Chuva do NEB está fortemente correlacionada negativamente com TSM
ao longo da costa do Equador/Peru.

2.2.1 El Niño Oscilação Sul (ENOS)

O ENOS é um fenômeno oceânico-atmosférico, interanual que afeta o tempo e o clima em
diversos locais do planeta, incluindo o Brasil e envolve interações oceânicas e atmosféricas
associadas a alterações na circulação de Walker no Pacífico (PHILANDER, 1990; NEELIN et
al, 1998).

A componente atmosférica do ENOS, que é a Oscilação Sul (OS), é caracterizada pelo índice
de Oscilação Sul (IOS) que expressa à intensidade e fase do fenômeno. Esse índice é
calculado baseado na diferença mensal ou sazonal de pressão ao nível do mar (PNM) entre o
Pacífico Central (Tahiti) e o Pacífico Oeste (Darwin/Austrália). Um dos métodos utilizados
para o cálculo do IOS é o de Troup, que é a anomalia padronizada da diferença de PNM, entre
Tahiti e Darwin, calculado com a seguinte formula:

IOS =

∆ RESSÃO TAHITI ∆ RESSÃO DARWIN
DESVIO ADRÃO

A componente oceânica é representada pelo evento El Niño (La Niña), fase quente (fria) do
fenômeno, caracterizada pelo aquecimento (resfriamento) anormal das águas superficiais do
oceano Pacifico Equatorial Central e Leste (RASMUSSON e CARPENTER, 1982). A OS
apresenta anomalias climáticas extremas que estão relacionadas com as fases frias (FF) e fase
quente (FQ) do ENOS (PHILANDER, 1990).

Observa-se, na Figura 4, as condições atmosféricas e oceânicas sobre o Oceano Pacifico em
anos considerados normais, ou seja, quando o El Niño ou La Niña não são detectados.
Encontram-se águas superficiais relativamente mais aquecidas no Pacífico Equatorial Oeste,
próximo à costa australiana e região da Indonésia, e relativamente mais frias junto à costa
oeste da América do Sul. Nessas circunstâncias, o ar sobe sobre as águas quentes (áreas de
baixa pressão) produzindo fortes chuvas sobre essa região, e desce sobre o oceano (área de
alta pressão) nas proximidades da costa sul-americana, onde as chuvas são escassas. Esse
movimento do ar das áreas de alta pressão para as de baixa pressão atmosférica sobre o
Pacífico Equatorial é denominado “Célula de Walker” (BEZERRA, 2006).

Figura 4: Circulação observada no Oceano Pacífico equatorial em anos normais e a Célula de
Walker. Fonte: CPTEC/INPE.

Quando o fenômeno El Niño está presente, ilustrado na (Figura 5a), a intensidade dos ventos
Alísios diminui. Sem a força desses ventos, o acúmulo de água aquecida no lado oeste do
Oceano Pacífico espalha-se pelo Pacífico Equatorial Central, chegando até o litoral Peruano,
tornando a termoclina da região mais profunda. Na Austrália, as áreas onde ocorrem muita
chuva passam a ser observar secas, enquanto as chuvas intensas são observadas sobre o
oceano, nas proximidades da Polinésia. Ao mesmo tempo, as chuvas que eram observadas
próximo ao litoral sul-americano adentram o continente e passam a cair no interior do Peru. O
ar que sobe provocando as precipitações no Peru vai descer seco exatamente na região
litorânea do NEB, diminuindo as chuvas nessa região. Já, em anos de La Niña, esquematizado
na Figura 5b, as TSMs diminuem cerca de 2º a 3ºC inferiores à média climatológica. A
velocidade dos ventos Alísios torna-se mais intensa que a média climatológica e, com isso,
têm-se ressurgência intensa na costa do Peru e, simultaneamente, as águas irão ficar
“empilhadas” no Pacífico Equatorial Oeste. Águas mais quentes geram evaporação e,
conseqüentemente, movimentos ascendentes, que, por sua vez, geram nuvens e chuva. A
célula de Walker em anos de La Niña fica mais alongada que o normal e o desnível entre o
Pacífico Ocidental e Oriental aumenta.

(a)

(b)

Figura 5: Condições de (a) El Niño e (b) La Niña. Fonte: CPTEC/INPE.

Hastenrath (1985) mostrou que, durante a fase negativa da OS (El Niño), tanto a alta do
Pacífico Sudeste como a baixa da Indonésia enfraquecem e o gradiente de pressão zonal
desaparece, ocasionando o enfraquecimento dos Alísios na zona equatorial. Esse
enfraquecimento dos ventos Alísios incita ondas oceânicas de Kelvin que se deslocam para
extremidade leste do Pacífico em um período de 2-3 meses, onde se manifestam no
aquecimento da superfície oceânica, atingindo um pico máximo aproximadamente em marçoabril na marcha anual. Ao mesmo tempo, esse enfraquecimento do campo de ventos força
ondas de Rossby, fora do duto equatorial, que se deslocam para oeste do Pacífico seis meses
depois. À medida que a onda de Kelvin se propaga, eleva o nível do mar e aprofunda a
termoclina no leste do Pacífico, enquanto a onda de Rossby tem o efeito oposto,
restabelecendo a termoclina. Essa é uma das possíveis gênesis de um evento El Niño e a
condição que precede o evento da onda de Kelvin parece ser o acúmulo de águas
anomalamente

quentes

entre

150-250m

profundidade

Pacífico

Ocidental

(CAVALCANTI, 2002).

2.2.2 Índice Multivariado de ENOS (IME)

Uma das técnicas para monitorar do ENOS é fundamentada no Índice Multivariado do ENOS
(IME) composto de seis variáveis principais observadas sobre o Pacífico Tropical. Essas seis
variáveis, constantes do conjunto de dados COADS (Comprehensive Ocean – Atmosphere
Data Set), NOAA (National Oceanic and Atmospheric Administration), são: PNM, TSM,
componente zonal e meridional do vento em superfície, temperatura do ar em superfície e
uma fração de nebulosidade. O IME é computado separadamente para cada um dos doze

meses do ano e pode ser expresso como médias bimestrais (Dez-Jan, Jan-Fev,..., Nov-Dez).
Esse índice é calculado usando a primeira componente principal (CP) não rotacionada dos seis
campos observados e combinados. Inicialmente, a variação total de cada campo é
normalizada, e depois, é executada a extração da primeira CP na matriz de covariância dos
campos combinados. Os valores negativos do IME representam a FF do ENOS (La Niña), e
os valores positivos representam a FQ do ENOS (El Niño) (WOLTER E TIMLIN, 1998).

Na Figura 6 reproduz-se a variação com o tempo do IME, descrito e elaborado por Wolter e
Timlin (1998). No eixo vertical, os valores indicam o número de desvios-padrão acima
(abaixo) da média mostrando as intensidades dos El Niños (La Niñas). Notou-se a
predominância de eventos La Niña no período 1950 a 1976, em contraste com a alta
freqüência de eventos severos de El Niño entre 1977 e 1998.

Figura 6: Serie temporal do Índice Multivariado do ENOS, adaptada de Wolter e Timlin
(1998).

2.2.3 Efeitos do El Niño e La Niña no Brasil

Os efeitos do El Niño podem causar prejuízos e benefícios no Brasil. Porém, os prejuízos
causados são muito maiores que os benefícios. Então, para o Brasil, o El Niño é preocupante,
principalmente, para os setores agrícolas e hidrelétricos.

Em cada episódio, é observado na Região Sul, um grande aumento de chuvas, principalmente
nos meses de primavera, fim do outono e começo de inverno. E toda essa água caída pode,
nos meses da safra, atrapalhar a colheita, gerando graves prejuízos para o setor,
principalmente no que diz respeito aos grãos. As temperaturas também mudam nas Regiões
Sul e Sudeste, sendo observados invernos mais amenos, trazendo benefícios para os

agricultores. Na Região Sudeste, as temperaturas ficam mais altas em relação ao seu valor
normal. No Estado de São Paulo, por exemplo, são observados benefícios devido ao fato de
não haver registros de geadas com intensidade suficiente para danificar os cultivos.

No leste da Amazônia e no Nordeste, ocorre uma diminuição das chuvas. Algumas áreas do
Sertão Nordestino podem ficar sem registro de chuva nos meses de estiagem e, nos meses em
que poderia ocorrer chuva, essa é escassa. Sendo assim, as secas duram até dois anos em
períodos de El Niño. Mas, os períodos de estiagem não se limitam apenas ao Sertão. Até
mesmo no litoral, é observada uma grande deficiência de chuva. Os agricultores do Nordeste
são prejudicados pela falta de chuva e sofrem graves perdas na área agrícola.

Outra característica encontrada em anos de El Niño é o bloqueio das frentes frias no sul do
continente sul-americano pelas “correntes de jato”. Henrique (1993) mostrou que as
“correntes de jato” funcionam como barreiras de ar, que impedem que as frentes frias,
produtoras chuva, sigam seu trajeto em direção ao equador. As chuvas, que deveriam ser
distribuídas ao longo do litoral leste da América do Sul, acabam caindo todas numa só área.

Uma das regiões em que se observa a ocorrência de precipitação, em associação aos padrões
oceânicos e atmosféricos anômalos provocados pelo aparecimento dos eventos ENOS, é o
Nordeste Brasileiro (NEB) (KOUSKY et al, 1984; ROPELEWSKI e HALPERT, 1987 e
outros). Entretanto, a maioria dos estudos que abordaram a influência do ENOS no clima do
NEB, foi direcionada para o setor norte do NEB, também denominado de Semi-Árido
nordestino (ALVES e REPELLI, 1992), sendo poucos os trabalhos que analisaram o regime
de precipitação no setor leste do NEB.

Anos secos ou chuvosos no Leste Nordestino parecem ser modulados, basicamente, pelas
condições termodinâmicas sobre a Bacia do Oceano Atlântico Sul. Em seus resultados,
existem idéias de que o processo físico no qual as condições termodinâmicas sobre a Bacia do
Atlântico Sul influenciam as chuvas do setor leste do NEB, isso se deve, principalmente, a
uma maior penetração de sistemas frontais para essa região do NEB, associados a um
incremento dos ventos alísios de sudeste, que são de certa forma modulados pelo
posicionamento do sistema de alta subtropical do Atlântico Sul (LIMA, 1991).

2.2.4 Oscilação Decadal do Pacífico (ODP)

Desde o final da década de 90 vários estudos mostraram a existência de um padrão dominante
de variabilidade climática sobre o Oceano Pacífico. A esse regime oscilatório de grande
escala, Mantua et al (1997) deram o nome de Oscilação Decadal do Pacífico (ODP), que
difere da oscilação norte-sul de PNM entre o Alaska e Hawai, conhecida como Oscilação do
Pacífico Norte. No caso da ODP, as anomalias de temperaturas das superfícies do mar
(ATSMs) do Oceano Pacífico apresentam uma configuração semelhante ao fenômeno ENOS,
porém com amplitudes maiores em latitudes médias do que em latitudes baixas e uma maior
extensão de anomalias equatoriais para altas latitudes no lado leste do Pacífico e variações
temporais mais longas (MANTUA et al, 1997).

Da mesma forma que o ENOS, a ODP apresenta duas fases. A fase fria, representada na
Figura 7(a) é caracterizada por anomalias negativas de TSMs no Pacífico Tropical e costa
oeste das Américas, simultaneamente, anomalias de TSMs positivas no Pacífico Extratropical
em ambos os hemisférios. Já a fase quente mostrada na Figura 7(b), apresenta configuração
contrária, com anomalias de TSMs positivas no Pacífico Tropical e ao longo da costa oeste da
Américas e negativas no Pacífico Extratropical (MANTUA et al, 1997).

Figura 7: Padrões de comportamento da TSM nas fases (a) negativa e (b) positiva da ODP.
Fonte dos dados:ESRL/PSD/NOAA.

Para quantificar a intensidade da ODP, utiliza-se um índice definido por Mantua et al (1997),
o Índice de Oscilação Decadal do Pacifico (IODP). Esse índice baseia-se na CP do primeiro
modo da análise das funções ortogonais empíricas (FOE) das anomalias das TSMs ao norte de

20°N no Pacífico. A última fase fria ocorreu no período de 1947-1976, e as fases quentes
entre 1925-1946 e 1977-1998, mostradas na Figura 8.

Figura 8: Série temporal do Índice da Oscilação Decadal do Pacífico, adaptada de MANTUA
et al(1997).

2.3 Sistemas Atmosféricos que influenciam no regime de precipitação do Brasil

No Brasil, existem diversos fatores que contribuem para o regime de precipitação. Esses
regimes de precipitação são conseqüência de atuação de diversos sistemas sinóticos, como
Zona de Convergência Intertropical (ZCIT), Sistemas Frontais, Zona de Convergência da
América do Sul (ZCAS), Vórtices Ciclônicos de Altos Níveis (VCANS), Perturbações
Ondulatórias no Campo dos Alísios (POAS), Brisas Marinha e Terrestre, e outros sistemas de
escala local.

2.3.1 Zona de Convergência Intertropical (ZCIT)

A confluência dos ventos de nordeste e sudeste, originados dos anticiclones subtropicais do
Atlântico Norte e do Atlântico Sul, caracteriza uma região de baixa pressão atmosférica, de
convecção profunda e intensa nebulosidade, com altos índices pluviométricos. Essa estreita
banda de convergência dos Ventos Alísios e fluxo de umidade se estende pelas bacias
oceânicas do Atlântico e do Pacífico, com uma orientação zonal, definindo a ZCIT
(HASTENRATH, 1985).

Hastenrath (1985) sugeriu também que, na escala planetária, a ZCIT seja o ramo ascendente
da Célula de Hadley, apresentando uma energética caracterizada pela importação de vapor

d’água, concentrado nas camadas inferiores da atmosfera, e exportação de energia
geopotencial e calor sensível pela alta troposfera, que resulta na transferência de calor da zona
do cavado equatorial para latitudes mais altas, contribuindo para manutenção do balanço
térmico global.

