FLÁVIA SANTOS (2024)

Dissertação Flávia de França de mestrado (1).pdf
Documento PDF (1.6MB)

UNIVERSIDADE FEDERAL DE ALAGOAS - UFAL
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS - ICAT
PROGRAMA DE PÓS-GRADUAÇÃO EM METEOROLOGIA - PPGMET

FLÁVIA DE FRANÇA SANTOS

TENDÊNCIAS DE ONDAS DE CALOR E SECAS NO NORDESTE DO BRASIL
E SEUS IMPACTOS NA PRODUÇÃO DE CANA-DE-AÇÚCAR, MILHO E
SOJA.

MACEIÓ – AL
2024

FLÁVIA DE FRANÇA SANTOS

TENDÊNCIAS DE ONDAS DE CALOR E SECAS NO NORDESTE DO BRASIL
E SEUS IMPACTOS NA AGRICULTURA DA CANA-DE-AÇÚCAR, MILHO E
SOJA.

Trabalho de Dissertação apresentado como requisito
para obtenção de aprovação no Mestrado
Acadêmico do Programa de Pós-Graduação em
Meteorologia,
do
Instituto
de
Ciências
Atmosféricas, da Universidade Federal de Alagoas.
Orientador: Professor Dra. Helber Barros Gomes
Co-orientadora: Professora Dr. Maria Cristina
Lemos da Silva.

MACEIÓ – AL
2024

Catalogação na fonte Universidade
Federal de AlagoasBiblioteca
Central
Divisão de Tratamento Técnico
Bibliotecária: Helena Cristina Pimentel do Vale – CRB4 - 661

S237t

Santos, Flávia de França.
Tendências de ondas de calor e secas no Nordeste do Brasil e seus impactos na
agricultura da cana-de-açúcar, milho e soja / Flávia de França Santos. – 2024.
75 f.: il.

Orientador: Helber Barros Gomes.
Coorientadora: Maria Cristina Lemos da Silva.
Dissertação (Mestrado em Meteorologia) – Universidade Federal de Alagoas,
Instituto de Ciências Atmosféricas. Programa de Pós-Graduação em Meteorologia,
Maceió, 2024.

CDU: 551.5(812/813)

UNIVERSIDADE FEDERAL DE ALAGOAS
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
COORDENAÇÃO DE PÓS-GRADUAÇÃO EM METEOROLOGIA

CERTIFICADO DE APRESENTAÇÃO

N.º de ordem: MET-UFAL-MS-207.
“TENDÊNCIAS DE ONDAS DE CALOR E SECAS NO NORDESTE DO BRASIL E
SEUS IMPACTOS NA PRODUÇÃO DE CANA-DE-AÇÚCAR, MILHO E SOJA.”

FLÁVIA DE FRANÇA SANTOS
Dissertação submetida ao colegiado do Curso de
Pós-Graduação em Meteorologia da Universidade
Federal de Alagoas - UFAL, como parte dos
requisitos necessários à obtenção do grau de
Mestre em Meteorologia.

Aprovado pela Banca Examinadora composta por:

Prof. Dr. Helber Barros Gomes
(Orientador)

Profa. Dra. Maria Cristina Lemos da Silva
(Coorientadora)

Prof. Dr. Fabrício Daniel dos Santos Silva
(Membro Interno)

Profa. Dra. Ana Caroline de Melo Bastos Morais
(Membro Externo)

OUTUBRO/2024

Dedico
A Deus, aos meus irmãos Flávio e
Fernanda, aos meus pais José e Maria
que sempre foram a minha maior
referência e onde tive o apoio necessário.

AGRADECIMENTOS

É com imensa gratidão e emoção que expresso meus sinceros
agradecimentos a todos que contribuíram para a realização desta dissertação de mestrado.
Cada um de vocês desempenhou um papel fundamental no meu percurso acadêmico e na
concretização deste trabalho.
Aos meus amados pais, Maria Vanuza e José Severino, dedico este
momento de conquista. Vocês foram a base sólida que sustentou cada desafio,
incentivando-me a persistir nos momentos mais difíceis. Seu amor incondicional é a força
motriz por trás de todas as minhas realizações.
Célia, sua amizade e apoio foram uma fonte constante de inspiração. Suas
palavras encorajadoras e perspicazes foram um guia valioso ao longo desta jornada, e por
isso, expresso minha profunda gratidão.
Aos professores Helber e Cristina, minha gratidão pela orientação cuidadosa
e pelo conhecimento partilhado. Suas orientações e conselhos foram cruciais para o
desenvolvimento desta dissertação. Agradeço por dedicarem seu tempo e expertise para
moldar meu trabalho e enriquecer minha jornada acadêmica.
Este momento não seria possível sem o apoio de cada um de vocês. Saibam
que levarei para sempre em meu coração a contribuição valiosa que deram ao meu
crescimento profissional e pessoal.

Muito obrigado a todos.

Com sincera gratidão,

Flávia França.

Mas graças a Deus que sempre nos conduz vitoriosamente em Cristo e por nosso
intermédio difunde em todo lugar a fragrância do seu conhecimento.
2 Coríntios 2:14

RESUMO
As mudanças climáticas têm impacto direto na vida cotidiana global, afetando aspectos
econômicos e sociais. As ondas de calor e os eventos de seca afetam significativamente
a produção agrícola em diversas regiões do mundo. No Nordeste do Brasil, uma região
historicamente marcada por variabilidades climáticas extremas, esses eventos têm um
impacto particularmente severo, impactando o cultivo de cana-de-açúcar, milho e soja, e
diversas outras culturas de importância alimentícia e econômica. O objetivo principal
desta pesquisa foi avaliar a tendência de queda na produção associando essas variações
às condições climáticas locais, especialmente à escassez de chuva. A metodologia
empregada baseou-se na análise de valores do SPI quanto ao número e frequência dos
eventos de seca. Foi analisada as séries temporais de produção agrícola desses estados.
Modelos de regressão quadrática foram aplicados para identificar tendências de produção
ao longo do tempo e correlacioná-las com dados pluviométricos regionais. O coeficiente
de determinação (R²) foi utilizado para quantificar a variação explicada pelos modelos,
considerando tanto os fatores climáticos quanto as práticas agrícolas adotadas. Com os
resultados indicam períodos de extrema seca para todas as regiões estudadas. Com
aumento da escala temporal ocorreu a minimização de eventos de seca identificados pelo
SPI. Dessa forma houve uma tendência de declínio na produção nos estados analisados.
Estes resultados evidenciam que a produção agrícola no Nordeste brasileiro é altamente
vulnerável às variações climáticas, particularmente à disponibilidade de água. A prática
de irrigação aparece como um elemento essencial para manter a produtividade, reduzindo
as perdas de safra e garantindo a sustentabilidade das atividades agrícolas na região,
mitigar os impactos das secas e assegurar a viabilidade da produção agrícola a longo
prazo. Conclui-se que, na região Nordeste do Brasil, as secas e ondas de calor prejudicam
significativamente o setor agrícola, causando perdas consideráveis. Diante desses
desafios, torna-se fundamental a adoção de práticas de manejo de água e o uso de
tecnologias avançadas de irrigação para garantir a resiliência e a sustentabilidade da
produção agrícola.

Palavras-chave: Mudanças Climáticas, Seca Agrícola, Produtividade.

ABSTRACT
Climate change has a direct impact on daily life worldwide, affecting economic and social
aspects. Heat waves and drought events significantly affect agricultural production in
several regions of the world. In Northeastern Brazil, a region historically marked by
extreme climate variability, these events have a particularly severe impact, impacting the
cultivation of sugarcane, corn, and soybeans, among several other crops of food and
economic importance. The main objective of this research was to evaluate the downward
trend in production by associating these variations with local climate conditions,
especially with the lack of rainfall. The methodology used was based on the analysis of
SPI values regarding the number and frequency of drought events. The time series of
agricultural production in these states were analyzed. Quadratic regression models were
applied to identify production trends over time and correlate them with regional rainfall
data. The coefficient of determination (R²) was used to quantify the variation explained
by the models, considering both climate factors and the agricultural practices adopted.
The results indicate periods of extreme drought for all regions studied. As the time scale
increased, the number of drought events identified by the SPI decreased. Thus, there was
a tendency for production to decline in the states analyzed. These results show that
agricultural production in the Brazilian Northeast is highly vulnerable to climate
variations, particularly to water availability. Irrigation practices appear to be an essential
element for maintaining productivity, reducing crop losses and ensuring the sustainability
of agricultural activities in the region, mitigating the impacts of droughts and ensuring
the viability of agricultural production in the long term. It is concluded that, in the
Northeast region of Brazil, droughts and heat waves significantly harm the agricultural
sector, causing considerable losses. Given these challenges, it is essential to adopt water
management practices and use advanced irrigation technologies to ensure the resilience
and sustainability of agricultural production.

Keywords: Climate Change, Agricultural Drought, Productivity.

LISTA DE FIGURAS
Figura 1. Região Nordeste do Brasil e suas coordenadas geográficas. ......................... 31
Figura 2. Esquema conceitual do modelo baseado nas diferenças entre a produção
observada e estimada pela curva de tendência tecnológica. ........................................... 36
Figura 3. Análise de índices de secas de 1985 a 2015 para os noves estados do Brasil em
SPI-1. .............................................................................................................................. 44
Figura 4. Análise de índices de secas de 1985 a 2015 para os noves estados do Brasil em
SPI-12. ............................................................................................................................ 45
Figura 5. Distribuição temporal do SPI para o período de 1985 a 2015 do Nordeste do
Brasil............................................................................................................................... 46
Figura 6. Distribuição temporal do SPI para o período de 1985 a 2015 em Pernambuco,
Brasil............................................................................................................................... 47
Figura 7. Evolução média de áreas colhidas dos noves estados do Nordeste do Brasil no
período de 1990 – 2022. ................................................................................................. 51
Figura 8. Gráfico de produção média de cana-de-açúcar (t) nos nove estados do Nordeste
do Brasil.......................................................................................................................... 56
Figura 9. Gráfico de produção média de milho-em-grão (t) nos nove estados do Nordeste
do Brasil.......................................................................................................................... 56
Figura 10. Gráfico de tendências de produtividade milho de Pernambuco demostrando a
tendência da queda na produção agrícola. ...................................................................... 58
Figura 11. Gráfico de tendências de produtividade milho no Piauí, demostrando a
tendência da queda na produção agrícola. ...................................................................... 59
Figura 12. Gráfico de tendências de produtividade da cana-de-açúcar de Alagoas,
demostrando a tendência da queda na produção agrícola............................................... 60
Figura 13.Gráfico de tendências de produtividade milho em Alagoas, demostrando a
tendência da queda na produção agrícola. ...................................................................... 60
Figura 14. Gráfico de tendência na queda da produção agrícola para a cana-de-açúcar
para o estado do Ceará. ................................................................................................... 62
Figura 15. Gráfico de tendência da produção agrícola para milho no estado do Ceará. 62
Figura 16. Gráfico de tendência no aumento da produção agrícola para a cana-de-açúcar
para o estado do Sergipe. ................................................................................................ 64

Figura 17. Gráfico de tendência no aumento da produção agrícola para a cana-de-açúcar
para o estado do Rio Grande do Norte. .......................................................................... 65
Figura 18. Gráfico de tendência no aumento da produção agrícola para soja para o estado
do Maranhão. .................................................................................................................. 65

LISTA DE TABELAS
Tabela 1. Classificação climática quanto ao índice de SPI. .......................................... 34
Tabela 2. Característica das ondas de calor observadas no estado de Alagoas ............. 38
Tabela 3.Características das ondas de calor observadas no estado do Ceará. ............... 38
Tabela 4.Características das ondas de calor observadas no estado da Paraíba. ............. 39
Tabela 5.Características das ondas de calor observadas no estado de Sergipe. ............ 40
Tabela 6. Características das ondas de calor observadas no estado de Bahia. .............. 40
Tabela 7.Características das ondas de calor observadas no estado de Rio Grande do
Norte. .............................................................................................................................. 41
Tabela 8. Características das ondas de calor observadas no estado do Maranhão. ....... 41
Tabela 9. Características das ondas de calor observadas no estado de Pernambuco. .... 42
Tabela 10. Características das ondas de calor observadas no estado de Piauí. ............. 42
Tabela 11. Matriz de correlação pelo método de Pearson para produção de cana-deaçúcar entre todos os estados da região Nordeste do Brasil ........................................... 49
Tabela 12. Matriz de correlação pelo método de Pearson para produção de milho-emgrãos entre todos os estados da região Nordeste do Brasil. ............................................ 50
Tabela 13. Índice médio de perdas agrícolas (%) das culturas sobre o Nordeste e eventos
climáticos. ....................................................................................................................... 52
Tabela 14. Índice de perdas agrícolas média (%) das culturas no Nordeste e eventos
climáticos. ....................................................................................................................... 53

LISTA DE EQUAÇÕES

Equação 1. Função densidade e probabilidade gamma. .. Erro! Indicador não definido.

LISTA DE ABREVIATURAS E SIGLAS

Alta da Bolívia

Aquecimento Global

ANA

Agência Nacional de Águas

DOL

Distúrbios Ondulatórios de Leste

ENOS El

Niño-Oscilação Sul

IBGE

Instituto Brasileiro de Geografia e Estatística

INMET

Instituto Nacional de Meteorologia

INPE

Instituto Nacional de Pesquisas Espaciais

IPCC

Intergovernmental Panel on Climate Chance

Mudanças Climáticas

Nordeste

NEB

Nordeste brasileiro

Ondas de calor

ODP

Oscilação Decadal do Pacífico

OMM

Organização Mundial de Meteorologia

PAM

Produção Agrícola Municipal

PNM

Pressão ao Nível do Mar

Sertão Nordestino

Seca fraca

SPI

Standardized Precipitation Index

TSM

Temperatura da Superfície do Mar

Tendência Tecnológica

VCAN

Vórtices Ciclônicos de Altos Níveis

ZCIT

Zona de Convergência Intertropical

SUMÁRIO

INTRODUÇÃO .................................................................................................17

JUSTIFICATIVA ..............................................................................................18

OBJETIVOS ......................................................................................................19
3.1. Objetivo Geral .....................................................................................................19
3.2. Objetivos específicos ...........................................................................................19

REVISÃO BIBLIOGRÁFICA .........................................................................20
4.1. Climatologia da Região Nordeste. .....................................................................20
4.2. Conceito de Seca..................................................................................................21
4.3. Sistemas de variabilidade climática que intensificam a Seca no Nordeste. ...22
4.4. Secas no Nordeste................................................................................................23
4.5. Ondas de calor.....................................................................................................24
4.6. Tendências observadas de ondas de calor. .......................................................25
4.7. Impactos de Onda de calor na agricultura. ......................................................26
4.8. Impactos na produção de Cana-de-Açúcar, Milho e Soja. .............................29

MATERIAIS E MÉTODOS ..............................................................................31
5.1. Área de estudo .....................................................................................................31
5.2. Dados ....................................................................................................................31
5.3. Análise e identificação de ondas de calor..........................................................32
5.4. Índice de Seca ......................................................................................................33
5.5. Estatística Descritiva ..........................................................................................35
5.6. Análise da evolução da produtividade das agriculturas .................................35
5.7. Análise de correlação pelo método de Pearson. ...............................................36
5.8. Perdas de Produção Agrícola ............................................................................37

RESULTADO E DISCUSSÃO..........................................................................37

6.1. Tendências de Ondas de Calor e Impactos na Produção Agrícola. ...................37
6.2. Ídice de precipitação padronizada ........................................................................43
6.3. Correlação da produção de cana-de-açúcar, milho e soja entre todos os estados
da região Nordeste do Brasil ........................................................................................48
6.4. Perdas de Produção Agrícola devido a seca. ........................................................52
6.5. Estimativa de produção ao longo do tempo e tendências de ganhos e perdas. .57
7. CONCLUSÕES..........................................................................................................66
8 REFERÊNCIAS .........................................................................................................67

1. INTRODUÇÃO
A escassez de água é uma característica de diversos ambientes do planeta,
resultante de fatores naturais e antrópica. Entre os fatores naturais que contribuem para
essa escassez estão as mudanças climáticas, que ocorrem de forma frequente e acelerada
em escala global. Prospecções científicas Brown et al. (2000) e Freitas & Santos, 1999,
indicam que a agricultura será afetada negativamente por essas mudanças, especialmente
devido ao aumento de secas e ondas de calor em nível global.
Estudos realizados em várias regiões do mundo, inclusive no Brasil, mostram
que o aumento das temperaturas mínimas e máximas desde a década de 1960 tem
prejudicado significativamente a sociedade (MARENGO; CAMARGO, 2008; SKANSI
et al., 2013; SOARES et al., 2017). Entre 2013 e 2016, cerca de 48 milhões de pessoas
foram afetadas pela seca e pela estiagem, sendo que 83% desses indivíduos residem na
região Nordeste do Brasil (NEB), segundo a Agência Nacional de Águas e Saneamento
Básico (ANA), 2017.
A seca é um fenômeno complexo, podendo ser desencadeada por diversos
mecanismos ou fatores contribuintes, como déficits de precipitação e aumento de
temperatura e evapotranspiração (KIEM et al., 2016). Uma das principais dificuldades no
estudo da seca é a ausência de uma definição precisa e universalmente aceita. Dado que
há inúmeras definições em uso, a presença e a intensidade da seca precisam ser avaliadas
regionalmente, levando em conta as características climáticas e os impactos resultantes
do período de estiagem (WMO, 2006).
Os impactos causados pelo aumento das secas são visíveis em todo o mundo,
incluindo o Brasil. Esses impactos afetam usinas de energia, a saúde dos ecossistemas,
risco de incêndios florestais e prejudicam setores produtivos como a agricultura. Além
dos eventos de secas, têm as ondas de calor (OC), cuja frequência tem aumentado desde
o final do século XIX. As chamadas 'ondas de calor' tornaram-se mais evidentes a partir
do século XXI, ocorrendo com maior intensidade e frequência, e estabelecendo novos
recordes em temperaturas altas e duração (GEIRINHAS et al., 2018).
No Brasil, culturas como a cana-de-açúcar, milho e soja enfrentam o risco
de drásticas reduções devido ao aquecimento global. A expansão da cultura da cana
ocorreu no NEB durante o período de 1970 a 1975, impulsionada pelo programa do álcool