Os sistemas que interagem para produzir a ZCIT também possuem um deslocamento conjunto
meridional no ciclo anual, decorrente do deslocamento relativo do sol entre os trópicos.
Então, diferentes variáveis físicas são usadas com a finalidade de se fazer um estudo da
localização da ZCIT, como a cobertura de nuvens ou fluxo de radiação de ondas longas
emergentes (ROLE), componente meridional do vento nos baixos níveis e pressão ao nível
médio do mar. Estoque e Douglas (1978) analisando a estrutura vertical da ZCIT observaram
que esta apresenta uma variação de acordo com a zona do cavado equatorial e consideraram,
como variável representativa da ZCIT, a região de máxima nebulosidade. Segundo Mendes et
al (2000, 2001), a temperatura de brilho e ROLE são duas das mais importantes ferramentas
para se obter o posicionamento médio da ZCIT.

Segundo Fedorova (2001) existem duas teorias que buscam explicar as causas da formação da
ZCIT. A teoria térmica da Circulação Geral Atmosférica (CGA), que atribui a formação desse
sistema ao aquecimento da superfície na região equatorial e a teoria dinâmica, que diz que a
convergência dos Ventos Alísios provoca a convergência do ar e movimentos ascendentes
sobre o equador como a resposta aos processos de formação das famílias dos ciclones e
anticiclones nas regiões polares.

Dentre as principais características observadas da ZCIT, destacam-se as seguintes: está
localizada na faixa tropical, onde existe a presença de fracos gradientes de pressão,
predominância de ventos fracos e TSM elevada. O valor médio de pressão observada está em
torno de 1.008 hPa, onde se tem a presença de cúmulos e cumulonimbos, cujos topos vão
além de 12.000m e altas camadas de cirros. Sobre os continentes, a ZCIT não é tão delineada
quanto sobre os oceanos. É responsável por chuvas intensas sobre regiões tropicais como
Brasil, África e Indonésia.

2.3.2 Sistemas Frontais

Os sistemas frontais se formam, inicialmente, quando duas massas de ar de características
termodinâmicas distintas, particularmente no que se refere à umidade, se encontram. Esse
encontro é provocado pela presença de um gradiente de pressão, que impulsiona uma massa
na direção da outra. A interface ou superfície de separação entre ar frio do ar quente é
denominada frente fria. É iniciado um processo de trocas de propriedades, surgindo, com isso,
um pequeno distúrbio ao longo da frente.

A trajetória dos sistemas frontais sobre a América do Sul é de oeste para leste, do Oceano
Pacífico para o Oceano Atlântico. Esses sistemas, geralmente, têm uma orientação sudeste
para noroeste sobre a América do Sul, podendo afetar tanto o sul/sudeste do Brasil, como
prosseguir até a Amazônia e o NEB. Outras vezes, os sistemas passam pelo sul do continente
com uma trajetória mais zonal, saem para o Oceano Atlântico, e não influenciam o restante do
território nacional. Os sistemas frontais estão associados a cavados que se estendem por toda
troposfera, algumas vezes.

Os sistemas frontais são um dos sistemas sinóticos mais importantes sobre a América do Sul.
Tais sistemas são ativos durante todo o ano e podem penetrar até latitudes equatoriais, sendo
partes fundamentais nos regimes de precipitação e temperatura em quase todo o continente
(LEMOS e CALBETE, 1996; QUADRO et al, 1996).

Kousky (1979), Kousky e Ferreira (1981) sugeriram que penetrações de sistemas frontais em
latitudes baixas também produzem um efeito pronunciado na atividade convectiva da faixa
tropical da América do Sul.

Penetrações de sistemas frontais até latitudes equatoriais ocorrem mais freqüentemente
durante o inverno do HS, pois o posicionamento médio da ZCIT (equador meteorológico) está
em torno de 10°N a 14°N nessa época. Parmenter (1976) analisou por meio de imagens de
satélite um forte sistema frontal que cruzou o equador entre 13 a 21 de julho de 1975. O
sistema frontal havia entrado pelo Chile e Argentina em 12 de julho e atravessou o equador
nove dias depois e foi se dissipar nas Antilhas, a 20N.

Oliveira (1986) apresentou uma análise das interações entre os sistemas frontais e a
convecção tropical sobre a Amazônia, feita para o período de 1979 a 1984. Ela mostrou que é
preciso os sistemas frontais terem ampla penetração continental, aproximadamente entre 15°S
e 25°S, para organizar a convecção. Tais sistemas apresentaram um faixa de nebulosidade
convectiva associada, orientada preferencialmente na direção noroeste/sudeste e localizada
sobre a Região Amazônica e a parte central do Brasil. Essa formação é mais frequente sobre o
continente, nos meses de convecção tropical mais intensa, principalmente de outubro a março.
Observou-se, nesses sistemas, a existência de forte advecção de ar frio e subsidência, no lado
polar da faixa de nebulosidade convectiva e advecção de ar quente e movimentos ascendentes
dentro dessa faixa.

Mecanismos responsáveis pela penetração de frentes na América do Sul para dentro da bacia
Amazônica foram discutido por Paegle (1987). Ele sugeriu que a direção anticiclônica da
trajetória dos distúrbios de latitudes médias, nas vizinhanças de montanhas, pode ser
importante. Pode explicar com isso o movimento em direção ao equador de sistemas frontais
sobre o lado leste dos Andes.

2.3.3 Zona de convergência da América do Sul (ZCAS)

Oliveira (1986) através de uma climatologia usando imagens de satélite geoestacionário entre
1979-1984, notou que os sistemas frontais freqüentemente se associam e interagem com
convecção tropical, embora nem todos os sistemas frontais o façam com a mesma intensidade.
Há uma variação mensal no numero de eventos de associação de sistemas frontais com a
convecção. Para haver forte interação entre os sistemas frontais e a convecção, parece ser
necessário que os sistemas frontais apresentem ampla penetração continental, sendo a região
ente 15°S e 25°S uma das regiões preferenciais para essas ocorrências. Há anos que, durante o
período de primavera-verão no Hemisfério Sul, sistemas frontais se posicionam
preferencialmente sobre a parte central do continente sul-americano, com seu eixo orientado
no sentido noroeste-sudeste, de inclinação variável, associados a uma zona de convergência
de fluxo de umidade que inicialmente foi denominada de Zona de Convergência do Atlântico
Sul (FIGUEROA et al, 1995) e posteriormente Zona de Convergência da América do Sul por
Molion e Bernardo (2002). A ZCAS é de grande importância no transporte de momentum,
calor e umidade para os trópicos.

Figueroa et al (1995) mostraram que a formação da ZCAS depende tanto de forçantes locais
quanto remotas. Localmente, a formação da ZCAS está associada com a convecção na Região
Amazônica e Brasil Central e com a disponibilidade de umidade e baroclinicidade que são
determinantes para sua ocorrência, enquanto, aparentemente, as influências remotas, tal como
a convecção na zona de convergência do Pacífico sul (ZCPS), modula o início, duração e
localização da ZCAS. De acordo com Barros et al (2000), a configuração da TSM pode ser
importante para o seu posicionamento e intensidade, embora não seja um fator fundamental
em sua formação, sendo que a influência da TSM do Atlântico na ZCAS ainda não é muito
conhecida. Entretanto, para Molion (2004), a gênese da ZCAS depende de processos
termodinâmicos e dinâmicos. O aquecimento do Continente Sul-americano no verão
(processo termodinâmico) sempre vai ocorrer, mais ou menos intensamente dependendo da
variabilidade interanual, gerando movimentos ascendentes e divergência nos altos níveis,
denominada Alta da Bolívia (AB). Uma vez que a AB se estabelece, qualquer sistema frontal
que adentre o continente (processo dinâmico) será “ancorado” pela AB, permanecendo semiestacionário na região por dias e gerando a ZCAS, que é alimentada pela convergência do
fluxo de umidade proveniente da Amazônia.

Ferreira et al (2004) analisaram padrões atmosféricos dominantes em situações de ZCAS, a
partir de uma técnica de composição, utilizando Reanálises do NCEP/NCAR e dados de
ROLE para os meses de verão para anos de El Niño e La Niña. Seus resultados evidenciaram
maior variabilidade de ocorrência de ZCAS em anos de La Niña e uma tendência de ocorrer
em média, três episódios em anos de El Niño, assim como maior intensificação da convecção
sobre o Oceano Atlântico sudoeste para anos de El Niño e maior sobre o continente em anos
de La Nina.

Existem, ainda, outros mecanismos que estão sendo sugerido para explicar a ocorrência da
ZCAS. Um exemplo é a interação oceano-atmosfera na zona de confluência entre a Corrente
das Malvinas e a Corrente do Brasil (NOBRE, 1988), e as interações não-lineares entre as
diversas escalas de fenômenos atmosféricos. Porém, esses mecanismos ainda não foram
comprovados em estudos.

2.3.4 Vórtices Ciclônicos de Altos Níveis (VCANS)

Vórtices Ciclônicos em Altos Níveis (VCAN) são sistemas sinóticos fechados de baixa
pressão que se formam na alta troposfera (GAN e KOUSKY, 1986).

Os primeiros estudos observacionais sobre VCANs no Atlântico Sul Tropical foram feitos por
Dean (1971) e Aragão (1975). Eles mostraram que as chuvas excessivas no Nordeste do
Brasil e suas vizinhanças poderiam estar relacionadas a tais vórtices. Kousky e Gan (1981),
Gan (1982) e Ramirez (1996), utilizando dados meteorológicos convencionais, análises de
modelos de previsão de tempo e imagens de satélites definiram diversos aspectos relacionados
à origem, formação e deslocamento dos Sistemas de VCANs.

Os VCANs podem ser classificados de acordo com sua origem e formação, dois tipos de
vórtices foram estabelecidos: do tipo Palmén e do tipo Palmer (FRANK, 1970). O tipo Palmer
se origina nos trópicos, enquanto o tipo Palmén origina-se nos subtrópicos (PALMER, 1951).

2.3.4.1 Tipo Palmén

O vórtice desse tipo é chamado de Ciclone Desprendido, Ciclone Kona, Baixa de Palmén,
Baixa Cut Off, dentre outros. Sua origem é aproximadamente sobre o Pacifico Sudeste ao Sul
de 20°S. Há uma bifurcação do escoamento em altos níveis no Pacífico, causando a
propagação de ondas meridionais (PALMÉN, 1949). Esses sistemas se formam quando
bolsões de ar frio, associados com extensos cavados no ar superior, se desprendem e ficam
confinados no lado equatorial da corrente média dos ventos de oeste (W) Devido a uma préexistência desse cavado frio na alta troposfera, o qual foi desligado de sua região fonte polar,
conforme Palmén e Newton (apud GAN, 1982), ao penetrar nos subtrópicos, podem ter uma
inclinação meridional bem acentuada. Essa inclinação faz com que a parte do cavado, nas
baixas latitudes, tenha uma velocidade zonal inferior ao resto do cavado, atrasando até que se
desprenda completamente desse. Assim, nessa parte desprendida, forma-se uma circulação
ciclônica, de acordo com Simpson (apud GAN, 1982).

VCANs do tipo Palmén são mais comuns na primavera, inverno e outono, e raramente
ocorrem no verão. Seu deslocamento se dá de oeste para leste e, ao cruzarem os Andes,
sofrem uma inserção de umidade e ar quente que os intensifica. Seu ciclo de vida é próximo

ao dos distúrbios baroclínicos (crescimento baroclínico, enfraquecimento barotrópico) e
podem atuar sobre a Argentina, Paraguai e Sul do Brasil, provocam precipitações intensas e
ventos fortes.

2.3.4.2 Tipo Palmer

Identificado por Palmer (1951), é um dos principais sistemas meteorológicos que provoca
alterações no regime de precipitações no NEB. Forma-se em latitudes tropicais, acima de 10
km de altura. O período de formação é de novembro a março, apresentando maior freqüência
nos meses de janeiro e fevereiro (GAN, 1982).

A circulação ciclônica dos vórtices surge, inicialmente, nas partes mais altas da troposfera, em
torno de 12Km de altura, se estendendo, gradualmente, para os níveis mais baixos (GAN,
1982). Os ventos são fracos nos níveis baixos e médios, aumentando com a altura e atingindo
velocidade máxima em torno de 200hPa. Esses vórtices ciclônicos são caracterizados por
movimentos descendentes de ar frio e seco em seu centro e movimentos ascendentes de ar
quente e úmido em sua periferia, possuindo, portanto uma circulação indireta. Esse fato
ocasiona transformação de energia potencial em energia cinética. Essa conversão de energia,
segundo Kousky e Gan (1981), é o mecanismo de manutenção desses vórtices. Rao e Bonatti
(1987) sugeriram, também, que a manutenção dos VCANs se daria pela instabilidade
barotrópica e outros mecanismos, como a liberação de calor latente de condensação.

A trajetória dos VCANs normalmente é de leste para oeste, com velocidade de 4 a 6° de
longitude por dia (GAN, 1983). Segundo Molion (2008), algumas vezes, os VCANs ficam
oscilando na direção leste-oeste, com seus centros se deslocando centenas de quilômetros em
curto intervalo de tempo. Isso ocorre porque, sob a periferia esquerda do VCAN (o sistema
frontal propriamente dito), os totais pluviais são altos e a evaporação da chuva, associada à
cobertura de nuvens, que corta o fluxo de radiação solar, resfriam a superfície. Isso faz com
que o movimento ascendente desse ramo salte sobre a superfície que está sendo aquecida e
que foi umedecida previamente pela chuva.

Em resumo vê-se que foram estudados oscilações de temperatura da superfície do mar (TSM)
para o Pacífico e Atlântico Norte. Porém não existem estudos semelhantes para o Atlântico
Sul. Isso motivou o presente trabalho.

3 MATERIAIS E MÉTODOS

3.1 Dados

Os dados utilizados neste trabalho foram do período de 1948 a 2008, do National Centers for
Envitonment Prediction/National Center for Atmospherc Research (NCEP/NCAR),
disponíveis no site do Earth System Research Laboratory (ESRL) do Physical Science
Division (PSD) da National Oceanic and Atmospheric Administration (ESRL/PSD/NOAA)
espaçados em uma grade de 2,5° x 2,5°, que correspondem a uma distância média de
aproximadamente 280 x 280 km, para os campos de TSM, taxa de precipitação, ROLE, PNM
e omega. Também se utilizaram conjuntos de dados de precipitação da Universidade de
Delaware (UDEL) disponíveis no mesmo site, espaçados em 0,5° x 0,5°, o que representa
aproximadamente 55 x 55 km, e dados observados de precipitação para o Estado do Rio
Grande do Sul, gentilmente cedidos pelo 8º Distrito de Meteorologia (Porto Alegre), do
Instituto Nacional de Meteorologia (INMET), e Fundação Estadual de Pesquisas
Agropecuária (FEPAGRO).

3.1.1 Estações pluviométricas para o Estado do Rio Grande do Sul

As estações pluviométricas foram escolhidas em função da disponibilidade e uniformidade
dos dados e séries temporais longas no período entre 1948 a 2008. Foram selecionadas 25
estações constantes da Tabela 1.

Tabela 1: Estações meteorológicas do Estado do Rio Grande do Sul, coordenadas geográficas
e instituições a que pertencem.
ESTAÇÃO

LATITUDE

LONGITUDE

FONTE

Bagé

31°21’

54°06’

8°DISME

Bom Jesus

28°40’

50°26’

8°DISME

Caxias do Sul

29°10’

51°12’

8°DISME

Cruz Alta

28°38’

53°36’

8°DISME

Encruzilhada do

30°32’

52°31’

8°DISME

28°23’

53°54’

FEPAGRO

Sul
Ijuí

Iraí

27°11’

53°14’

8°DISME

Júlio de Castilhos

29°13’

53°40’

FEPAGRO

Lagoa Vermelha

28°25’

51°35’

8°DISME

Passo Fundo

28°15’

52°24’

8°DISME

Pelotas

31°52’

52°21’

8°DISME

Porto Alegre

30°01’

51°13’

8°DISME

Rio Grande

32°01’

52°05’

8°DISME

Santa Maria

29°42’

53°42’

8°DISME

Santa Rosa

27°51’

54°25’

8°DISME

Santa Vitória do

33°31’

53°21’

8°DISME

30°53’

55°32’

8°DISME

São Borja

28°39’

56°00’

FEPAGRO

São Gabriel

30°20’

54°19’

8°DISME

São Luiz Gonzaga

28°23’

54°58’

8°DISME

Taquari

29°48’

51°49’

8°DISME

Torres

29°20’

49°43’

8°DISME

Uruguaiana

29°45’

57°05’

8°DISME

Vacaria

28°33’

50°42’

8°DISME

Veranópolis

28°56’

51°33’

FEPAGRO

Palmar
Santana do
Livramento

3.2 Metodologia

3.2.1 Elaboração do Índice Interdecadal do Oceano Atlântico Sul (IAS)

Foi elaborado um índice de Oscilação Interdecadal do Oceano Atlântico Sul (IAS), para o
período entre 1900-2008. Na Figura 9, está representado o local escolhido do Oceano
Atlântico Sul para a determinação do índice, uma área delimitada entre 23°S a 28°S e 27°W a
32°W, que foi escolhida por ser uma área de grande variabilidade da TSM, isto é, uma região
em que transporte de calor sensível apresentou uma grande variabilidade interanual,
possivelmente devido à variabilidade do campo de ventos. Foram, então, calculados a média e
desvio-padrão das anomalias de TSM do Atlântico Sul com relação à media do período nesse

domínio geográfico. Esses desvios foram padronizados e constituiu uma série temporal do
índice, denominado IAS. Ainda, aplicou-se transformadas em ondeletas à série temporal das
anomalias de TSM nesse domínio geográfico.

Figura 9: Domínio espacial para determinação do IAS.

3.2.2 Transformada em Ondeletas (TO)

Para Lau e Weng 1995, a TO é uma técnica espectral efetivamente útil e eficiente na detecção
objetiva da estrutura temporal das variações multi-escalas presentes em uma dada série finita
de dados não-estacionária. Consiste, basicamente, em transformar uma série temporal
unidimensional em outra série bidimensional no domínio tempo-freqüência, com a qual é
possível identificar objetivamente os modos dominantes da variabilidade e como esses modos
variam no tempo. Assim sendo, a TO pode ser utilizada nas mais diversas áreas da
Meteorologia (SOUZA, 2003).

A transformada em ondeletas constitui em um instrumento matemático através do qual é
possível projetar o sinal em diversas escalas (DAUBECHIES, 1992). Existem dois tipos de
funções ondeletas, a discreta e a contínua.

Dentre as ondeletas discretas mais conhecidas estão: a de Haar, Daubechies, Meyer, dentre
outras. A ondeleta contínua mais conhecida é a de Morlet, a qual, sendo complexa, permite
também a análise da fase e do módulo do sinal. A ondeleta do “chapéu-mexicano”, também é
muito mencionada na literatura pelo nome de Derivada segunda da Gaussiana (pelo símbolo
em inglês, DOG), mas geralmente é utilizada sem parte complexa.

Neste trabalho, foi usada a ondeleta continua de Morlet, com o objetivo de identificar a
existência da variabilidade interanual e decadal, e determinar os períodos mais significativos
de 1900 a 2008, na série temporal do IAS que foi escolhido devido ser uma função complexa,
que possui características semelhantes a dos sinais meteorológicos que se desejam analisar e
fornece muitas informações sobre o sinal, tais como o módulo com a densidade de energia, a
fase em cada instante e a parte real dos coeficientes das ondeletas. A função de Morlet é
descrita pela seguinte equação:

Para qual “k” é a freqüência adimensional Morlet e “t” é parâmetro adimensional no tempo.

3.2.3 Correlação entre a precipitação pluviométrica e o IAS

A série temporal dos valores do IAS foi utilizada para estabelecer correlações espaciais com a
configuração da precipitação do Brasil, particularmente com o Estado do Rio Grande do Sul.
Porém, um aspecto em que ainda não existe consenso é o tempo de atraso, ou lag, na resposta
que a precipitação apresentaria, uma vez que uma nova fase da ODP ou do ENOS se
estabeleça. Para tanto, foram feitas correlações espaciais entre o IAS e a precipitação,
utilizando o índice adiantado de 0 a 5 meses. Essas correlações foram elaboradas para se
determinar o caráter preditivo do índice em questão e estimar a evolução dessa variável no
domínio espaço-temporal.

Para a interpretação foi utilizado um teste de hipótese para qualificar os valores das
correlações e determinar a significância estatística dos resultados obtidos, isto é, o nível de
significância dos coeficientes de correlação. Essa técnica determina o quanto significativos
são os resultados. A Tabela 2 mostra a significância das correlações, de acordo com seus

respectivos

graus

liberdade,

adaptada

ESRL/PSD/NOAA

(http://www.esrl.noaa.gov/Correlation/significance.html).

Tabela 2: Graus de liberdade e os níveis de significância dos coeficientes de correlação.
Fonte: Adaptada de ESRL/PSD/NOAA.
Graus de Liberdade

0,900

0,950

0,980

0,990

1,000

0,904

0,920

0,950

0,980

0,990

0,801

0,830

0,890

0,940

0,960

0,713

0,760

0,830

0,890

0,920

0,644

0,700

0,770

0,840

0,880

0,588

0,650

0,730

0,800

0,840

0,544

0,610

0,690

0,760

0,810

0,508

0,570

0,650

0,730

0,780

0,477

0,540

0,620

0,700

0,750

0,451

0,514

0,592

0,671

0,719

0,427

0,491

0,567

0,647

0,695

0,408

0,471

0,546

0,604

0,652

0,390

0,453

0,526

0,604

0,652

0,375

0,437

0,509

0,585

0,630

0,362

0,423

0,493

0,568

0,620

0,350

0,410

0,478

0,552

0,599

0,339

0,398

0,465

0,538

0,584

0,329

0,387

0,453

0,524

0,570

0,319

0,377

0,441

0,512

0,557

0,310

0,367

0,431

0,500

0,545

0,302

0,358

0,421

0,489

0,533

0,295

0,350

0,411

0,479

0,522

0,289

0,343

0,403

0,469

0,512

0,282

0,336

0,395

0,460

0,503

0,276

0,329

0,387

0,451

0,493

0,270

0,322

0,380

0,443

0,485

0,265

0,316

0,373

0,436

0,476

0,260

0,311

0,366

0,428

0,469

0,255

0,305

0,360

0,421

0,461

0,250

0,300

0,354

0,415

0,454

0,246

0,295

0,349

0,408

0,447

0,242

0,291

0,343

0,402

0,441

0,238

0,286

0,338

0,369

0,434

0,235

0,282

0,333

0,391

0,428

0,231

0,278

0,329

0,385

0,423

0,228

0,274

0,324

0,380

0,417

0,225

0,271

0,320

0,375

0,412

0,222

0,237

0,316

0,370

0,407

0,219

0,264

0,312

0,366

0,402

0,216

0,260

0,308

0,361

0,397

0,213

0,257

0,304

0,357

0,392

0,210

0,254

0,300

0,353

0,388

0,208

0,251

0,294

0,349

0,384

0,206

0,248

0,294

0,345

0,379

Por exemplo, dado o grau de liberdade de 28 anos, os testes do nível de significância
indicaram que, para um coeficiente de correlação com valor em módulo de 0,44 têm-se uma
significância de 99% de chance que as variáveis realmente estejam correlacionadas. Ou seja,
apenas 1% de chance que a hipótese nula se confirme, isto é, que as variáveis não estejam
relacionadas.

Para o Rio Grande do Sul foram feitas correlações lineares com cada um dos 25 postos
pluviométricos (Tabela 1), para o período entre 1948-2008 e as fases quentes e frias da ODP.
Com os resultados obtidos, foram feitos os mapas do Rio Grande do Sul com o software
Surfer.

3.2.4 Análise com os dados de Reanálise

Os dados de Reanálise utilizados neste trabalho foram dos campos de TSM, taxas de
precipitação, ROLE e PNM. Esses dados foram utilizados para inferir convecção e

precipitação. Com isso, foram calculados os desvios médios dessas variáveis, para a FF e FQ
da ODP, com relação à média do período entre 1948-2008.

3.3 Softwares Utilizados

Os campos das variáveis meteorológicas foram construídos utilizando o software
meteorológico Grid Analysis and Display System (GrADS), para a geração dos gráficos
relativos a análise espectral, foi utilizado o software estatístico adequado e software Surfer.

4 RESULTADOS E DISCUSSÕES

4.1 Índice do Atlântico Sul (IAS)

Na figura 10 está representada a série temporal do IAS, mostrando o padrão de variabilidade
para o período entre 1900 a 2008, com uma média móvel de 11 meses, para filtrar o ciclo
anual. Observa-se que essa série apresentou alguma similaridade com a série temporal do
índice da ODP (Figura 8), em geral com maiores freqüência de valores negativos durante a
fase fria e positivos na fase quente da ODP. Entretanto, mostraram períodos distintos para
algumas mudanças de fase. As fases quentes da ODP são de 1925-1946 e 1977-1998, e, para o
IAS, as fases quentes foram nos períodos 1924-1942 e 1970-1998. Para a fase fria, o período é
de 1947-1976 para ODP e para IAS de 1943-1969, mostrando nessa fase, picos mais
significativos na série temporal do IAS, ou seja, maior variação. Essa maior variação com a
série temporal do IAS, também pode ser observado nas duas fases quente.

-2

←QUENTE→
1924‐1942

← FRIA →
1943‐1969

-4
1900

1909

1918

1927

1936

←QUENTE→
1970‐1998

1945

1955

1964

1973

1982

1991

2000

Figura 10: Média mensal do IAS para o período entre 1900-2008, com a média móvel de 11
meses (linha vermelha).

Existe uma discussão em andamento na comunidade científica quanto ao tempo de resposta da
influência do Oceano Pacífico sobre o Atlântico, ou vice-versa. O IAS sugeriu que as TSM do
Atlântico mudem alguns anos, 2 a 6 anos, antes das TSM do Pacífico, e não o contrário. Uma
possível explicação para isso é que, quando os Alísios se intensificam (enfraquecem) nos
períodos próximos ao estabelecimento de uma fase fria (quente) da ODP, as correntes

marinhas, geradas pelo estresse do vento, se modificam mais rapidamente no Atlântico por ser
uma bacia de dimensões menores que as do Pacífico. Essas correntes transportariam mais
calor sensível para fora das regiões equatoriais, fazendo com Atlântico Oeste Tropical (costa
leste das Américas) fique mais aquecido (Figura 11c) no início da fase fria da ODP.
Posteriormente, o Pacífico, uma vez estabelecida sua nova fase fria, vai modificar novamente
o Atlântico, fazendo com que suas águas apresentem anomalias negativas de TSM no
Hemisfério Sul, conforme pode ser visto no mapa da fase fria (Figura 11a). A variação no
tempo de estabelecimento vai depender da variação da intensidade do vento. A causa da
variabilidade decadal da intensidade dos Alísios ainda não é conhecida e uma hipótese seria
estar relacionada à variação da intensidade das Monções Asiáticas.