(Proálcool), especialmente nos tabuleiros costeiros, uma vez que essa região é favorecida
por chuvas em determinadas épocas do ano. No entanto, nos últimos anos, a má
distribuição e a redução dos volumes de chuva têm sido frequentes na região, causando
danos à cultura, como a mortalidade de brotos de cana-de-açúcar, o que força uma
renovação prematura dos canaviais. A região do NEB também não tem sido favorável
para as culturas de milho e soja devido às suas altas temperaturas.
Os eventos climáticos extremos podem afetar diversos aspectos relacionados
à produção de alimentos. O aumento nos custos de produção visa compensar as perdas
resultantes desses impactos, enquanto o encarecimento dos alimentos decorre de sua
menor disponibilidade para a população, representando uma preocupação para as famílias
mais vulneráveis do país. Dessa forma, a intensificação das perdas agrícolas devido às
mudanças climáticas pode potencializar os custos e os preços dos alimentos.
Torna-se crucial realizar uma análise dos principais fatores que conectam a
produção agropecuária brasileira aos eventos climáticos extremos, com o objetivo de
desenvolver medidas para minimizar as perdas de safras e, consequentemente, os
impactos na disponibilidade e no acesso aos alimentos pela população.
2. JUSTIFICATIVA
À medida que as temperaturas globais médias aumentam, também aumenta
a probabilidade de anomalias mais extremas de temperatura quente, resultando em OC
(DOSIO et al., 2018). A região NEB é profundamente impactada, tanto econômica quanto
socialmente, por eventos naturais, especialmente as secas. Esses eventos resultam em
impactos conhecidos, como déficit hídrico, aumento das ondas de calor e efeitos diretos
na agricultura (MARENGO; CAMARGO, 2008).
A inserção de um estudo sobre ocorrências e tendências de OC e seca é de
suma importância devido aos impactos significativos que esses fenômenos climáticos
podem ter na produção agrícola, especialmente nas culturas de cana-de-açúcar, milho e
soja.
No caso da cana-de-açúcar, essas condições climáticas adversas podem
reduzir o teor de sacarose, afetando tanto a qualidade quanto a quantidade da produção
de açúcar e etanol. Além disso, a seca pode comprometer o sistema radicular da cana-deaçúcar, tornando-a mais suscetível a doenças e pragas.

Para o milho e a soja, culturas de grande importância econômica no Brasil,
as OC e a seca podem afetar diretamente o desenvolvimento das plantas durante períodos
críticos, como o florescimento e o enchimento de grãos, reduzindo assim o rendimento e
a qualidade dos produtos (THORNTON et al., 2009).
Portanto, a realização de um estudo detalhado sobre as ocorrências e
tendências de ondas de calor e secas é crucial não apenas para compreender os impactos
negativos desses eventos climáticos na produção de culturas-chave, como cana-deaçúcar, milho e soja, mas também para fornecer subsídios fundamentais ao
desenvolvimento de práticas agrícolas mais eficazes. Esse estudo é essencial para orientar
produtores e gestores na adoção de técnicas que possam minimizar os efeitos adversos
das mudanças climáticas, além de contribuir para a formulação de estratégias de
adaptação e mitigação. Ao garantir maior resiliência do setor agrícola, essas ações são
vitais para proteger a segurança alimentar e promover a sustentabilidade frente aos
desafios impostos pelas mudanças climáticas.
Neste contexto, é relevante uma análise de tendências de OC e secas em
áreas do NEB, considerando que os processos de desertificação, especialmente em áreas
de clima semiárido, geram graves consequências para a agricultura e afetam diretamente
a disponibilidade de água, prejudicando também a saúde da população. Sendo assim, esse
tema é de grande importância, pois visa demonstrar os problemas decorrentes das
alterações climáticas e seus impactos diretos sobre a agricultura.
3. OBJETIVOS
3.1. Objetivo Geral
•

O objetivo geral desta pesquisa é identificar e quantificar as tendências de
ocorrências de ondas de calor e secas sobre a Região Nordeste do Brasil e seus
impactos na produção agrícola das culturas de cana-de-açúcar, milho e soja,
durante o período de 1961 a 2022.

3.2. Objetivos específicos
•

Analisar a tendência da precipitação total anual da Região Nordeste do Brasil
entre os anos de 1961 a 2022;

•

Testar a capacidade de índices na caracterização da seca e avaliar se condiz com
os impactos observados no mesmo período para o desenvolvimento agrícola;

•

Analisar a tendência de distribuição dos dias secos consecutivos visando
identificar e caracterizar ondas de calor e seus impactos na produção agrícola;

•

Analisar séries históricas de produção anual da agricultura do Nordeste
correlacionando-as com os dados climatológicos observados nas culturas da canade-açúcar, milho e soja.

4. REVISÃO BIBLIOGRÁFICA

4.1. Climatologia da Região Nordeste.
O clima das regiões ao redor do mundo é amplamente determinado pela
circulação da atmosfera, isso se deve ao aquecimento desproporcional da Terra pela
radiação solar, pela distribuição assimétrica dos oceanos e continentes e pelas
características topográficas dos continentes (MENDONÇA; DANNI-OLIVEIRA, 2017).
Os padrões de circulação da atmosfera redistribuem calor, umidade e quantidade de
movimentos globalmente (CINTRA, 2010). Entretanto, essa redistribuição é desigual
com temperaturas e precipitações fora do normal, que têm grandes impactos sobre a
atividade humana, afetando saúde e setores econômicos (BMAC, 1986).
O NEB apresenta predominantemente um clima semiárido, caracterizado por
solos rasos e pedregosos, baixos índices pluviométricos, alta taxa de evapotranspiração e
relevo variável (ARAÚJO, 2011), que vem se intensificando com o aquecimento global.
Contém suas regiões fortemente influenciada por anomalias de temperatura da superfície
do Mar (ATSM), especialmente pelo dipolo do Oceano Atlântico (MOURA; SHUKLA,
1981) e El Niño (ROUCOU et al. 1996).
Segundo Uvo e Berndtsson (1996), cinco fenômenos são responsáveis pelo
regime de chuva do NEB: 1) Eventos El Niño-Oscilação Sul (ENOS); 2) Temperatura da
Superfície do Mar (TSM) na bacia do oceano Atlântico, Ventos Alísios, Pressão ao Nível
do Mar (PNM); 3) Zona de Convergência Intertropical (ZCIT); 4) Frentes Frias e 5)
Vórtices Ciclônicos de Altos Níveis (VCAN). Além deste, os Distúrbios Ondulatórios de
Leste (DOL) foram identificados atuando entre os meses de abril a agosto (NEVES;
ALCÂNTRA; SOUZA, 2016; GOMES et al., 2019).
A região é frequentemente afetada por secas, resultando em perdas parciais
ou totais na agricultura. Essas secas são causadas, principalmente pela irregularidade da
estação chuvosa, com chuvas fortes e de curta duração (BRITO et al., 2018). Estudos de
Silva (2004), Sousa Júnior (2006) e Brito et al. (2018) demonstram que a região tem

sofrido intensas mudanças climáticas, caracterizadas por longos períodos de estiagem.
Como resultado, a agricultura não irrigada no semiárido brasileiro tornou-se uma
atividade marginal.
Normalmente, a temperatura média anual do NEB fica entre 20ºC e 28ºC, mas
em alguns estados, como Piauí e Maranhão, pode chegar a 40ºC. No sertão nordestino, a
temperatura também é elevada e o clima é seco. A precipitação é bastante regular nesta
região, com duração média de dois meses por ano (INMET, 2023).

4.2. Conceito de Seca.
A seca é um fenômeno natural recorrente que ocorre em todos os regimes
climáticos (ZHAO et al., 2018) e cujos impactos afetam diferentes setores da sociedade,
tais como a geração de energia elétrica, recursos hídricos, turismo, os ecossistemas e
principalmente a agricultura (IONITA et al., 2016). Em termos gerais, as secas são
definidas como desastres naturais pois correspondem a uma situação persistente de
escassez de água ao longo do tempo, que culminam em impactos negativos significativos
nas atividades socioeconômicas e nos ecossistemas (SUDENE, 2022).
Uma segunda definição de seca é que a disponibilidade hídrica não é
suficiente para atender as necessidades hídricas de uma determinada área, afetando os
sistemas ecológicos, econômicos, sociais e culturais (CASTRO, 2003). Os principais
danos e perdas incluem: abastecimento inadequado de água para a população; perda da
agricultura e pecuária; deslocamento da população; incêndios florestais; deterioração da
qualidade da água; problemas de saúde; conflito e pobreza (FAVERO,2016). Sabendo
dessas consequências estudos e análises (CASTRO, 2003) das secas têm atraído a atenção
do mundo que tendem não só a entender as características e o padrão de ocorrência desses
fenômenos, como também buscar formas de minimizar ou até mesmo mitigar seus efeitos
danosos à população como avisos para se ter uma programação melhor da forma de agir
nesses casos.
De modo mais característico, os significados de seca podem ser de dois tipos:
as conceituais e as operacionais (WILHITE e GLANTZ, 1985). A definição conceitual,
é a que delineia o conceito básico de seca como uma descrição dos processos físicos
envolvidos, como escassez da precipitação, deficiência quanto à umidade do solo ou à
falta de água nos rios e reservatórios. As definições operacionais de seca, estão

relacionadas às atividades que focam na identificação do início, da duração e do término
dos diferentes episódios ocorridos, incluindo a avaliação de sua severidade também. O
intuito desses significados operacionais é originar uma série de informações relacionadas
aos eventos de secas já ocorridos e permitir que seja dado suporte e avisos prévios sobre
os eventos de secas que podem vir a acontecer (MUKHERJEE et al., 2018).
4.3. Sistemas de variabilidade climática que intensificam a Seca no Nordeste.
O clima apresenta características anuais, sazonais, interanuais,
interdecadais e variação multidecadal que produz oscilações nos ciclos climáticos em
diferentes regiões do planeta (SILVA, 2022). Assim, é necessário avaliar o papel dos
modelos de representação da variabilidade climática para entender seus mecanismos e
sua influência nas mudanças climáticas (CGEE, 2014).
As chuvas do Brasil são motivadas pela variabilidade climática natural
(SILVA, 2022). A variabilidade interanual exibe modificações no regime de chuva, ainda
que seja menor do que a variabilidade sinótica. Além disso, a variabilidade espacial da
chuva está associada as médias e baixas latitudes, com característica de secas nas latitudes
subtropicais e chuvas em latitudes tropicais do Brasil. Entre os modos de variabilidade
que operam sobre o Brasil, o ENOS é a principal causa da variabilidade interanual do
clima (SILVA, 2022).
No Brasil, AB e VCAN exercem grande impacto no clima. A variação interanual
na localização e intensidade AB estão relacionadas com a precipitação na área, ao passo
que o VCAN tem uma relação com o cavado do Nordeste, onde sua percepção sobre o
NBE é associada a precipitação do continente africano (FIGUEROA; NOBRE, 1990). A
alta variabilidade interanual é comum no NEB, o qual é caracterizado pela ocorrência de
anos extremamente secos e outros anos de chuvas fortes, com seca moderada, interferindo
diretamente na direção dos Recursos Hídricos (MARENGO; CAMARG0, 2008). Estudos
anteriores demostraram evidências claras de que regiões semiáridas do NEB são afetadas
pelos Oceanos Pacífico equatorial e Atlântico tropical (SOUZA; NOGUEIRA;
NOGUEIRA, 2017).
Autores como Hirons e Klingaman (2016) e Lyra et al. (2017) apontaram
a existência de seca severa relacionada modos de variabilidade climática, ENOS e
Oscilação Decadal do Pacífico (ODP). Dessa forma, o NEB tem como seu principal

controlador climático as variações das TSM’s do Pacífico e do Atlântico, que por sua vez
levam a alterações climáticas causando as chuva e secas (SILVA, 2022).
4.4. Secas no Nordeste.
A seca afeta o NEB há anos, causando a morte de plantas e impactando
negativamente a economia, especialmente nos setores de agricultura e pecuária,
essenciais tanto para o abastecimento interno quanto para as exportações. Desde 1909, o
governo tenta investir em projetos que visem reduzir esses impactos, mas muitos falham
por preconceito, ou falta de recursos financeiros (ARAÚJO, 2011). Por outro lado,
iniciativas como planos Safra e o Bolsa Estiagem ainda ajudam muitas famílias a
sobreviverem.
Na década de 1950, o governo começou a tomar medidas mais rígidas
contra a seca como construção de cisternas e canais e criação de programas sociais para
as pessoas atingidas (ARAÚJO, 2011). Não se tem registro de mortes em consequência
da seca desde 1970, ainda que a saída do semiárido durante as secas continua, em grau
muito menor (ARAÚJO, 2011). Santos Leite (2020) destacou que, ainda que se tenha
muitas propostas para auxílio da população que sofreu com as secas severas do Nordeste,
a aplicação de diferentes programas ainda não atua da forma que deveria.
O semiárido nordestino é marcado pela seca desde o início de sua história. Secas
recorrentes atrapalharam o crescimento populacional, onde a ocupação dos sertões
nordestinos aumentou só no início do século XVIII, quando uma Carta Régia impediu a
criação de gado dentro de 10 léguas da costa até os sertões nordestinos (CAMPOS et al,
2001). A partir daí, a pecuária passou a desempenhar um papel importante na economia
regional. Isso continuou até meados do século XIX sem a ocorrência de uma seca mais
severa. Durante este período, a população e o rebanho cresceram rapidamente, no entanto,
esse crescimento não foi seguido por um crescimento das infraestruturas de água
(CAMPOS et al, 2001). O resultado é uma população altamente vulnerável com base na
capacidade de armazenamento de água de pequenas barragens e nas águas temporárias de
aquíferos aluviais. Em 1777-1779, uma grande seca atingiu a população, sendo estimado
que mais de 500.000 pessoas morreram no Ceará e arredores, sendo esta, considerada por
alguns pesquisadores, o maior desastre que já atingiu o Brasil (CAMPOS et al, 2001).
Entre 1991 e 2012 os danos das secas no NEB atingiram mais de 41
milhões de pessoas, segundo o Atlas Brasileiro de Desastres Naturais (CEPED, 2015).

De acordo com o Ministério da Agricultura, Pecuária e Abastecimento, no primeiro
semestre de 2016, as secas de curto e longo prazo foram muito severas, especialmente
nos estados do Maranhão, Bahia, Piauí, Sergipe, Alagoas, Pernambuco, Paraíba, Ceará e
Rio Grande do Norte (as 3 últimas cidades com o maior número de estados de
emergência). No decorrer de 2016, todos os estados do Nordeste declararam estado de
emergência (cerca de 1.100 municípios), e o Ceará passou por cinco secas consecutivas
de 2011 a 2016, com níveis dos reservatórios em 8,8%, o pior em 20 anos (INMET, 2017).
4.5. Ondas de calor.
As OC e/ou os extremos de temperatura são objetos de estudo de
diversos pesquisadores ao redor do planeta, Rusticucci (2012) definiu ondas de calor
como continuações diárias de irregularidades ou anomalias de temperaturas com mesmo
sinal. Para tanto, três parâmetros são considerados: o comprimento ou persistência
(número de dias ininterruptos da anomalia, tendo o mesmo sinal), o valor máximo
(anomalia positiva) ou mínimo (anomalia negativa) da onda e a “intensidade” (média de
anomalias da onda).
Uma OC pode ser entendida como um intervalo de tempo moderadamente
longo, onde as temperaturas máximas e/ou mínimas excedem um determinado limiar,
sendo este limiar muitas vezes baseado num percentil de temperatura (FISCHER &
SCHÄR, 2010; GEIRINHAS et. al., 2017; PERKINS & ALEXANDER, 2013), no
entanto, existem várias definições diferentes para o conceito, adotadas por diferentes
instituições e autores, como por exemplo a proposta por Robinson (2001) que descreve
que as OC se baseiam: “na excedência de um valor absoluto previamente fixado, sendo
um desvio relativamente à normal climatológica; ou, ainda, em índices sustentados na
combinação dos valores diários da temperatura do ar e da humidade relativa.” Rey et al.
(2007) consideraram OC como um período de pelo menos três dias consecutivos em que
as temperaturas máxima e mínima, são simultaneamente superiores à respetiva proporção.
Linares e Díaz (2008) citam que uma OC do ponto de vista hospitalar é
considerada quando a temperatura máxima diária ultrapassa os 36ºC, nesse caso eles
utilizaram a cidade de Madrid como referência. Já no Environment Canada, é o período
de no mínimo três dias consecutivos em que a temperatura máxima diária é de pelo menos
32ºC ou superior (LINARES e DÍAZ, 2008).

Para Stott et al., 2013 e KONG et al., 2020, essas OC consistem em um
período, geralmente com duração de vários dias, com temperaturas significativamente
superior aos valores médios ou máximos observados em anos anteriores, considerando as
mesmas datas, que ocasionam vários impactos negativos aos ecossistemas marinhos e
terrestres. Segundo Marto (2005), OC são fenómenos climatéricos aleatórios, com
duração de ao menos três dias consecutivos com temperaturas máximas ou mínimas mais
altas do que as esperadas para determinadas localidades e mesma épocas do ano. Já de
acordo com o INMET (Instituto Nacional de Meteorologia), uma OC ocorre quando, num
intervalo de pelo menos seis dias consecutivos, a temperatura máxima diária é superior
em 6 ºC ao valor médio diário no período de referência.
Fischer e Knutti (2015) e Geirinhas et al (2018) destacam que o planeta
tem apresentado ocorrência de eventos extremos de calor desde o final do século XIX,
contudo, episódios com maiores intensidades passaram a ser mais frequentes a partir do
século XXI, com novos recordes de temperatura e longa duração. Segundo IPCC (2014),
dentro da comunidade científica há um grande consenso de que os efeitos mais perigosos
das alterações no clima global estão relacionados a esses eventos climáticos extremos.
Atualmente, os eventos de OC tornaram-se uma grande preocupação,
principalmente devido aos seus efeitos na saúde humana. Existe uma importante corrida
mundial para entender e caracterizar as OC, pois este parâmetro influencia diversos ramos
da sociedade, como na economia local e global, infraestrutura e atividades agrícolas
(GEIRINHAS et al., 2017; SHIVA; CHANDLER; KUNKEL, 2019). Diversos estudos
mencionados anteriormente, apontam um aumento na intensidade e frequência em relação
a OC ao redor de todo planeta, além disso, existe previsões do aumento nesses extremos
durante todo o século XXI (BALDWIN et al., 2019; KHAN et al., 2019; BRESHEARS
et al., 2021).
4.6. Tendências observadas de ondas de calor.
Tendência de OC em uma série temporal de dados pode ser definida
como uma mudança contínua e sistemática nos parâmetros de uma amostra, onde se
exclui mudanças periódicas e quase periódicas, para estudos em séries temporais
climáticas recomenda-se que o conjunto de dados tenha no mínimo 30 anos consecutivos
(YEVJEVICH; 1972). A análise de tendências permite avaliar se é observada alteração
climática diferente da variabilidade natural do clima, indicando mudança temporal