(a)

(b)

(c)
Figura 11: Campo de anomalias de TSM no período (a) 1948-1976, (b) 1977-1998, (c) 19992009, com relação ao período de 1948 a 2008. Fonte dos dados
ESRL/PSD/NOAA.

4.2 Análise da transformada de Ondeletas

Na Figura 12, foi representado o espectro de potência de ondeletas (EPO). No eixo vertical, o
período (escala logarítmica) é dado em anos, está indicando os respectivos períodos em que a
potência do sinal do fenômeno estudado é mais forte. As áreas sombreadas na escala de
branco para vermelho são as variâncias normalizadas, variando de 0 a 4 unidades com
intervalo de contorno de 0,5. As periodicidades estatisticamente significativas, com 95% de
confiança, são delimitadas por linhas de contornos contínuos pretos. A linha preta contínua
em forma parecida à letra “U” no periodograma representa o cone de influência, no qual a
região externa dessa curva representa os efeitos de bordas da série temporal. Assim, somente
a região dentro do cone de influência deve ser considerada. A análise do Espectro de Potência
Global (EPG), que excede o nível de significância (Figura 12b), também é importante para
verificar a contribuição média dos picos espectrais considerando todo o domínio temporal do
índice (TORRENCE e COMPO, 1998).

Periodo (anos)

ESPECTRO DE POTÊNCIA DE ONDELETAS
0.25
0.5
1
2
4
8
16
32
64
1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000
Tempo (ano)

(a)

ESPECTRO GLOBAL

10
Variância

(b)

Na figura 12(a), observa-se no gráfico EPO, que ao longo do período da série, há ocorrência
de picos na escala interanual. Os picos espectrais significativos na escala interanual 4 a 8
entre os anos de 1910 a 1920 e de 2 a 4 anos entre 1953 a 1969. Já, na Figura 12(b), no EPG
para o IAS, observam-se picos dominantes que apresentam grandes variâncias nas escalas de
4 a 8 anos. Esse pico pode estar associado à ENOS. Apresenta, também, um pico secundário
entre 16 e 19 anos, estatisticamente não significante, que pode estar relacionado ao ciclo da
precessão da órbita lunar em relação à Terra que é de 18,6 anos.

4.3 Relação entre o IAS e os índices de ODP, IOS e IME

A série temporal do IAS (Figura 10) foi empregada na análise de correlação com os índices da
ODP, IOS e IME. As correlações anuais das séries do IAS com a ODP, IOS e IME mostraram
variâncias (R2) de 0,34, 0,04 e 0,28 e módulos de coeficientes de correlação (R) de 0,58, 0,2 e
0,53 respectivamente. Já, as correlações mensais mostraram variância de 0,12, 0,02 e 0,09,
com módulos de coeficientes de 0,35, 0,14 e 0,3 respectivamente, sugerindo uma relação
direta com a ODP e IME e inversa com o IOS. Fisicamente, os valores de R2 representam os
percentuais da variação do IAS que são explicados pelos outros índices. Neste caso, para
valores médios anuais, 34% da variação do IAS é explicado pela ODP, 0,4% pelo IOS e 28%
pelo IME. Para valores médios mensais, a variação do IAS é explicada em 12% para ODP,
0,2% para IOS e 0,9% para IME. Esses últimos percentuais são menores possivelmente
porque os dois oceanos não apresentam variações simultâneas, havendo uma diferença de

tempo nas respostas, como observado acima. Porém, ficou claro que não houve uma relação
forte com o IOS. Esse fato é curioso e mereceria um estudo mais aprofundado, pois é a
variação da intensidade dos Alísios, associada ao campo de PNM do Pacífico, ou seja, o IOS,
que faz com que as TSM dos oceanos variem, pela interação oceano-atmosfera.

As Figuras 13, 14 e, 15 mostram a relação do IAS com ODP, IOS e IME, com IAS como
variável dependente (ordenadas).

y = 0,3676x ‐ 0,1956
R² = 0,1199

(a)

y = 0,6779x ‐ 0,2563
R² = 0,3408

(b)

Figura 13: Diagrama de dispersão entre IAS e ODP (a) mensal e (b) anual.

y = ‐0,2687x ‐ 0,1806
R² = 0,0249

(a)

y = ‐0,3041x ‐ 0,1836
R² = 0,0423

(b)

Figura 14: Diagrama de dispersão entre IAS e IOS (a) mensal e (b) anual.

y = 0,283x ‐ 0,0216
R² = 0,0917

y = 0,5619x ‐ 0,0846
R² = 0,2765

(a)

(b)

Figura 15: Diagrama de dispersão entre IAS e IME (a) mensal e (b) anual.

4.4 Correlação espacial entre a taxa de precipitação e IAS

Foram elaboradas correlações entre o IAS e as taxas de precipitação (Pt), tanto simultânea
como com o IAS adiantado (“leads”) para verificar seu caráter previsor, Os leads, que
produziram os maiores coeficientes, em módulo, foram os de 1 a 5 meses, ou seja, IAS
adiantado de 1 a 5 meses com relação a Pt. Na Figura 16(a), são apresentadas os mapas de
coeficientes de correlação entre o IAS e a Pt para o período entre 1948 a 2008. Notou-se que,
o noroeste do Rio Grande do Sul foi a região que apresentou os maiores coeficientes de
correlação (CC), com valores positivos chegando a 0,7, notou-se, também que em quase todo
o estado, existiram coeficientes de correlações significativos. Também verificou-se valores
altos de CC no Amazonas, Pará, Mato Grosso, Santa Catarina e Rondônia, com valores
superiores a 0,5, sendo essas correlações diretas (positivas). O nível de significância
estatística dos coeficientes de correlação excedeu 99% na maioria das análises dessas regiões.
Isso significa dizer que, quando o IAS for positivo, as precipitações são mais intensas nessas
regiões. As regiões que apresentaram CC de baixo valor e negativos foi uma faixa ao longo da
costa leste entre Pernambuco e norte do Espírito Santo, incluindo o Vale do S. Francisco.

A Figura 16(b), apresenta os mapas de CC como IAS adiantado de um mês em relação Pt.
Notou-se que a configuração dos coeficientes de correlação foi praticamente igual à da Figura

16(a). Isso significa dizer que o IAS é um bom previsor para essas áreas com um mês de
antecedência, pelo menos.

(a)

(b)

Figura 16: Coeficientes de correlação entre a taxa de precipitação (Pt) e o IAS para o período
de 1948-2008, com índice (a) simultâneo e (b) 1 mês adiantado com relação Pt.
Fonte dos dados: ESRL/PSD/NOAA.

A Figura 17(a) e 17(b), apresentaram-se os leads de dois e três meses de adiantamento do IAS
com relação à Pt. Observou-se praticamente a mesma configuração anterior, exceto que os CC
diminuíram em módulo, como era de se esperar. Porém, ainda mantiveram valores
expressivos superiores 0,6 para o oeste do RS e superiores a 0,5 para o Amazonas e Pará, com
significância estatística superior a 97%. Ou seja, o IAS pode ser um bom previsor para essas
regiões, explicando mais de 36% da variância da Pt para algumas delas.

(a)

(b)

Figura 17: Coeficientes de correlação entre a precipitação (Pt) e o IAS para o período de
1948-2008, com o IAS adiantado em (a) 2 meses e (b) 3 meses com relação à Pt.
Fonte dos dados ESRL/PSD/NOAA.

Na Figura 18(a) e 18(b), apresenta os leads de quatro e cinco meses de adiantamento do IAS
com relação à Pt. A configuração permaneceu praticamente a mesma, com CC menores em
módulo. Rio Grande do Sul, Amazonas, Pará são ainda as regiões que apresentaram os
maiores valores de correlação de 0,5, com significância estatística superior a 97%, ou seja, o
IAS pode ser utilizado como previsor de precipitação com 4 a 5 meses de antecedência. Os
valores de coeficientes de correlação com leads superiores a 5 meses não apresentaram
valores estatisticamente significativos.

(a)

(b)

Figura 18: Coeficientes de correlação entre a taxa de precipitação (Pt) e o IAS para o período
de 1948-2008, com o IAS adiantado em (a) 4 meses e (b) 5 meses com relação à
Pt. Fonte dos dados ESRL/PSD/NOAA.

No período entre 1948 a 1976, que corresponde à FF da ODP, foi mostrado o mapa de
coeficientes de correlação (CC) simultânea entre o IAS e a taxa de precipitação (Pt) na Figura
19(a) e para o IAS liderando de um mês na Figura 19(b). Os CC apresentaram valores maiores
para Estado do Rio Grande do Sul, superando 0,7 em ambos os períodos, também Santa
Catarina obteve correlação chegando a ser maior que 0,6. Houve também, boas correlações no
Amazonas, Rondônia e Paraná com 0,4 de coeficiente para zero mês de atraso e, para um mês
de atraso representado na figura 19(b) o Amazonas, Pará, Rondônia, Mato Grosso e Paraná
com valores de 0.4. Por se tratar de 28 anos de análises, o nível de significância estatística dos
coeficientes de correlação excedeu 99% nas regiões estudadas. Isso significa dizer que,
quando o IAS for positivo para este período, precipitações mais intensas nestas regiões são
encontradas.

(a)

(b)

Figura 19: Coeficientes de correlação entre a taxa de precipitação (Pt) e o IAS para o período
de 1948-1976 (fase fria) (a) simultânea e (b) com o IAS adiantado de 1 mês com
relação à Pt. Fonte dos dados ESRL/PSD/NOAA.

Nas figuras (20 e 21), claramente observa-se que ainda mantêm praticamente as mesmas
configurações no Brasil, com os leads de 2, 3, 4 e 5 meses de adiantamento do IAS com
relação à Pt. Notamos na figura 20(a), que segue com forte correlação no Rio Grande do Sul,
com o nível de significância estatística dos CC se mantendo acima de 99% tanto para dois,
como pra três meses de atraso, (figura 20(b)). Os estados do Amazonas, Pará, Maranhão,
Rondônia, Mato Grosso, Santa Catariana e Paraná, continuaram com valores desejados, já que
o coeficiente de correlação é 0.4 tanto para dois, como também para três meses de atraso. Isso
significa dizer que, quando o IAS é positivo, maiores intensidades de precipitação ocorrem
nestas regiões.

Na figura 21(a), para 4 meses de adiantamento do IAS com relação à Pt, visualiza-se que o
Rio Grande do Sul, Santa Catarina, Paraná, Amazonas, Pará, Mato Grosso e Rondônia
apresentara ainda os mesmos valores anteriores. Porém, quando adicionamos mais um mês,
(21(b)), o que podemos observar é que somente os estados do Rio Grande do Sul, Santa
Catarina, Paraná, Pará e uma parte pequena do Amazonas apresentam as mesmas
configurações anteriores, com os valores das correlações sendo 0,4 e 0,6. O que é um
resultado desejável visto que o nível de significância estatística dos coeficientes de correlação

está ainda acima de 99% para essa região. E isso significa dizer que, quando o IAS for
positivo, precipitações mais intensas são esperadas para estas regiões.

(a)

(b)

Figura 20: Coeficientes de correlação entre a taxa de precipitação (Pt) e o IAS para o período
de 1948-1976 (fase fria), com o IAS adiantado em (a) 2 meses e (b) 3 meses com
relação à Pt. Fonte dos dados ESRL/PSD/NOAA.

(a)

(b)

Figura 21: Coeficientes de correlação entre a taxa de precipitação (Pt) e o IAS para o período
de 1948-1976 (fase fria), com o IAS adiantado em (a) 4 meses e (b) 5 meses com
relação à Pt. Fonte dos dados ESRL/PSD/NOAA.

Durante a FQ da ODP, que corresponde ao período entre 1977 a 1998, (figuras 22(a) e 22(b)),
para análise simultânea e um mês de adiantamento do IAS com relação à Pt respectivamente,
mostraram que existem na região do Nordeste brasileiro uma boa correlação, porém para esse
período da ODP, essa correlação encontrada é inversa, ou seja, com valor negativo. Para os
estados da Bahia, Sergipe, Alagoas, Pernambuco e Paraíba foram encontrados valores de 0,4
em módulo. Isso significa dizer que, quando o IAS for negativo para este período,
precipitações mais intensas são encontradas nestas regiões. Porque o nível de significância
estatística dos CC foi superior a 95%. E os estados do Mato Grosso, Tocantins, Goiás, uma
pequena região do Norte do Amazonas e Pará e do Oeste da Bahia obtiveram valores de 0,4.
Seu nível de significância estatística dos CC é superior a 95% por estar se tratando de 21 anos
de estudo. Isso significa dizer que, quando o IAS for positivo para este período, precipitações
mais intensas são encontradas nestas regiões. Quando acrescentamos mais um mês de
adiantamento do IAS com relação à Pt, o que visualizamos são as mesmas configurações
anteriores.

(a)

(b)

Para os leads de 2, 3, 4 e 5 no período da fase quente da ODP, que corresponde de 1977 a
1998, (Figuras 23 e 24) pode-se observar é que o comportamento das correlações se mantêm
praticamente o mesmo para leads de 2 meses, além dos estados citados anteriormente, Piauí
também está com valor de correlação de 0,4. Os níveis de significância estatística continuam
os mesmos para todo o Brasil. Entretanto, quando analisamos os leads de 3 meses,
representado na Figura 23(b), observamos que no Nordeste Brasileiro há uma diminuição do
valor das correlações inversas e tanto para o Piauí, Maranhão e Pará há um leve aumento das
correlações diretas, chegando a ter valor de 0,5. E os estados do Mato Grosso, Tocantins,
Bahia, Goiás e Amazonas com valores de 0,4. Para os leads de 4 meses, o que observa-se que
os estados do Piauí, Maranhão e Pará são os que apresentam as maiores correlações, com
valor chegando a ser superior que 0,5. E quando acrescentamos mais um mês de adiantamento
do IAS com relação à Pt, o estado do Maranhão tem valor superior a 0,6, e os estados do Pará
e Piauí com 0.5 de correlação. Estamos analisando 21 anos de dados neste período, então seu
nível de significância estatística para 5 meses é de 99% para estas regiões. Isso significa dizer
que, para estas regiões quando o IAS for positivo, precipitações mais intensas são
encontradas. Em geral, para esse período de estudo entre 1977-1998, que corresponde à fase
quente da ODP, não se observa as mesmas características das outras fases.