(BACK, 2001). Essa análise pode ser realizada a partir de testes estatísticos de hipótese,
que visam avaliar se os resultados apresentam significância estatística a fim de validar os
resultados obtidos (LEVINE; WILKS, 2000).
Com temperaturas elevadas, é bastante provável a presença bem maior
de ocorrências de OC, com uma tendência de aumento da duração, frequência e
intensidade devido às mudanças climáticas (PERKINS-KIRKPATRICK; GIBSON,
2017). No Brasil, Bitencourt et al. (2020) mostraram que esse aumento já pode ser
observado em todas as regiões do país, com a identificação do aumento de ocorrência de
OC após o início deste século. Estudos recentes observaram que a urbanização tem um
impacto significativo nas tendências de eventos de temperatura extrema nas partes leste
e sudeste da China (LUO; LAU, 2017; YANG et al, 2017). No entanto, ainda não está
claro se há uma contribuição da urbanização para as tendências de OC (PAPALEXIOU
et al., 2018).
Alguns autores como Rusticucci (2012) e Shiva, Chandler e Kunkel,
2019. Relataram em seus estudos que em diferentes países as OC têm se tornado cada vez
mais frequentes, intensas e duradouras, e sugeriram que esse aumento pode estar
relacionado com as mudanças climáticas, com o processo de urbanização e uso e
cobertura do solo.
4.7. Impactos de Onda de calor na agricultura.
Esses eventos extremos de temperatura elevada podem ter impactos
significativos na agricultura, afetando principalmente as plantações. A agricultura
depende basicamente de fatores climáticos como radiação, umidade relativa do ar,
velocidade do vento, e principalmente temperatura e precipitação (MORAES, 2005). As
MC podem afetar a produção agrícola de várias maneiras, entre elas as mudanças nos
fatores climáticos, incluindo a presença e o fortalecimento de eventos extremos.
Redução da produtividade agrícola: As altas temperaturas durante as OC
podem causar danos às plantas e diminuir sua produtividade. O calor excessivo pode levar
à queima das folhas, desidratação, redução da fotossíntese e alterações no
desenvolvimento das culturas. Isso resulta em uma diminuição na produção de alimentos
e pode afetar a segurança alimentar. (EMBRAPA, 2022).

Estresse hídrico: O calor intenso aumenta a taxa de evaporação da água
no solo, levando a um aumento na demanda hídrica das plantas. Isso pode levar a um
estresse hídrico, onde as plantas não recebem água suficiente para suas necessidades
fisiológicas. O estresse hídrico durante as OC pode resultar em murchamento das plantas,
diminuição na absorção de nutrientes e danos irreversíveis. Schlenker e Roberts (2009).
Mudanças nos padrões de doenças e pragas: O calor excessivo durante as
ondas de calor pode alterar os padrões de ocorrência de doenças e pragas nas plantações.
Algumas doenças e pragas podem se proliferar mais rapidamente em condições de calor,
levando a surtos e danos adicionais às culturas. Isso pode exigir o uso de mais pesticidas
e medidas de controle, aumentando os custos de produção e o impacto ambiental. C. et
al. (2017)
Prejuízos econômicos: Os impactos das OC na agricultura também têm
consequências econômicas significativas. As perdas de colheitas devido a danos causados
pelo calor podem resultar em perdas financeiras para os agricultores. Além disso, o
aumento dos custos de irrigação para mitigar o estresse hídrico e a necessidade de investir
em medidas de adaptação também podem afetar negativamente a viabilidade econômica
da agricultura. (EMBRAPA, 2022).
Pesquisas baseadas em modelos de circulação geral mostram que a
produtividade de várias culturas tende a diminuir em algumas partes do mundo e aumentar
em outras. Como resultado, a produção em regiões tropicais e subtropicais,
principalmente na África subsaariana, tende a ser mais afetada devido aos climas áridos
e semiáridos generalizados e sua dependência da agricultura (Jones et al., 1997). No
Brasil, os impactos devido às OC podem gerar falhas nas safras agrícolas e grandes
prejuízos econômicos (Bitencourt et al, 2020). Na última década, intensas oscilações das
condições agrometeorológicas causaram efeitos severos na produção de alimentos e na
economia, especialmente no sul do país. As culturas mais afetadas em relação a essas
oscilações de clima foram as de soja e milho, sendo que na safra da soja em 2005 a
produção apresentou uma redução de 75% na produção de grãos, quando comparada à
safra de 2003 (IBGE, 2012)
Diversas áreas do setor econômico lidam com a redução da produtividade
do trabalhador e das culturas plantadas durante as OC. Universalmente, projeta-se que

2% do total de horas de trabalho seja perdido todos os anos, devido ao calor intenso para
trabalhar ou porque os trabalhadores precisam trabalhar em um ritmo mais lento
(KJELLSTROM et al., 2019). Acredita-se que a perda de produtividade devido ao
estresse térmico no trabalho, particularmente nos países em desenvolvimento, seja
avaliada em US $ 4,2 trilhões de dólares por ano até 2030, gerando mais desigualdade
(KJELLSTROM et al., 2019).
No setor agrícola, onde 940 milhões trabalham direta ou indiretamente,
as altas temperaturas colocam trabalhadores, plantações e animais em condições extremas
para a tolerância fisiológica ao calor e à seca (VITALI et al, 2015). Isso procederá em
perda de mão de obra, em colheitas menores para os agricultores, preços mais altos para
os consumidores e impactos negativos nos meios de subsistência. Um exemplo dessas
perdas ocorreu durante a OC de 2012 nos Estados Unidos, na qual o rendimento do milho
caiu 13%. No curto prazo, esses eventos climáticos que resultam em volatilidade dos
preços dos alimentos colocarão os países de baixa renda e aqueles com altos índices de
dependência de importação de alimentos em risco de insegurança alimentar (VITALI et
al, 2015). A exemplo disto, os efeitos combinantes de calor e seca causaram reduções
adicionais de rendimento de milho e soja de até 20% em partes dos Estados Unidos, e de
até 40% na Europa Oriental e no sudeste da África (Vitali et al, 2015).
O Instituto Nacional de Meteorologia (INMET) divulgou que uma OC
que chegou ao Rio Grande do Sul em janeiro de 2022 e atingiu uma marca recorde de
43ºC. Com o clima quente e seco, especialistas alertaram sobre um agravamento no
abastecimento de água e no setor agrícola. Fenômenos assim fazem com que mais água
seja utilizada para irrigação e consumo próprio, sendo assim, imprescindível um
planejamento adequado para evitar o agravamento dos problemas de estiagem.
Em dezembro de 2021, cerca de 200 municípios do RS decretaram
emergência à Defesa Civil em razão da estiagem. O governo estadual da região alegou
que a seca foi relacionada ao fenômeno La Niña, que provocou chuvas bastante
irregulares e mal distribuídas, e que programas de apoio à agricultura familiar e às
famílias atingidas já estão sendo disponibilizados (Canal Rural, 2022).
Segundo Ferreira (2010), o calor extremo compromete o crescimento e
desenvolvimento das plantações, pois a intensificação do processo de evapotranspiração

faz com que a vegetação perca nutrientes vitais. Estudos recentes têm demonstrado o
efeito da ocorrência de temperaturas elevadas sobre a queda de produtividade das
principais culturas agrícolas, como soja, milho e algodão. Trabalhos com séries temporais
de dados de satélites mostraram que os danos causados às plantas, com diminuição do
desenvolvimento da cultura, podem estar associados à vulnerabilidade frente a ocorrência
de OC (NEMANI; RUNNING, 1997; LIU; KOGAN, 2002; SCHLENKER; ROBERTS,
2009; GUSSO, 2013).
Prejuízos na produtividade da soja ocorrem mesmo quando as
temperaturas médias atingem apenas um ou dois graus acima do ideal para a cultura
(GUSSO, 2013). Embora a agricultura seja uma das principais fontes de emissões de
gases de efeito estufa, também é altamente vulnerável às mudanças climáticas. A
Embrapa mostrou que o cenário agrícola do Brasil deve mudar significativamente no
futuro (EMBRAPA, 2008), incluindo na região nordeste do país.
O aumento de temperatura associado às mudanças climáticas devido ao
aquecimento global, quaisquer que sejam as chuvas que possam ocorrer, são suficientes
para causar aumento da evaporação de lagos, represas e reservatórios e aumento das
necessidades evaporativas das plantas.
Em resumo, as OC representam um desafio significativo para a
agricultura, afetando negativamente a produtividade das plantações, aumentando o
estresse hídrico, causando prejuízos econômicos, influenciando os padrões de doenças e
pragas, e impactando o bem-estar animal. É crucial implementar estratégias de adaptação
e mitigação para minimizar esses impactos e garantir a resiliência do setor agrícola.
4.8. Impactos na produção de Cana-de-Açúcar, Milho e Soja.
A cana-de-açúcar (Saccharum officinarum) é uma cultura de porte alto
originária do sudeste asiático e da Índia Ocidental (Aranha e Yahn, 1987). Seus produtos
incluem açúcar, álcool, aguardente, alimentação animal e energia elétrica (Szmrecsányi e
Moreira, 1991). Constitui um dos principais produtos agrícolas do Brasil, com grande
importância econômica e social (ALFONSI ET AL., 1987). O Brasil é o maior produtor
mundial de cana-de-açúcar, com 10,56 milhões de hectares e uma produção de mais de
670 milhões de toneladas de colmos, com um rendimento médio de 71,3 toneladas de
colmos por hectare (IBGE, 2023).