O IAS foi mais expressivo na fase fria da ODP, para os estados do Sul do Brasil, pois, nesta
fase, os CC da Pt com o IAS foram maiores que na fase quente, mostrando em algumas
regiões em especial, valores de correlação superiores que 0,6, apresentando um nível de
significância estatística acima de 99%, enquanto que na fase quente, os estados ao
Norte/Nordeste do Brasil são os que obtiveram os maiores coeficientes chegando a ser
também superior que 0,6 para 5 meses. Portanto, para o período da fase fria da ODP que vai
de 1948-1976, o índice de IAS pode ser bom previsor da qualidade de chuva anual para o
estado de Santa Catarina com até 2 meses de antecedência e somente para o Rio Grande do
Sul com até 5 meses de antecedência. Para o período da fase quente da ODP, que vai de 19771998, o índice de IAS pode ser bom previsor da qualidade de chuva anual para os estados do
Nordeste Brasileiro e para a Bahia, Tocantins, Goiás, Mato Grosso, Pará e uma pequena parte
do Piauí e Amazonas com até 2 meses de antecedência e somente para o Maranhão com até 5
meses de antecedência.

(a)

(b)

Figura 23: Coeficientes de correlação entre a taxa de precipitação (Pt) e o IAS para o período
de 1977-1998 (fase quente), com o IAS adiantado em (a) 2 meses e (b) 3 meses
com relação à Pt. Fonte dos dados ESRL/PSD/NOAA.

(a)

(b)

Figura 24: Coeficientes de correlação entre a taxa de precipitação (Pt) e o IAS para o período
de 1977-1998 (fase quente), com o IAS adiantado em (a) 4 meses e (b) 5 meses
com relação à Pt. Fonte dos dados ESRL/PSD/NOAA.

4.5 Correlações entre ROLE e IAS

Maiores correlações em módulo foram observados sobre a Amazônia e Pará (Figura 25(a) e
25(b)), com valores superiores que 0,4 em módulo. Observa-se também que um pequeno
núcleo que chega a ser superior a 0,5 em módulo tanto simultâneo como para um mês de
adiantamento do IAS com relação a ROLE, no Amazonas, com uma significância estatística
superior a 99%, isso significa dizer que, quando o IAS for negativo para este período de
estudo, maiores perdas de ROLE para o espaço são observados, e conseqüentemente menos
nuvens de topo alto, albedo reduzido, movimentos descendentes e volume de chuvas abaixo
da normal.

(a)

(b)

Figura 25: Coeficientes de Correlação entre ROLE e IAS para o período de 1948-2008, com
índice adiantado em (a) simultâneo e (b) 1 mês. Fonte dos dados
ESRL/PSD/NOAA.

Nas Figuras 26 e 27, onde está sendo mostrado os leads de 2, 3, 4 e 5 meses respectivamente,
nota-se claramente que conforme há um aumento desses meses de adiantamento do IAS com
relação à ROLE, o núcleo com maiores correlações na região da Amazônia tende em
aumentar em área, com valores das correlações sendo maiores que 0,5 em módulo. Nas
Figuras 26(a), 26(b), 27(a) e, 27(b), nota-se que além do Amazonas, para o Pará também
existe uma boa correlação, com valor acima de 0,4 em módulo, seu nível de significância
estatística é de 99% para essa região, isso significa dizer que, quando o IAS for positivo para
este período de estudo, menores perdas de ROLE para o espaço são observados e,
conseqüentemente, movimentos ascendentes, mais nuvens de topo alto e chuvas mais
intensas.

(a)

(b)

Figura 26: Coeficientes de Correlação entre ROLE e IAS para o período entre 1948-2008,
com índice adiantado em (a) 2 meses e (b) 3 meses. Fonte dos dados
ESRL/PSD/NOAA.

(a)

(b)

Figura 27: Coeficientes de Correlação entre ROLE e IAS para o período entre 1948-2008,
com índice adiantado em (a) 4 meses e (b) 5 meses. Fonte dos dados
ESRL/PSD/NOAA.

Na FF da ODP, as correlações entre ROLE e o índice do Atlântico Sul, não é significativa em
todo o Brasil, tanto simultâneo, como para um mês mostrados na Figura 28(a) e 28(b)
respectivamente. O que se pode reparar é que somente o Noroeste do Rio Grande do Sul para
simultâneo e um mês, tem uma correlação superior a 0,4 em módulo, como estamos
estudando um período de 28 anos, o seu nível de significância estatística dos coeficientes de
correlação é maior que 97%, isso significa dizer que, quando o IAS for positivo para este
período de estudo, menores perdas de ROL para o espaço são observados e,
conseqüentemente, movimentos ascendentes, mais nuvens de topo alto e chuvas mais intensa
para esta região.

(a)

(b)

Figura 28: Coeficientes de Correlação entre ROLE e IAS para o período entre 1948-1976
(fase fria), com índice adiantado em (a) simultâneo (b) 1 mês. Fonte dos dados
ESRL/PSD/NOAA.

Para os leads a seguir, de 2, 3, 4 e, 5 meses de adiantamento do IAS com relação à ROLE,
(Figuras 29(a), 29(b), 30(a) e, 30(b)) observa-se praticamente as mesmas configurações
anteriores. Em todos esses meses, notamos que além do Rio Grande do Sul que era o único
estado com uma pouca influencia do IAS no ROLE, também os estados de Santa Catarina,
Paraná, Mato Grosso do Sul, Pará e, Maranhão, com valor de correlação de 0,3 em módulo,
mantendo-se seu nível de significância estatística dos CC superior a 95%, isso significa dizer
que, quando o IAS for positivo para este período de estudo, menores perdas de ROLE para o

espaço são observados e, conseqüentemente, movimentos ascendentes, mais nuvens de topo
alto e chuvas mais intensa para esta região.

(a)

(b)

Figura 29: Coeficientes de Correlação entre ROLE e IAS para o período entre 1948-1976
(fase fria), com índice adiantado em (a) 2 meses e (b) 3 meses. Fonte dos dados
ESRL/PSD/NOAA.

(a)

(b)

Figura 30: Coeficientes de Correlação entre ROLE e IAS para o período entre 1948-1976
(fase fria), com índice adiantado em (a) 4 meses e (b) 5 meses. Fonte dos dados
ESRL/PSD/NOAA.

No período da FQ da ODP, (Figuras 31(a) e, 31(b)) que são os leads simultâneo e um mês de
adiantamento do IAS com relação à ROLE. Nelas nota-se que somente no Estado de Roraima
existe boa correlação entre ROL e IAS, esse valor chegando a ser superior a 0,5, com
significância estatística de 99% para esta região, isso significa dizer que, quando o IAS for
negativo para este período de estudo, menores perdas de ROLE para o espaço são observados
e, conseqüentemente, movimentos ascendentes, mais nuvens de topo alto e chuvas mais
intensa.

(a)

(b)

Figura 31: Coeficientes de Correlação entre ROLE e IAS para o período entre 1977-1998
(fase quente), com índice adiantado em (a) simultâneo (b) 1 mês. Fonte dos dados
ESRL/PSD/NOAA.

Nas Figuras 32(a), 32(b), 33(a) e, 33(b), estão representados os leads de 2, 3, 4 e 5 meses, as
mesmas configurações são encontradas nestes meses, com exceção de 5 meses, que não
existem nenhuma boa correlação entre ROLE e IAS. Para os leads de 2, 3 e 4 valores
superiores que 0,4 são encontrados em Roraima, com significância estatística de 97%, isso
significa dizer que, quando o IAS for negativo para este período de estudo, menores perdas de
ROLE para o espaço são observados e, conseqüentemente, movimentos ascendentes, mais
nuvens de topo alto e chuvas mais intensa para esta região.

(a)

(b)

Figura 32: Coeficientes de Correlação entre ROLE e IAS para o período entre 1977-1998
(fase quente), com índice adiantado em (a) 2 meses e (b) 3 meses. Fonte dos
dados ESRL/PSD/NOAA.

(a)

(b)

Figura 33: Coeficientes de Correlação entre ROLE e IAS para o período entre 1977-1998
(fase quente), com índice adiantado em (a) 4 meses e (b) 5 meses. Fonte dos
dados ESRL/PSD/NOAA.

4.6 Correlação entre pressão ao nível do mar (PNM) e IAS

Nas análises representadas nas próximas Figuras, que mostra correlações feitas entre IAS e
pressão ao nível do mar, observa-se que existem correlações muito baixas em todo o Brasil,
exceto no sul do Rio Grande do Sul, (Figura 34(a) e, 34(b)), que para o grande período de
estudo, observa-se o valor de 0,3 em módulo que é considerado um valor significativo, isso
devido que o nível de significância estatística dos coeficientes de correlação chega a ser
superior que 95%, isso tanto simultâneo como para um mês de atraso nas correlações. Sendo
assim, quando o IAS for positivo para este período de estudo, a atmosfera em média
apresentará pressão mais baixa na superfície.

(a)

(b)

Figura 34: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1948-2008, com índice adiantado em (a) simultâneo (b) 1 mês. Fonte dos
dados ESRL/PSD/NOAA.

Observa-se também que conforme aumenta-se os leads (Figuras 35(a) e, 35(b)), visualizam-se
tanto correlações diretas como inversas. Os Estados do Rio Grande do Sul, Maranhão e, Ceará
apresenta correlação de 0,3 em módulo, seu nível de significância estatística dos CC chega a
ser superior que 95%, isso significa dizer que, quando o IAS for positivo para este período de
estudo, a atmosfera em média apresentará pressão mais baixa na superfície. E os Estados do
Pará, Roraima e uma pequena parte do Oeste de Mato Grosso e Leste do Amazonas

apresentaram correlação de 0,3, seu nível de significância estatística dos CC chega a ser
superior que 95%, isso significa dizer que, quando o IAS for positivo para este período de
estudo, a atmosfera em média apresentou pressão mais alta na superfície. Para 4 e 5 meses de
adiantamento do IAS com relação à PNM, mostrada na Figura 36(a) e, 36(b), somente o Rio
Grande do Sul não apresenta boa correlação, porém, os outros estados citados anteriormente
continuam com as mesmas configurações.

(a)

(b)

Figura 35: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1948-2008, com índice adiantado em (a) 2 meses e (b) 3 meses. Fonte dos
dados ESRL/PSD/NOAA.

(a)

(b)

Figura 36: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1948-2008, com índice adiantado em (a) 4 meses e (b) 5 meses. Fonte dos
dados ESRL/PSD/NOAA.

Quando analisa-se o período da FF da ODP nota-se que tanto simultâneo como para um mês
de adiantamento do IAS com relação à PNM, somente a região sul do Brasil é que existem
boas correlações, chegando a ser superior a 0,4 e no Rio Grande do Sul chega a 0,5 em
módulo, estes valores são muito significativos, pois se está analisando um período de 28 anos,
e também o nível de significância estatística dos CC é maior que 97%, isso tanto para zero
como para um mês de atraso nas correlações. Isso significa que, quando o IAS for positivo
para este período de estudo, a atmosfera em média apresentará pressão mais baixa na
superfície.

(a)

(b)

Figura 37: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1948-1976 (fase fria), com índice adiantado em (a) simultâneo (b) 1 mês.
Fonte dos dados ESRL/PSD/NOAA.

Para os leads de 2, 3, 4 e, 5 meses (Figuras 38 e 39) nota-se que em todos estes leads, até para
5 meses, Figura 39(b), o Rio Grande do Sul mantém correlações superiores que 0,4 em
módulo, o nível de significância estatística dos CC é maior que 97%, isso tanto para
simultâneo como para um mês de adiantamento do IAS com relação à PNM. Isso significa
dizer que, quando o IAS for positivo para este período de estudo, a atmosfera em média
apresentará pressão mais baixa na superfície.

(a)

(b)

Figura 38: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1948-1976 (fase fria), com índice adiantado em (a) 2 meses e (b) 3 meses.
Fonte dos dados ESRL/PSD/NOAA.

(a)

(b)

Figura 39: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1948-1976 (fase fria), com índice adiantado em (a) 4 meses e (b) 5 meses.
Fonte dos dados ESRL/PSD/NOAA.

Com relação ao período da FQ da ODP, as analises mostraram que não existe nenhuma
correlação entre a PNM e IAS em todo o Brasil, (Figura 40(a)) simultâneo, para um mês
(Figura 40(b)).

(a)

(b)

Nas análises feitas com leads de 2, 3, 4 e 5 meses, nas Figuras 41(a), 41(b), 42(a) e, 42(b)
respectivamente, o que é observado são as mesmas configurações anteriores tanto para 2
como pra 3 meses, exceto para 4 e 5 meses. Nesses meses, o que observamos é valores de
correlação que chegam a ser superiores a 0,4 em módulo nos Estados do Pará, Mato Grosso e
Tocantins para 4 meses de atraso, chegando a 0,5 em módulo somente no Estado do Tocantins
para 5 meses (Figura 42(b)). O nível de significância estatística dos CC, para 4 e 5 meses de
atraso é superior a 97%, isso significa dizer que, quando o IAS for positivo para este período
de estudo, a atmosfera em média apresentará pressão mais baixa na superfície.

(a)

(b)

Figura 41: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1977-1998 (fase quente), com índice adiantado em (a) 2 meses e (b) 3
meses. Fonte dos dados ESRL/PSD/NOAA.