Para países como o Brasil, altamente dependentes dos recursos naturais, os
impactos dos eventos extremos têm uma importância econômica e social significativa
(Thornton et al., 2009). Quase 30% do PIB brasileiro estão relacionados ao agronegócio
(Barros, 2009). OC e secas podem afetar negativamente a produtividade e a qualidade da
cana-de-açúcar ao reduzir o crescimento das plantas, diminuir a acumulação de biomassa
e aumentar a evapotranspiração, resultando em maior demanda por água e estresse hídrico
(EMBRAPA, 2008).
O milho (Zea mays L.) é uma cultura de alta importância econômica,
utilizada como alimento humano, animal e para a produção de biocombustíveis. É a
segunda cultura mais produzida no Brasil, depois da soja, e destaca-se por sua qualidade
nutritiva e versatilidade (WERLE et al., 2011). A temperatura ideal para o cultivo de
milho varia entre 24°C e 30°C, mas temperaturas noturnas acima de 24°C podem
aumentar a respiração e reduzir a produção (LANDAU et al., 2023). OC podem prejudicar
a produtividade do milho ao afetar a polinização e o desenvolvimento dos grãos
(LANDAU et al., 2023).
A soja (Glycine max (L.) Merr.) é uma das commodities mais importantes
no mercado nacional e internacional, sendo a quarta mais consumida e produzida no
mundo, atrás do milho, trigo e arroz. No Brasil, a soja tem grande importância
socioeconômica, gerando riquezas e empregos (Embrapa, 2014). A produção de soja no
Nordeste é significativa, apesar dos desafios climáticos específicos da região, como altas
temperaturas e escassez de chuvas, que podem reduzir o rendimento e a qualidade dos
grãos (IBGE, 2023).
OC e secas podem acelerar o ciclo de desenvolvimento da soja, resultando
em maturação mais rápida e redução do período de enchimento dos grãos, afetando
negativamente o tamanho, peso e produtividade (Farooq et al., 2009). Além disso, o
estresse térmico pode prejudicar a fixação de nitrogênio pela soja, comprometendo seu
crescimento saudável (Farooq et al., 2009).
É crucial considerar as condições locais de clima, solo e manejo agrícola ao
avaliar os impactos das OC e secas nas culturas agrícolas do NB. Estudos contínuos e
estratégias de adaptação são essenciais para mitigar os efeitos adversos das mudanças
climáticas nas principais culturas agrícolas do país.

5. MATERIAIS E MÉTODOS
5.1. Área de estudo
A área em estudo é o Nordeste do Brasil, localizada entre os paralelos de
1° 04' 48'' e 18° 19' 12'' da latitude S e os meridianos 34° 48' 36'' e 48° 43' 12'' de longitude
0 Grw (FIGURA 1), recebe a máxima intensidade de energia solar, uma vez que essa
energia globalmente apresenta excesso no equador e déficit nos polos (SUDENE, 2015).
Representando 18% do território brasileiro, abrange uma área de 1.554.257 km2,
(AYOADE, 2017), com a segunda maior população do país (por região), detém 25% da
população brasileira, e conta com uma densidade demográfica de, aproximadamente 53
milhões hab./km² (IBGE,2023).
Figura 1. Região Nordeste do Brasil e suas coordenadas geográficas.

Fonte: A autora (2023)

5.2. Dados
Os dados observados das variáveis meteorológicas sobre a região do NEB foram
obtidos através do Instituto Nacional de Meteorologia (INMET). As variáveis utilizadas
neste estudo foram de precipitação (mm), temperatura máxima (°C), temperatura mínima
(°C) e temperatura média (°C) para 141 estações de superfície que compreendem os 9
estados do NEB (FIGURA 2), a saber: Alagoas (AL), Bahia (BA), Ceará (CE), Maranhão

(MA), Paraíba (PB), Pernambuco (PE), Piauí (PI), Rio Grande do Norte (RN) e Sergipe
(SE).
Figura 2 - Distribuição de Estações Meteorológicas no Nordeste do Brasil.

Fonte: A autora (2024).

Os dados de produção agrícola referentes aos 9 estados do NEB foram
adquiridos juntos ao Produção Agrícola Municipal (PAM, 2024). Foi utilizada a variável
de rendimento médio da produção (Quilogramas por Hectares) ano X produção das
lavouras, para as culturas de cana-de-açúcar, milho e soja.
5.3. Análise e identificação de ondas de calor
Foram utilizados dados diários da temperatura máxima do ar
disponibilizados pelo INMET. Os registros foram obtidos a partir de medições de
estações meteorológicas convencionais. A operação dessas estações teve início em
períodos diferentes, mas a maioria delas possuem registros disponíveis no BDMEP a
partir de 1963. No presente estudo, consideramos o período de 02 de dezembro de 1961
a 30 de dezembro de 2022, o que corresponde a 61 anos.
A identificação das OC neste estudo foi baseada no índice CTX90pct, uma
metodologia utilizada para detectar eventos de calor extremo. Utilizamos dados diários
de temperatura máxima do ar registrados nas estações meteorológicas. Para cada dia do

ano, calculamos a temperatura máxima que representa o percentil 90, usando uma janela
temporal de 15 dias ao redor de cada data. Isso significa que para cada dia, determinamos
um valor de temperatura que está acima de 90% dos registros históricos desse período, o
que nos permitiu ter um valor de referência específico para cada dia do ano, ajustado ao
ciclo sazonal. Consideramos uma OC qualquer período em que a temperatura máxima
diária excedesse o valor do percentil 90 por três dias consecutivos ou mais. Para medir a
intensidade das OC, utilizamos o índice Graus-Dias de Excedência (GDE), que soma os
valores de temperatura que excedem o percentil 90 no período de ocorrência de OC.
Foram avaliados os ciclos sazonal e anual das OC, para identificar padrões e tendencias
(PERKINS e ALEXANDER, 2013).
5.4. Índice de Seca
Os indicadores de seca foram desenvolvidos com o propósito de detectar,
avaliar e acompanhar a intensidade da seca e sua duração ao longo do tempo. Além disso,
têm a capacidade de se adaptar a várias perspectivas ou categorias de seca. Eles
representam ferramentas valiosas para a compreensão e avaliação de eventos climáticos,
hidrológicos e agrícolas, desempenhando um papel crucial no acompanhamento e na
caracterização temporal e espacial desses fenômenos. A combinação desses índices com
outras técnicas de análise possibilita a identificação de padrões de variabilidade temporal
e espacial, bem como tendências nas regiões de estudos, conforme descrito por Medeiros
(2016) e Rosa (2011).
Dos vários índices utilizados para caracterizar a seca, destaca-se o
Standardized Precipitation Index ou Índice de Precipitação Padronizado, SPI (MCKEE,
1993). O uso do SPI tem se expandindo em todo o mundo e foi a base para as definições
de seca neste trabalho. Algumas caracterização da seca são: sua base conceitual porque
reflete as diferenças na precipitação em consideração a uma condição normal; sua
versatilidade, na medida em que pode ser calculado em diversas escalas e períodos de
tempo; sua função apenas da probabilidade, o que permite que se utilize a função de
distribuição de probabilidades que melhor se ajuste a amostra de dados de precipitação;
sua capacidade de caracterizar tanto períodos secos quanto chuvosos e; sua adequação a
qualquer variável hidrológica (MCKEE, 1993).
O SPI apresenta limitações, Mishra e Singh (2010) alegam que a principal delas
é a obrigação de longos registros históricos para seu cálculo sólido, o que nem sempre

está disponível, com diversas limitações e dificuldades de serem encontrados. Apesar
disto, índices como esse têm sido empregados nos últimos anos em vários estudos que
tem como objetivo auxiliar os agricultores e tomadores de decisão no que se refere à
avaliação temporal e espacial da seca, em sistemas de monitoramento de secas, e previsão
de produtividade das culturas (KUMAR; PANU, 1997; ULIANA et al., 2017; SILVA et
al., 2020; SOUZA; CARDOSO; SILVA, 2022).
Os dados de precipitação totais mensais, foram somados em escalas
diversas, entre 1, 3, 6, 12 meses. Sua formulação é melhorada na função densidade e
probabilidade Gamma (Equação 1), que é calculada mensalmente. Os valores atribuídos
foram normalizados e transformados para uma distribuição normal, ou seja, média 0 e
variância 1 (EDWARDS, 1997). Os cálculos do SPI utilizaram apenas valores de chuva
(LYRA et al., 2017), classificando os eventos de seca quando o SPI é continuamente
negativo e terminando quando o SPI é positivo (SILVA, 2022). Para mais detalhes sobre
as fórmulas matemáticas e procedimentos estatísticos usados para calcular o SPI, ver
McKee et al. (1993).
⊥

−

𝑥

𝑔(𝑥) = 𝛽𝑎𝛤(𝑎) 𝑥 𝑎−1 ⅇ 𝛽

(1)

Em que, Γ (α) é a função gama, α é a forma do parâmetro (α >0), β é o parâmetro
de escala (β>0), determinado pelo método da máxima probabilidade, x é a precipitação
pluviométrica, que pode ser alterada de acordo com α e β
Após o cálculo, o SPI foi classificado de acordo com a Tabela 1 e
analisado em escala anual (SPI-3, SPI-6, SPI-12). Para análise do SPI, foi utilizado o
pacote "SCI" da biblioteca do software R versão 4.0.3 (R Core Team, 2020). Neste estudo,
foram avaliados os períodos secos anuais e interdecadais da série temporal de 61 anos e
sua relação com modelos de variabilidade climática (Tabela 1).
Tabela 1. Classificação climática quanto ao índice de SPI.

SPI

Classificação

≥ 2.00

Extremamente Úmido

1.00 to 1.99

Muito Úmido

0.50 to 0.99

Moderadamente Úmido

0.49 to -0.49

Próximo ao Normal

-0.50 to -0.99

Moderadamente Seco

-1.00 to -1.99
≤ -2.00

Muito Seco
Extremamente Seco
Fonte: McKee et al. (1993)

5.5. Estatística Descritiva
Nesse trabalho utilizou-se estatística descritiva e medidas de dispersão
(máximo, mínimo, 1º quartil, 3º quartil, intervalo interquartil - IQR) cálculos para
determinar a tendência central (média e mediana), dos dados de precipitação sobre o NEB.
Os parâmetros estatísticos utilizados foram determinados através do Excel (SILVA,
2022).
5.6. Análise da evolução da produtividade das agriculturas
Para entender os impactos dos elementos meteorológicos e suas
mudanças climáticas sobre as produções agrícolas, foi realizado um estudo nos 9 estados
do NEB com a evolução da produção agrícola ao longo dos anos para três (03) culturas,
a saber: cana-de-açúcar, milho e soja, através de um ajuste que considera a produção
como uma variável dependente e os anos como variável independente. Este ajuste produz
uma função chamada Tendência Tecnológica (TT) que pode explicar os efeitos de
variáveis técnicas como: Melhorar as práticas de plantio, densidades de plantio, práticas
culturais, políticas governamentais, fertilizantes, máquinas agrícolas e novas variedades
(COSTA, 1988).
O índice TT é uma maneira matemática de explicar o aumento da
variável dependente, neste caso a produção, em função do tempo. Quando não há dados
históricos para as variáveis independentes atuando nesse processo, é possível reconhecer
essas variáveis como recursos fixos de ano para ano, ou seja, a variável não apresenta
mudanças bruscas de um ano para outro. Tendências técnicas plotadas no mesmo
diagrama representa a produção esperada em razão da tecnologia e dos dados de produção
observadas, ao longo dos anos. Admite-se que a diferença entre os pontos da curva e os
pontos de produção para cada ano são resultados de variações climáticas ocorridas nestes
anos, ou seja, os resíduos da produção observada e esperada. A figura 2 mostra o esquema
conceitual do modelo adotado.

Figura 3. Esquema conceitual do modelo baseado nas diferenças entre a produção
observada e estimada pela curva de tendência tecnológica.

Fonte: COSTA, 1988.

A reta representada por TT na figura 2 é a tendência tecnológica, as
diferenças entre os pontos da reta e as observações de produção para cada ano (resíduo)
são atribuídas às oscilações climáticas ocorridas, onde P1 = produção esperada devido
aos fatores tecnológicos, P2 = rendimento observado, P1 - P2 = resíduo devido a fatores
técnicos atribuído às variações climáticas. Os ajustes entre os índices climáticos e dados
de produção foram verificados através da utilização do coeficiente de determinação (r2),
o erro quadrado médio (EQM), erro médio absoluto (EMA) e o índice de concordância
(d) (WILLMOTT,1984).
5.7. Análise de correlação pelo método de Pearson.
Segundo Moore (2007) a correlação é uma avaliação da direção e
intensidade da relação linear entre duas variáveis quantitativas, sendo por isso escolhida
a correlação de Pearson. Na análise estatística de correlação, o coeficiente de correlação
de Pearson está associado a relações que envolvem valores contínuos, sendo amplamente

empregado, por exemplo, no cálculo de aumentos de temperatura e em diversas outras
temáticas.
O coeficiente de correlação de Pearson (r) tem uma escala de -1 a 1. O sinal
atribuído indica a direção do relacionamento, sendo positivo ou negativo, enquanto o
valor proporciona uma indicação da intensidade do vínculo entre as variáveis. Uma
correlação perfeita, atingindo os extremos de -1 ou 1, sugere que o escore de uma variável
pode ser precisamente determinado ao conhecer o escore da outra. Em contrapartida, uma
correlação com valor zero indica a ausência de uma relação linear entre as variáveis. Ou
seja, uma correlação negativa indica que as duas variáveis se movem em direções opostas.
No cálculo do coeficiente de correlação não foram considerados os dados pluviométricos.
5.8. Perdas de Produção Agrícola
As perdas na produção, desde o plantio até a pré-colheita, foram
determinadas utilizando o índice de perdas, seguindo o método estabelecido pelo Instituto
Brasileiro de Geografia e Estatística (IBGE, 2004). Para calcular o índice de perdas
agrícolas no Nordeste em três culturas diferentes (Cana-de-Açúcar, Milho em grão e soja
em grão), foram empregados dados referentes à produção, área plantada, área colhida e
rendimento médio das culturas entre os anos de 1961 e 2022, obtidos do Sistema IBGE
de Recuperação Automática (Sidra). Conforme definido pelo IBGE (2004), a soma da
produção realizada (Pr) com a produção não realizada (Pn) oferece uma estimativa do
potencial de produção até a pré-colheita (PR = Pr + Pn), em um determinado ano de
referência. O índice de perdas de cada cultura é representado pelo quociente da produção
não realizada (Pn) pela produção realizada (PR), expresso como uma porcentagem (Pe =
(Pn / PR) *100). A produção não realizada corresponde à diferença entre a área plantada
e a área efetivamente colhida de uma determinada cultura, refletindo a área perdida. Essa
diferencia entre a área plantada e a área colhida foi considerada no cálculo da produção
não realizada devido à perda de área.
6. RESULTADO E DISCUSSÃO
6.1. Tendências de Ondas de Calor e Impactos na Produção Agrícola.
As ondas de calor foram identificadas utilizando dados diários de
temperatura máxima do ar, registrados nas estações meteorológicas dos nove estados do

Nordeste do Brasil. Considerou-se como onda de calor qualquer período em que a
temperatura máxima diária excedesse o valor do percentil 90 por três dias consecutivos
ou mais. A frequência das ondas de calor refere-se ao número de eventos de ondas de
calor observados em um determinado período. Por exemplo, se um estado experimentou
5 episódios de ondas de calor em uma década, a frequência é de 5 eventos por década,
nesse estudo a frequência foi calculada contando o número de eventos de ondas de calor
registrados em cada período de estudo. Em Alagoas, foram registrados 40 episódios de
ondas de calor entre 1987 e 2015, com um aumento notável na frequência entre as décadas
de 1987-1992 e 2011-2015. Este aumento pode estar associado a mudanças nas condições
climáticas regionais e possui implicações significativas para a produção agrícola, como
observado na diminuição da produtividade de culturas específicas durante períodos de
calor intenso. (Tabela 2).
Tabela 2. Característica das ondas de calor observadas no estado de Alagoas
Alagoas

Ano
1987 - 1992
1993 - 1998
1999- 2004
2005 - 2010
2011 - 2015

Quantidade de anos
que registraram
eventos
3
6
5
4
5

Ocorrência (%
de eventos)

Frequência
(dias)

Duração
média (Dias)

5 (12,8%)
12 (17,94%)
7(19,94%)
8(19,94%)
8(20,51%)

25
70
26
32
35

5
5,83
3,71
4,57
4,37

Fonte: A autora (2024)

No estado de Ceará foram registrados 42 episódios de OC no total, e sua
frequência também se observa uma diferença de 10 dias entre a primeira (1961-1965) e a
última década (2008-2015) (Tabela 3). Paraíba poucos episódios foram identificados com
um total de 7 ao longo de 41 anos (Tabela 4).
Tabela 3. Características das ondas de calor observadas no estado do Ceará.
Ceará

Ano

Quantidade de anos
que registraram
eventos

Ocorrência (%
de eventos)

Frequência
(dias)

Duração
média (Dias)

1961 - 1965
1966 - 1971

3
3

3 (7,14%)
4 (9,52%)

20
15

6,66
3,75

1972 - 1977
1978 - 1983
1984 - 1989
1990 - 1995
1996 - 2001
2002 - 2007
2008 - 2015

1
2
0
1
5
6
3

1 (2,38%)
2 (4,76%)
0 (0%)
1 (2,38%)
7 (16,67%)
11 (26,19%)
13 (30,95%)

1
8
0
3
34
46
49

3
4
0
3
4,85
4,18
3,76

Fonte: A autora (2024)

Tabela 4. Características das ondas de calor observadas no estado da Paraíba.
Paraíba

Ano

Quantidade de anos
que registraram
eventos

Ocorrência (%
de eventos)

Frequência
(dias)

Duração
média (Dias)

1964 - 1969
1970 - 1975
1976 - 1981
1982 - 1987
1988 - 1993
1994 - 2000
2001 - 2005

2
0
0
0
0
1
1

2 (50%)
0 (0%)
1 (0%)
1 (0%)
1 (0%)
1 (25%)
1 (25%)

7
0
0
0
0
3
3

3,5
0
0
0
0
3
3

Fonte: A autora (2024)

No estado de Sergipe durante o período de 1965 a 1970, houve um ano
com evento de OC, com uma frequência de 3 dias e uma duração média de 3 dias. No
período de 1995 a 2000 ocorreram eventos de OC em três anos, com uma frequência de
10 dias e uma duração média de 3,3 dias. Entre 2001 e 2006, foram registrados eventos
em dois anos, com uma frequência de 8 dias e uma duração média de 4 dias (Tabela 5).
Na Bahia observa-se um aumento significativo na frequência e na duração média das OC
nos períodos de 1991-1996 e 1997-2002, refletindo uma tendência observada em estudos
que apontam para o aquecimento global como um fator contribuinte (IPCC, 2021). Esse
padrão é também evidente em estados como Alagoas e Ceará, onde há um aumento na
frequência e duração das OC. Tabela 6.