(a)

(b)

Figura 42: Coeficientes de Correlação entre pressão ao nível do mar e IAS para o período
entre 1977-1998 (fase quente), com índice adiantado em (a) 4 meses e (b) 5
meses. Fonte dos dados ESRL/PSD/NOAA.

4.7 Correlações entre precipitação (UDEL) e IAS

Na Figura 43(a) foram apresentadas as cartas de coeficientes de correlação (CC) entre o IAS e
a precipitação (UDEL) para o período entre 1950 a 1998. Ainda na referida figura nota-se que
se levarmos em conta o período de estudo que são de 48 anos, o estado do Rio Grande do Sul
é o que apresenta a melhor correlação, com CC superior que 0,2, sendo também uma
correlação direta, seu nível de significância estatística é de 90%, isso significa dizer que,
quando o IAS é positivo nesse período, existem precipitações mais intensas para essa região.
Portanto, para todo o período estudado que vai de 1950-1998, o índice de IAS pode ser bom
previsor da qualidade de chuva anual para o estado do Rio Grande do Sul.

Nota-se, que na Figura 43(b) o estado do Rio Grande do Sul apresenta a melhor correlação, e
que o resto do Brasil apresenta praticamente as mesmas configurações anteriores. Entretanto,
o período de estudo agora é correspondente a FF da ODP, com período que vai de 1950-1976,
por se tratar de 26 anos de estudo, ainda seu nível de significância estatística é de 90%, isso
significa que, quando o IAS for positivo para esse período, precipitações mais intensas podem
ser observadas nessa região.

(a)

(b)

Figura 43: Coeficientes de Correlação entre a Precipitação (UDEL) e IAS para o período em
(a) 1950-1998 e (b) 1950-1976. Fonte dos dados ESRL/PSD/NOAA.

Na Figura 44, que corresponde a FQ da ODP, observa-se que não existem em nenhuma região
do Brasil boas correlações, por serem 21 anos de estudos, seu nível de significância estatística
ficou inferior que 90% para todas as regiões. Portanto, a correlação entre a precipitação
(UDEL) e IAS para a FQ da ODP, não apresentou uma relação significativa com a
precipitação.

Figura 44: Coeficientes de Correlação entre a Precipitação (UDEL) e IAS para o período entre
1977-1998. Fonte dos dados ESRL/PSD/NOAA.

4.8 Desvios da taxa de precipitação

Visualizam-se na figura 45 as diferenças dos totais de precipitação entre a FF e a FQ da ODP,
com relação à média do período entre 1948-2008 de acordo com os dados de Reanálises, em
que são mostradas mudanças sensíveis no sinal da precipitação de algumas regiões. Na Figura
45(a), observa-se a FF da ODP, e que desvios negativos de até 1,8mm/dia, representando
decréscimo de 650mm/ano, foram predominantes nos estados do Pará, Maranhão e Tocantins,
não coincidindo com as regiões que apresentaram maior correlação da precipitação com IAS
na Figura 19(a). Para a FQ da ODP, representado na Figura 45(b), os desvios foram positivos,
correspondendo um aumento de até 2,5mm/dia, indicando que houve um acréscimo de chuva
de aproximadamente 910mm/ano, que também foram predominantes nos estados do Pará,
Maranhão e Tocantins, e que não coincidem com as regiões que apresentaram maior
correlação da precipitação com IAS na Figura 22(a). Embora qualitativamente corretos, os

dados de Reanálises parecem produzir resultados superiores aos esperados em módulo, com
decréscimo de até 650mm/ano na FF da ODP e acréscimo de até 910mm/ano na FQ da ODP.

(a)

(b)

Figura 45: Desvios da taxa de precipitação (mm/dia) durante as fases (a) fria e (b) quente da
ODP, com relação à média do período entre 1948-2008. Fonte dos dados
ESRL/PSD/NOAA.

4.9 Desvio da radiação de ondas longas (ROLE)

Na Figura 46 estão representados os desvios da ROLE, observa-se claramente que os
maiores/menores valores de ROLE, com os núcleos mais significativos encontrados na fase
fria de aproximadamente +9 W/m2, e na fase quente da ODP de -14 W/m2 sobre os estados do
Pará, Maranhão e Tocantins, indicando predominância de nuvens de topo mais baixo sobre
estes setores na fase fria e de topo mais alto durante a fase quente.

Quando se analisa as diferenças da FF com relação à FQ da ODP, (Figura 46), observa-se que
a convecção foi, em principio, maior na fase quente, e que os desvios de ROLE para as fases
frias e quentes estão coerentes com os desvios da taxa de precipitação, (Figura 45), com um
máximo de emissão para o espaço situados nas mesmas regiões que apresentaram os maiores
desvios da taxa de precipitação. Esse máximo de emissão para o espaço está de acordo com a
figura 45(a), e sugere que, durante a FF, a convecção foi reduzida com nuvens de topo mais

baixo e decréscimo de precipitação. Na FQ (Figura 46(b)), observa-se o oposto, com
anomalias negativas de ROLE, que sugere intensificação da convecção, nuvens de topo mais
alto e maiores precipitações nas mesmas regiões que apresentaram maiores taxas de
precipitação na Figura 45(b).

(a)

(b)

Figura 46: Desvios de radiação de ondas longas (ROLE (W/m2) das fases (a) fria e (b) quente
da ODP, com relação a media do período entre 1948-2008. Fonte dos dados
ESRL/PSD/NOAA.

4.10 Desvio da pressão ao nível do mar (PNM)

Na FF da ODP (Figura 47(a)), a PNM apresentou desvios positivos sobre todo o NEB, leste
do Pará, leste do Centro-Oeste do Brasil e sul do Rio Grande do Sul, e negativo nas outras
regiões do Brasil. Na FQ da ODP, ocorre o oposto, a PNM apresentou desvios negativos
sobre o NEB, leste do Pará, leste do Centro-Oeste do Brasil e no Sul do Rio Grande do Sul e
positivas nas outras regiões do Brasil. Claramente observa-se que um núcleo de anomalias
positivas (aumento) da pressão de 0,1 a 0,3 hPa na FF e na FQ, há uma redução, um núcleo de
anomalias negativas de 0,1 a 0,4 hPa, sobre os Estados de Goiás e Tocantins, estendendo-se
para o NEB. A atmosfera, na FF, em média apresentou pressão mais alta na superfície, o que
pode ser associados a movimentos descendentes e céu claro, está coerente com as análises dos
desvios de ROLE (Figura 46(a)) e de precipitação (Figura 45(a)), que mostrou desvios de

ROLE positivos e desvios negativos de precipitação, indicando convecção fraca, nuvens de
topo baixo e decréscimo de precipitação. Entretanto, a atmosfera na FQ, apresentou em média
pressão mais baixa na superfície e juntamente com outros fatores, pode ter favorecido a
convergência, maior convecção e, conseqüentemente, movimentos ascendentes, formação de
nuvens de topo alto e maiores precipitações.

(a)

(b)

Figura 47: Desvio de pressão ao nível do mar (PNM) (hPa) para as fases (a) fria e (b) quente
da ODP. Fonte dos dados ESRL/PSD/NOAA.

4.11 Análise da precipitação observada no Rio Grande do Sul

Por ser uma região agrícola muito importante e por ter a precipitação como um dos principais
fatores na produção agrícola, o sul do Brasil e o Estado do Rio Grande do Sul despertam a
atenção dos pesquisadores no desenvolvimento de trabalhos voltados para a precipitação, bem
como nos fatores que a influenciam (OLIVEIRA, 2001).

A distribuição espacial da diferença da média pluviométrica anual do Estado do Rio Grande
do Sul da FF menos a FQ, (Figura 48), mostra que para todas as regiões apresenta desvios
negativos da FF para a FQ da ODP e, que a maior diferença encontrada foi em Taquarí com
valor de -20,7mm/ano, ou seja, aproximadamente -1,7mm/mês, indicando que choveu mais na

FQ e menos na FF nessa região. Uma vez que a ODP entrou em uma nova FF a partir de
1999, esperam-se menores valores pluviométricos para essas regiões.
40

-2
-3
-4
-5
-6
-7
-8
-9
-10
-11
-12
-13
-14
-15
-16
-17
-18
-19
-20
-21

0
0

Figura 48: Diferença entre os totais pluviométricos médios anuais do Rio Grande do Sul, Fase
Fria menos Fase Quente. Fonte dos dados INMET.

4.12 Relação entre IAS e a precipitação observada no Rio Grande do Sul

A Figura 49, ilustra a distribuição espacial dos coeficientes de correlação (CC) entre o IAS e a
precipitação anual do Estado do Rio Grande do Sul para o período entre 1948-2008, visualizase que as correlações foram diretas para todo o Estado e as maiores correlações foram de 0,24
na região de Cruz Alta, Encruzilhada e Passo Fundo, coincidindo com os resultados
apresentados na Figura 43(a), como o período de estudo é de 60 anos, a significância
estatística dos CC é de 95%, isso significa dizer que, quando o IAS for positivo para este
período, chove mais nestas regiões.

Para a FF da ODP, (Figura 50), observa-se que todas as regiões, como anteriormente
apresentaram correlações diretas com maior valor de 0,26 nas regiões de Encruzilhada e São
Luiz, também coincidindo com os resultados mostrados na Figura 43(b), o período de estudo
na FF da ODP é de 28 anos, tendo uma significância estatística de 90%, isso significa que,
quando o IAS for positivo para este período, chove mais nestas regiões. Na FQ da ODP

(Figura 51) praticamente as mesmas configurações são verificadas da FF da ODP e também
maior valor de correlação foi de 0,26, porém, somente na região de São Luiz. A FQ da ODP
tem um período de estudo de 21 anos e para está análise, a significância estatística é inferior a
90%. Portanto, a correlação entre a precipitação e IAS para a FQ da ODP não apresentou uma
relação significativa com a precipitação da região em estudo o que está de acordo com os
resultados da Figura 44. Entretanto, estas baixas relações podem ser explicadas, devido que na
FF da ODP existir maior ocorrência de La Niñas e na FQ maiores ocorrência de El Niños
(MOLION, 2005).
40

0.25
30

0.24
0.23
0.22

0.21
0.2
20

0.19
0.18
0.17

0.16
0.15
0.14

0.13
0.12
5

0
0

Figura 49: Coeficientes de Correlação entre a precipitação observada e IAS para o Rio Grande
do Sul no período entre 1948-2008. Fonte dos dados INMET.

35
0.27
0.26

0.25
0.24
0.23
0.22

0.21
0.2
0.19
20

0.18
0.17
0.16
0.15

0.14
0.13
0.12
10

0.11
0.1
0.09

0
0

Figura 50: Coeficientes de Correlação entre a precipitação observada e IAS para o Rio Grande
do Sul no período entre 1948-1976, Fase Fria da ODP. Fonte dos dados INMET.
40

0.28
0.27
0.26
0.25
0.24
0.23
0.22
0.21
0.2
0.19
0.18
0.17
0.16
0.15
0.14
0.13
0.12
0.11
0.1
0.09
0.08
0.07
0.06
0.05

0
0

Figura 51: Coeficientes de Correlação entre a precipitação observada e IAS para o Rio Grande
do Sul no período entre 1977-1998, Fase Quente da ODP. Fonte dos dados
INMET.

Todavia, o Estado do Rio Grande do Sul, nem sempre se comporta como está mostrado na
Figura 52 para o fenômeno ENOS. Através da Figura 52 é possivel verificar que os El niños

que ocorreram na FF da ODP no trimestre de Janeiro, Fevereiro e Março provocaram seca no
Rio Grande do Sul (Figura 52(a)), enquanto que na FQ se observa anomalias positivas de
precipitação mais para o Oeste do Estado (Figura 52(c)). Para o fenômeno La Niña o que
podemos observar é que, na FF tivemos anomalias negativas de precipitação (Figura 52(b)),
enquanto que na FQ tivemos anomalias positivas de precipitação, porém, mais para a região
sul do Estado (Figura 52(d)).

(a)

(b)

(c)

(d)

Figura 52: Anomalias de precipitação (UDEL) de Janeiro, Fevereiro e Março em anos de El
Niño e La Niña. (a) El Niño na FF da ODP, (b) La Niña na FF da ODP, (c) El
Niño na FQ da ODP e (d) La Nña na FQ da ODP. Fonte dos dados
ESRL/PSD/NOAA.

No período de Abril, Maio e Junho o que se visualiza é que, como anteriormente na FF o El
Niños produziu mais secas em todo o Estado (Figura 53(a)) e mais chuvas na FQ (Figura
53(c)) principalmente no Oeste. Ainda, na referida figura observa-se que o La Niñas se

mantiveram com a mesma configuração, de secas em todo o Estado tanto para a FF (Figura
53(b)), como também na FQ (Figura 53(d)).

(a)

(b)

(c)

(d)

Figura 53: Anomalias de precipitação (UDEL) de Abril, Maio e Junho em anos de El Niño e
La Niña. (a) El Niño na FF da ODP, (b) La Niña na FF da ODP, (c) El Niño na
FQ da ODP e (d) La Nña na FQ da ODP. Fonte dos dados ESRL/PSD/NOAA.

Na Figura 54 visualiza-se que no período entre Julho, Agosto e Setembro os El Niños
produziram mais chuvas no Estado tanto para a FF como também na FQ porém, na FF as
anomalias positivas de precipitação foram mais intensas no Nordeste do Rio Grande do Sul, o
mesmo foi mostrado por Fontana e Almeida (2002), que concluíram que o Nordeste do
Estado é onde se verificam os maiores efeitos associados ao fenômeno El Niño e La Niña,
tendo maior número de dias com precipitação pluvial durante os eventos El Niño e menor
durante os eventos La Niña (Figura 54(a)), enquanto que, na FQ as anomalias foram mais para
Leste/Sudeste (Figura 54(c)). O La Niñas no decorrer deste período se mantiveram como

anteriormente, com secas no Estado na FF (Figura 54(b)), porém, com uma pequena
particularidade na FQ, que a La Niña produziu chuva no Oeste do Estado (FIGURA 54(d)).

(a)

(b)

(c)

(d)

Figura 54: Anomalias de precipitação (UDEL) de Julho, Agosto e Setembro em anos de El
Niño e La Niña. (a) El Niño na FF da ODP, (b) La Niña na FF da ODP, (c) El
Niño na FQ da ODP e (d) La Nña na FQ da ODP. Fonte dos dados
ESRL/PSD/NOAA.

Nota-se que o trimestre de Outubro, Novembro e Dezembro (Figura55) foi que manteve a
mesma configuração tanto para El Niño como para La Niña. Com anomalias positivas de
precipitação em anos de El Niño tanto na FF (Figura 55(a)), como na FQ (Figura 55(c)),
porém com maior intensidade no Oeste/Noroeste na FF. De acordo com Fontana e Berlato
(1997), que em seu estudo também mostraram influência do fenômeno ENOS no Oeste do
Estado, entretanto, só nos meses de Outubro e Novembro e bem no Nordeste na FQ e a

influência da La Niña foi com anomalias negativas de precipitação em todo o estado para a FF
(Figura 55(b)) e, na FQ (Figura 55(d)).

(a)

(b)

(c)

(d)

Figura 55: Anomalias de precipitação (UDEL) de Outubro, Novembro e Dezembro em anos
de El Niño e La Niña. (a) El Niño na FF da ODP, (b) La Niña na FF da ODP, (c)
El Niño na FQ da ODP e (d) La Nña na FQ da ODP. Fonte dos dados
ESRL/PSD/NOAA.

Nery (1996) estudando as distribuições das precipitações no Brasil meridional (São Paulo,
Paraná, Santa Catarina e Rio Grande do Sul) classificou a região em função de um período
úmido que vai de outubro a março, onde as precipitações são determinadas por sistemas
convectivos e outro período seco, de abril a setembro, onde as precipitações são determinadas
pelos sistemas frontais.

4.13 Tendências Climáticas.

Há evidências de que, desde 1999 a ODP tenha entrado em uma nova FF. É aceito que o
Oceano Pacífico, com sua área que ocupa aproximadamente 1/3 do planeta, influencie o clima
global. Para comprovar esta hipótese, utilizaram-se dados de TSM no período entre 19482009, com intuito de fazer projeções para as próximas décadas.

A Figura 56 mostra os campos de anomalias de TSM no período (a) 1948-1976, (b) 19771998 e (c) 1999-2009 com relação ao período de 1948 a 2008. Notou-se que a configuração
de 1999-2009 caminha em similaridade para a apresentada na antiga FF 1947-1976, (Figura
56 (a)), uma vez que a configuração das anomalias negativas de TSM na figura (a) é idêntica
a área de TSM neutra na Figura (c), haja vista que a partir do final da última FQ (b), essa
região do Pacífico está se esfriando lentamente, até adquirir as condições da FF anterior. No
Oceano Atlântico (Figura (c)) o ATS mostra TSM mais frias que o ATN entre 1999 e 2009,
analisando a FF anterior (Figura (a)), o ATS apresentou anomalias negativas, enquanto que o
ATN mostrou neutralidade em sua maior parte. Vale ressaltar que a variabilidade dos oceanos
é lenta devido a sua grande capacidade calorífica e que, possivelmente, existe um atraso de
alguns anos na resposta do Atlântico em relação à forçante do Pacífico.

A partir da análise da figura 56 os resultados mostraram que, a atual FF da ODP está se
configurando, estando em um estado transitório natural, haja vista, que se levando em
consideração, ocorreram apenas onze anos, que as águas superficiais do Pacífico Tropical
começaram a apresentar indícios de diminuição. Tomando por base a últimas FF da ODP,
espera-se, que essa nova fase, perdure por mais quinze a vinte anos, esperando então maiores
números de La Niñas do que El Niños, e conseqüentemente mais anos com secas no Estado
do Rio Grande do Sul, principalmente de Abril a Dezembro como foi mostrado nas figuras
52, 53, 54 e 55.

(a)

(b)

(c)
Figura 56: Campo de anomalias de TSM no período (a) 1948-1976, (b) 1977-1998, (c) 19992009, com relação ao período de 1948 a 2008. Fonte dos dados
ESRL/PSD/NOAA.

5 CONCLUSÃO

Os resultados obtidos mostraram que o IAS obteve uma boa correlação com a Oscilação
decadal do Pacífico (ODP) e Índice multivariado de ENOS (IME), mostrando que a ODP e o
IME explicam 34% e 28% da variância do IAS, respectivamente. O início das fases quente e
fria do Atlântico Sul, conforme indicado pelo IAS, antecederam às da ODP em 2 a 6 anos. É
possível que isso ocorra pelo fato de o Atlântico, por ser uma bacia menor, responda mais
rapidamente que o Pacífico às variações da intensidade dos ventos Alísios no início de uma
nova fase da ODP. Posteriormente, uma vez a fase fria da ODP estabelecida, o Pacífico força
o Atlântico Sul Tropical a se resfriar. O intervalo de tempo em que isso ocorre ainda é
desconhecido e deve ser objeto de pesquisa futura.

As correlações feitas entre o IAS e os dados de Reanálise mostraram que, para a taxa de
precipitação (Pt), os coeficientes de correlação (CC) foram superiores a 0,6 no Estado do Rio
Grande do Sul no período entre 1948-2008. Os CC entre o IAS e a Pt da fase fria da ODP
foram maiores que os da fase quente para o Rio Grande do Sul, com valores superiores a 0,7,
com um nível de significância estatística acima de 99%, enquanto os estados do
Norte/Nordeste do Brasil apresentaram maiores valores de CC na fase quente da ODP,
chegando a ser superiores a 0,6 para as correlações simultânea e com o IAS adiantado de 5
meses. Portanto, para o período da fase fria da ODP, o IAS pode ser bom previsor da
qualidade de chuva anual para o RS com até 5 meses de antecedência. Para o período da fase
quente da ODP, IAS pode ser bom previsor da qualidade de chuva anual para a maior parte
dos estados do Nordeste Brasileiro e para a Bahia, Tocantins, Goiás, Mato Grosso, Pará e uma
pequena parte do Piauí e Amazonas com até 2 meses de antecedência e somente para o
Maranhão com até 5 meses de antecedência.

Para as correlações entre IAS e radiação de onda longa (ROLE), os coeficientes de correlação
(CC) foram superiores a 0,5 em módulo para o Amazonas no período 1948-2008, mostrando
coerência com os valores de taxa precipitação para essa região. Nesse período o IAS se
mostraram ser um bom previsor com até 5 meses de antecedência. Para a fase fria da ODP, os
CC foram maiores para o Rio Grande do Sul, chegando a 0,4 em módulo, porém, o IAS se
mostrou um bom previsor com até 3 meses de antecedência. Na fase quente, o Estado de
Roraima apresentou a melhor correlação, superior a 0,5, sendo um bom previsor com até 3
meses de antecedência.

Os coeficientes de correlação entre o IAS e pressão ao nível do mar (PNM), foram maiores na
fase fria, com valores superiores a 0,5 em módulo para o Rio Grande do Sul.

Para as correlações entre o IAS e a precipitação da UDEL, tanto para o período entre 19501998 como também para a fase fria, os coeficientes de correlação (CC) foram superiores a
0,2. Embora os valores de CC sejam pequenos, consideração que o período de estudo
completo é de 49 anos e de 27 anos na fase fria, o nível de significância estatística excedeu
90%, indicando que existe uma relação entre o IAS e a precipitação observada.

Desvios da taxa de precipitação da fase fria e da fase quente da ODP com relação à média do
período 1948-2008, mostraram um decréscimo de precipitação de até 650 mm/ano na fase fria
e um acréscimo de precipitação de 900mm/ano predominantemente sobre os Estados do Pará,
Maranhão e Tocantins, sendo coerentes com desvios de ROLE que apresentaram maiores
perdas na fase fria e menores na fase quente. Os desvios de PNM também foram coerentes
com os desvios de Precipitação e ROLE, mostrando a atmosfera com maior pressão na fase
fria e menor na fase quente nas mesmas regiões.

Os desvios de PNM no período 1999-2009 mostraram que se o clima se comportar como na
última fase fria da ODP, a região de expansão de soja no Brasil, que é Tocantins, Sul do
Maranhão e Oeste do Piauí, podem passar por um período de chuvas abaixo na normal
enquanto perdurar a nova fase fria da ODP, ou seja, pelos próximos 20 anos.

Análises feitas com o IAS e a precipitação observada no Rio Grande do Sul, mostrou que os
maiores coeficientes de correlação foram obtidos no período 1948-2008 e a fase fria da ODP,
estando de acordo com os resultados obtidos com os dados da UDEL, cujos Valores de
coeficiente de correlação foram superiores a 0,2.

Para o Estado do Rio Grande do Sul, os El Niños e La Niñas se comportaram diferentemente
nas fases da ODP, sendo que os El Niños da fase quente foram mais intensos e provocaram
chuvas em geral no Estado, enquanto os El Niños da fase fria provocaram anomalias positivas
de precipitação a partir da metade do ano. Os La Niñas em geral provocaram secas no Rio
Grande do Sul, tanto na fase fria como na fase quente, exceto de julho a setembro da fase
quente, no oeste do Rio Grande do Sul, onde as anomalias de precipitação foram positivas.

Para o Rio Grande do Sul, o IAS mostrou-se um excelente previsor com até 5 meses de
antecedência, explicando 50% da variância das chuvas do Estado.

As análises feitas dos campos de TSM mostraram que a ODP já está em sua nova fase fria.
Não se sabe quais as causas da ODP e por quanto tempo a ODP irá durar em sua fase fria, mas
é possível que ela perdure por mais 15 a 20 anos, semelhante ao que ocorreu na fase fria
anterior, entre 1948-1976. Nessas circunstâncias, esperam-se maiores ocorrências de La Niña.
Uma das conseqüências seria o aumento de secas acentuadas no Rio Grande do Sul e uma
pequena redução das chuvas em todo o Brasil, com exceção do centro-leste amazônico.

Recomenda-se que o IAS seja aplicado a outras regiões do País com os dados observados,
com o objetivo de qualificar a variabilidade da precipitação, em particular durante a fase fria
da ODP (1947-1976), uma vez que a ODP entrou em uma nova fase fria a partir de 1999.
Recomenda-se, ainda, aplicar o IAS adiantado com os dados da UDEL para todos os períodos,
tanto de 1950-1998 como também para os períodos da fase fria e fase quente da ODP, com o
objetivo de assegurar se o IAS é um bom previsor, uma vez que as taxas de precipitação (Pt)
do conjunto de dados de Reanálise são resultantes de modelo numérico, que forçam a
consistência entre os dados de ROLE, obtidos por satélites, e os dados de PNM. Ou seja, os
dados de Pt são qualitativos, enquanto os da UDEL foram dados observados dispostos em
pontos de grade.

6 REFERÊNCIAS

ALVES, J. M. B., REPELLI, C. A. A variabilidade pluviométrica no setor norte do Nordeste
e os eventos E1 Niño-Oscilação Sul (ENOS). Rev. Bras. Meteorol., v.7, n02, p.583-92, 1992.
ARAGAO, J. O. R. Um estudo da estrutura das perturbações sinóticas do Nordeste do Brasil.
1975. 219 p. Dissertação (Mestrado em Meteorologia) - Instituto Nacional de Pesquisas
Espaciais, São José dos Campos. (INPE-789-TPT/017).
ARAGÃO, J. O. R., 1990, ‘Fatos sobre o fenômeno de El Niño e sua relação com as secas no
Nordeste do Brasil’ Boletim da Sociedade Brasileira de Meteorologia, 14(1), março 1990, 28.
BARROS, V., González, M., B. Libmann, Camilloni, I. Influence of the South Atlantic
Convergence Zone and South Atlantic sea surface temperature on interannual summer rainfall
variability in southeastern South America. Theor. Appl. Climatol., 67, 123-133, 2000.
BEZERRA, A.C.N. Aspectos da Circulação Atmosférica de grande escala sobre o Norte e
Nordeste do Brasil relacionado com a Temperatura da Superfície do Mar. 2006.
Dissertação (Mestrado em Meteorologia). Universidade Federal de Campina Grande,
Campina Grande.
CARTON, J. A.; Cao, X.; Giese, B. S.; da Silva, A. M. Decadal and interanual SST
variability in the tropical Atlantic Ocean, Journal of Physical Oceanography, v. 26, p.11651175, July 1996.
CAVALCANTI, A.S. Estudo de caso de precipitações anômalas do Nordeste brasileiro:
O evento de Fortaleza- Abril/ 2001. 2002. Dissertação (Mestrado em Meteorologia).
Universidade Federal de Alagoas. Maceió-AL.
DAUBECHIES, I.: Ten Lectures on Wavelets. SIAM, 357pp, 1992.
D’aleo, J. 2008. http://www.metsul.com/secoes/visualiza.php._texto=1020.

DEAN, G. A. The three-dimensional wind structure over South America and associated
rainfall over Brazil. São Jose dos Campos: INPE, 1971. 203 p. (INPE-164/LAFE).
DIAZ A. F.; STUDZINSKI, C. D.; MECHOSO, C. R. Relationships between precipitation
anomalies in Uruguay and Southern Brazil and sea surface temperature in the Pacific and
Atlantic oceans. J. Climate, v. 11, n. 2, p. 251-171, 1998.
ENFIELD, D. B.; Mayer D. A. Tropical Atlantic SST and its relation to El Niño-Southern
Oscillation. Journal of Geophysical Research, v. 102, n. C1, p. 929-945, Jan. 1997.
ENFIELD, D.B. et al. How ubiquitous is the dipole relationship in tropical Atlantic sea
surface temperatures? Journal of Geophysical Research, Washington, v. 104, n. C4, p.
7841-7848, 1999.
ESTOQUE, M. A., Douglas, M. Structure of the Intertropical Convergence Zone Over the
GATE area. Tellus, 30, 1, 55-61, 1978.
FEDOROVA, N. Meteorologia Sinótica. Publicada pela UFPEL, 2, p. 242, 2001.
FERREIRA, N. J., Sanches, M., Silva Dias, M. A. F. Composição da Zona de Convergência
do Atlântico Sul em períodos de El Niño e La Niña. Revista Brasileira de Meteorologia. 19,
1, 89-98, 2004.
FIGUEROA, S. N., Satyamurty, P. e Silva Dias, P. L.S. Simulations of the summer
circulation over the South American region with an ETA coordinate model. J. Atmos. Sci., 52,
1573-1584, 1995.
FONTANA, D. C.; ALMEIDA, T. S. Climatologia do número de dias de chuva com
precipitação pluvial no Estado do Rio Grande do Sul. Revista Brasileira de
Agrometeorologia, Santa Maria -RS ,v.10,n.1, p.135-145, 2002.
FONTANA, D. C;. BERLATO, M. A. Influência do El Niño Oscilação Sul sobre a
precipitação pluvial no Estado do Rio Grande do Sul. Revista Brasileira de
Agrometeorologia, Santa Maria -RS , v.5,n.1, p.127-132, 1997

FRANK, N.L. On the energetics of cold lows. In: Symposium on Tropical Meteorology, 1.,
1970, São José dos Campos. Proceending... São José dos Campos: American Meteorological
Society. p.EIV1-EIV6. 1970.
GAN, M.A. Um estudo observacional sobre as baixas frias da alta troposfera nas
latitudes subtropicais do Atlântico Sul e Leste do Brasil. 1982. 80 p. (INPE -2685TDL/126). Dissertação (Mestrado em Meteorologia) – Instituto Nacional de Pesquisas
Espaciais, São José dos Campos, 1983.
GAN, M. A.; KOUSKY, V. E. Vórtices ciclônicos da alta troposfera no Oceano Atlântico
Sul. Revista Brasileira de Meteorologia, v. 1, n. 1, p. 19-28, 1986. INPE-3330-PRE/627.
GAN, M. A.; RAO, V. B. Surface cyclogenesis over South America. Mon. Weather Rev., v.
110, p. 1293-1302, 1991.
GRIMM, A. M. et al. Precipitation anomalies in Southern Brazil associated with El Niño and
La Niña events. Journal of Climate, Boston, v.11, n.11, p. 2863-2880, 1998.
GRIMM, A. M. et al. Climate variability in Southern South America associated with El Niño
and La Niña events. Journal of Climate, Boston, v.13, n.1, p. 35-58, 2000.
HASTENRATH, S.; CASTRO, L.C.; ACEITUNO, P. The Southern Oscillation in the Tropical
Atlantic sector. Contrib. Atmos. Phys., v.60, p. 447-463, 1987.
HASTENRATH, S. Interannual variability and annual cycle: mechanisms of circulation and
climate in the Tropical Atlantic. Monthly Weather Review, v.112, p. 1097-1107, 1984.
HASTENRATH, S.; HELLER, L. Dynamics of climate hazards in Northeast Brazil. J. Royal
Meteorologic Sociedade, v.103, p. 77-92, 1977.

HASTENRATH, S.E. Climate and Circulation of the Tropics. Atmospheric Sciences
Library. Published by D. Reidel Publishing Company,. 455 p, 1985.
HASTENRATH, S. Variations in Low-latitude circulation and climatic events in the Tropical
Americas. Journal of the atmospheric sciences, v.33, p.202-215, 1975.

100

HASTENRATH, S. Dipoles, temperature gradients, and tropical climate anomalies. Bulletin
of American Meteorological Society, Boston, v. 3, n. 5, p. 735-738, 2002.
HENRIQUE, D. Um susto com data marcada. Revista Superinteressante, Ano 7, n.3, 1993.
KOUSKY, V. E.; GAN, M. A. Upper tropospheric cyclonic vortices the tropical South
Atlantic. Tellus, v. 33, n. 6, p. 538-551, Nov. 1981. INPE-1946-RPE/263.
KOUSKY, V.E.; FERREIRA, N.J. Interdiurnal Surface Pressure Variations in Brazil: Their
Spatial Distributions ,Origins And Effects. Monthly Weather Review V 109, p 1999 a 2008.
1981.
KOUSKY, V.E.; KAYANO, M.T.; CAVALCANTI, I.F.A. A review of the Southern
Oscillation: Oceanic-atmospheric circulation changes and related rainfall anomalies. Tellus, v.
36, n. 5, 490-504,Oct. 1984.
KOUSKY, V.E. Frontal Influences on Northeast Brazil. Monthly Weather Review, v. 107,
n. 9, p 1140 – 1153. 1979.
LAU, K.M.; WENG, H. Climate Signal Detection Using Wavelet Transform: How to make a
Time Series Sing. Bull. Amer. Meteor. Soc., v.76, n.12, p.2391-2402, 1995.
LEMOS, C.F.; CALBETE, N.O. Sistemas Frontais que Atuaram no Litoral de 1987 a 1995.
Climanálise ed 10 anos. 1996.
LIMA, M. C. Variabilidade da precipitação no litoral leste da Região Nordeste do Brasil. São
José dos Campos, 1991. 222p. Dissertação (Mestrado em Meteorologia) - Instituto Nacional
de Pesquisas Espaciais - INPE.
MANTUA, N.J.; HARE, S.R.; ZHANG Y.; WALLACE, J.M.; FRANCIS R.C. A Pacific
interdecadal climate oscillation with impacts on salmon production. Bull. Am Meteorol. Soc.
78, 1069-1079, 1997.
MENDES, D., Castro, C. A. C., Camargo JR., H., Sanches, M. B., de Calbete, N. O.
Monitoramento da Zona de Convergência Intertropical (ZCIT) através de dados de
temperatura de brilho e radiação de onda longa (ROL). In: Anais do IX Congresso Latino-

101

americano e Ibérico de Meteorologia e VIII Congresso Argentino de Meteorologia,
Buenos Aires, 2001.
MENDES, D., Veiga, J. A. P., de Moura, R. G., Gondim, M. A., Ceballos, J. Monitoramento
da Zona de Convergência Intertropical (ZCIT) através de dados de temperatura de brilho.In:
Anais do XI Congresso Brasileiro de Meteorologia, Rio de Janeiro. 3897-3901, 2000.
MOLION. L. C. B. e Bernardo, S. O. Uma revisão da dinâmica das chuvas no Nordeste
Brasileiro. Revista Brasileira de meteorologia, 17, 1, 1-10, 2002.
MOLION. L. C. B., Bernardo. S. O., Oliveira. C. P., Variabilidade da Circulação de grande
escala sobre o Atlântico Subtropical. In: Anais do XIII Congresso Brasileiro de
Meteorologia, Fortaleza, 2004.
MOLION, L. C. B.. Perspectivas climáticas para os próximos 20 anos. Revista brasileira de
climatologia, v. 3/4, p. 117-128, 2008.
MOLION, L.C.B. Aquecimento global, El Niños, Manchas Solares, Vulcões e Oscilação
Decadal

Pacífico,

Climanalise,

agosto,

CPTEC/INPE,

2005.

Disponível

<http://www.cptec.inpe.br/products/climanalise/artigos/molion0805.pdf>. Acesso em: 19 out.
2009.
MOURA, A.D.; SHUKLA, J. On the dynamics of the droughts in Northeast Brazil: Observations,
theory and numerical experiments with a general circulations model. Journal of the
Atmospheric Science, v.38, n.12, p. 2653-2673, 1981.

NEELIN, J.D.; BATTISTI, D.S.; HIRST, A.C.; JIN, F.F; WAKATA, Y.; YAMAGATA, T.;
AND ZEBIAK, S.E. ENSO. Theory. J. Geophys. Res., 103, 14 261–14 290. 1998.
NERY, J. T. Estudio Climático de la precipitación del Brasi meridional associado com
fenómeno extrarregionales. Buenos Aires. 140 p. Tese (Doutorado em Meteorologia)
Universidade de Buenos Aires, Argentina, 1996.
NOBRE, C.A., 1988: Ainda sobre a Zona de Convergência do Atlântico Sul: A importância
do Oceano Atlântico. Climanálise, 3(4), 30-33.

102

OLIVEIRA, A. S. Interações entre sistemas frontais na América do Sul e a convecção na
Amazônia. São José dos Campos: INPE-4008-TDL/239, 1986. 115p. Dissertação. (Mestrado
em Meteorologia).
Chang, P.; Ji, L.; Li, H. A decadal climate variation in the tropical Atlantic Ocean from
thermodynamic air-sea interactions. Nature, v. 385, p. 516-518, Feb. 1997.
PAEGLE, J. Interactions Between Convective and Large-Scale Motions Over Amazonia. In:
THE GEOPHYSIOLOGY OF AMAZONIA, cap. 17, p. 345-387. 1987.
PALMÉN, E. Origin and Structure of High-Level Cyclone South of the Maximum Westerlies.
Tellus, 1:22-31, 1949.
PALMER, C.E. On high-level cyclones originating in the tropics. Transactions of
American Geophysics Union, 32 (5): 683-695, Oct. 1951.
PARMENTER, F. C. A Southern Hemisphere cold front passage at the equator. Bulletin
American Meteorology Societ, v.57, p. 1435-1440. 1976.
PHILANDER, S.G.H. El Niño, La Niña, and the Southern Oscillation, Academic Press,
San Diego, CA. 1990.
QUADRO, M.F.L.; MACHADO, L. H. R.; CALBETE, S.; BATISTA, N. N. M.; Sampaio, G.
Climatologia de Precipitação e Temperatura. Climanálise, Edição comemorativa 10 anos,
1996.

(INPE-10717-PRE/6178).

Disponível

<http://tucupi.cptec.inpe.br/products/climanalise/cliesp10a/chuesp.html>.

em:
Acesso

em:

junho/2008.
RAMIREZ, M.C.V. Padrões climáticos dos vórtices ciclônicos de altos níveis no Nordeste
do Brasil. 1996. Dissertação (Mestrado em Meteorologia) – Instituto Nacional de Pesquisas
Espaciais, São José dos Campos, 1996.
RAO, V.B.; CHAPA, S.R.; FRANCHITO, S.H. Variação Decadal da Interação OceanoAtmosfera no Atlântico Tropical e a relação para a Precipitação do NEB. Journal of the
Meteorological Society of Japan, Vol. 77, n. 1, p. 63-75. 1999.

103

RAO, V. B.; BONATTI, J. P. On the Origin of Upper Tropospheric Cyclonic Vortices in the
South Atlantic Ocean and Adjoining Brazil during the Summer. Meteorology and
Atmospheric Physic, 37(1):11-16,1987.
RAO, V.B.; HADA, K. Characteristics of Rainfall over Brazil: Annual Variations and
Connections with the Sourthern Oscillations. Theor. Appl.Climatol., v. 42, p. 81-91, 1990.
RASMUSSON, F.M.; CARPENTER, T.H. Variations in tropical sea surface temperature and
surface wind fields associated with the Southern Oscillation/El Niño. Monthly Weather
Review, v.110, n.5, p.354384. 1982.
ROPELEWSKI, C.F.; HALPERT, M.S. Global and Regional Scale Precipitation Patterns
Associated with the El Niño/Southern Oscillation. Monthly Weather Review, v. 115, n. 8, p.
1606-1626, Aug. 1987.
SARAVANAN, R.; Chang, P. Interaction between tropical Atlantic variability and El NiñoSouthern Oscillation. Journal of Climate, v. 13, n. 13, p. 2177-2194, July 2000.
SERVAIN, J. et al A pilot research moored array in the tropical Atlantic (PIRATA). Bulletin
of American Meteorological Society, Boston, v. 79, n. 10, p. 2019- 2031,1982.
SOUZA, B. de S. Variabilidade pluviométrica intrasazonal sobre a Amazônia oriental e
nordeste brasileiro durante o outono austral: mecanismos atmosféricos de baixa e alta
freqüência. Tese de Doutorado em Meteorologia. Universidade de São Paulo – Instituto de
Astronomia, Geofísica e Ciência Atmosféricas – Departamento de Ciências Atmosféricas. São
Paulo, 2003.
TOURRE, Y. M.; RAJAGOPALAN, B.; KUSHNIR, Y. Dominant patterns of climate
variability in the Atlantic ocean region during the last 136 years. J. Climate, v. 12, n. 8, p.
2285-2299, 1999.
TORRENCE, C.; COMPO, G.P. A pratical guide to wavelet analysis. Bull. Amer. Met.
Soc. 1998. 79(1): 61-78.
UVO, Cíntia Bertacchi. Influence of Sea Surface Temperature on Rainfall and Runnoff in
Northeastern South Americ: Analysis and Modeling. 1998. Tese (Doutorado em

104

Meteorologia) - Universidade Lund, Sweden, Departamento de Engenharia de Recursos de
Água, 1998.
VENEGAS, S. A.; MYSAK, L. A.; STRAUB, D. N. Evidence for interanual and interdecadal
climate variability in the South Atlantic. Geophys. Res. Letters, v. 23, p. 2673-2676, 1996.
WOLTER, K. M.S. TIMLIN, 1998. Measuring the strength of ENSO - how does 1997/98
rank?Weather, 53, 315-324.
ZEBIAK, S.E. Air-sea interactions in the equatorial Atlantic region. Journal of Climate,
Boston, v. 6, n. 8, p. 1567-1586, 1993.