Tabela 5.Características das ondas de calor observadas no estado de Sergipe.
Sergipe

Ano

Quantidade de anos
que registraram
eventos

Ocorrência (%
de eventos)

Frequência
(dias)

Duração
média (Dias)

1965 - 1970
1971 - 1976
1977 - 1982
1983 - 1988
1989 - 1994
1995 - 2000
2001 - 2006
2007 - 2015

1
0
0
1
0
3
2
2

1 (11,11%)
0(0%)
0(0%)
1 (11,11%)
0(0%)
3 (33,33%)
2 (22,22%)
2 (22,22%)

3
0
0
3
0
10
8
6

3
0
0
3
0
3,33
4
3

Fonte: A autora (2024)

Tabela 6. Características das ondas de calor observadas no estado de Bahia.
Bahia

Ano

Quantidade de anos
que registraram
eventos

Ocorrência (%
de eventos)

Frequência
(dias)

Duração
média (Dias)

1961 - 1966
1967 - 1972
1973 - 1978
1979 - 1984
1985 - 1990
1991 - 1996
1997 - 2002
2003 - 2008
2009 - 2015

4
0
0
1
3
5
6
4
5

8 (9,52%)
0(0%)
0(0%)
1 (1,19%)
9 (10,71%)
11 (13,09%)
15 (17,85%)
22 (26,19%)
18 (21,42%)

29
0
0
1
37
47
68
113
74

3,62
0
0
4
4,11
4,27
4,53
5,13
4,11

Fonte: A autora (2024)

Os dados do Rio Grande do Norte mostram um aumento na frequência das
OC, especialmente nos últimos 15 anos (Tabela 7). O Estimador de Tendência apontou
um aumento médio de 0,4 dias por ano. No Maranhão, os dados indicam um aumento
significativo na intensidade das OC. Apresentando uma tendência ascendente com
significância estatística, refletindo um aumento na severidade das OC. Tabela 8.

Tabela 7.Características das ondas de calor observadas no estado de Rio Grande do
Norte.
Rio Grande do Norte

Ano

Quantidade de anos
que registraram
eventos

Ocorrência (%
de eventos)

Frequência
(dias)

Duração
média (Dias)

1961 - 1966
1967 - 1972
1973 - 1978
1979 - 1984
1985 - 1990
1991 - 1996
1997 - 2002
2003 - 2008
2009 - 2015

0
0
0
0
0
0
1
0
1

0(0%)
0(0%)
0(0%)
0(0%)
0(0%)
0(0%)
3 (75%)
0 (0%)
1 (25%)

0
0
0
0
0
0
10
0
3

0
0
0
0
0
0
5
0
3

Fonte: A autora (2024)

Tabela 8. Características das ondas de calor observadas no estado do Maranhão.
Maranhão

Ano

Quantidade de anos
que registraram
eventos

Ocorrência (%
de eventos)

Frequência
(dias)

Duração
média (Dias)

1961 - 1966
1967 - 1972
1973 - 1978
1979 - 1984
1985 - 1990
1991 - 1996
1997 - 2002
2003 - 2008
2009 - 2015

0
0
0
0
0
1
4
3
3

0(0%)
0(0%)
0(0%)
0(0%)
0(0%)
2 (9,09%)
3 (13,63%)
3 (13,63%)
8 (36,36%)

0
0
0
0
0
11
30
11
28

0
0
0
0
0
5,55
3,33
3,6
3,5

Fonte: A autora (2024)

Em Pernambuco, os resultados indicam uma tendência de aumento na
frequência e intensidade das OC. Nota-se uma mudança significativa a partir de 1998,
que pode estar relacionado com evento de EL Ninõ (Tabela 9). No Piauí, observa-se uma
tendência de aumento na ocorrência e intensidade das OC, com os maiores valores
registrados nos últimos 20 anos. (Tabela 10).

Tabela 9. Características das ondas de calor observadas no estado de Pernambuco.
Pernambuco

Ano

Quantidade de anos
que registraram
eventos

Ocorrência (%
de eventos)

Frequência
(dias)

Duração
média (Dias)

1961 - 1966
1967 - 1972
1973 - 1978
1979 - 1984
1985 - 1990
1991 - 1996
1997 - 2002
2003 - 2008
2009 - 2015

2
2
0
1
1
0
4
3
3

4 (14,81%)
2 (7,41%)
0(0%)
1 (3,70%)
1 (3,70%)
0(0%)
11 (40,74%)
7 (25,93%)
1 (3,70%)

7
6
0
3
3
0
44
24
4

3,5
3
0
3
3
0
4
3,42
4

Fonte: A autora (2024)

Tabela 10. Características das ondas de calor observadas no estado de Piauí.
Piauí

Ano

Quantidade de anos
que registraram
eventos

Ocorrência (%
de eventos)

Frequência
(dias)

Duração
média (Dias)

1961 - 1966
1967 - 1972
1973 - 1978
1979 - 1984
1985 - 1990
1991 - 1996
1997 - 2002
2003 - 2008
2009 - 2015

1
2
1
5
0
3
5
6
5

1(2%)
2(4%)
1(2%)
5(10%)
0(0%)
3 (6%)
11(22%)
15 (30%)
12 (24%)

5
8
5
21
0
18
54
80
60

5
4
5
4,2
0
6
4,9
5,33
5

Fonte: A autora (2024)

Os resultados corroboram estudos anteriores de outros autores que
indicam um aumento na frequência, duração e intensidade das OC em várias partes do
mundo devido às mudanças climáticas (GEIRINHAS et al., 2017; RUSTICUCCI et al.,
2016). No Nordeste do Brasil, esse aumento pode estar associado ao processo de
urbanização, uso do solo e desmatamento, que agravam as condições de calor extremo
(OLIVEIRA et al., 2008; MANDÚ & GOMES, 2019). A intensificação das OC tem
implicações diretas na agricultura, exacerbando os efeitos das secas e reduzindo a

produtividade agrícola, o que impacta diretamente a segurança alimentar na região
(BITENCOURT et al., 2020).
A correlação entre o aumento das OC e os impactos na produção agrícola
é clara. Culturas como milho, soja e cana-de-açúcar, que são particularmente sensíveis ao
estresse hídrico e térmico, mostram grandes variações e quedas significativas na produção
durante anos de OC intensas. Estudos de Santos et al. (2019) e Araújo et al. (2021)
demostra que esses achados, destacando que a adoção de práticas agrícolas adaptativas e
tecnologias de irrigação pode mitigar alguns dos impactos negativos, mas a resiliência
varia entre as diferentes culturas e regiões. Esses estudos sugerem que, embora as práticas
adaptativas possam ajudar a mitigar os efeitos das OC, a implementação dessas práticas
enfrenta desafios devido à variabilidade regional e às limitações econômicas.
6.2. Índice de precipitação padronizada
A análise do Índice de Precipitação Padronizada (SPI) foi conduzida
para avaliar a evolução temporal das condições de seca nos nove estados do Nordeste do
Brasil entre 1985 e 2015. Os valores de SPI-1 (mensal) e SPI-12 (anual) foram calculados
para cada estado, revelando importantes padrões de variabilidade climática.
Durante o período de estudo, o SPI-1 indicou uma alta frequência de
episódios de seca de curto prazo, particularmente durante os anos de 1998, 2005 e 2012.
Esses eventos foram caracterizados por valores de SPI abaixo de -1.5, indicando
condições de seca severa a extrema. Esses anos coincidem com eventos climáticos globais
como o El Niño, que exacerbaram as condições de seca na região. (Figura 4).

Figura 4. Análise de índices de secas de 1985 a 2015 para os noves estados do Brasil
em SPI-1.

Fonte: A autora (2024)

Isso se deve ao fato de que em escalas temporais menores é sensível a
eventos que reagem rapidamente às variações na precipitação, enquanto em escalas
temporais maiores, o SPI-12 identifica eventos mais persistentes que correspondem a
anomalias de chuvas de longo prazo. Para Lloyd-Hughes e Saunders (2002) esse
comportamento pode ser atribuído ao fato de o índice se comportar de maneira semelhante
a uma média móvel, cuja ordem (k) foi aumentada, conforme descrito. Resultados
parecido foram encontrados por Fernandes & Heinemann (2011), onde eles mostraram
para as escalas de alta frequência temporal (SPI-1 e SPI-3) nas microrregiões nos Entorno
de Brasília, Catalão, Sudoeste de Goiás e Porangatu registraram o maior número de
eventos extremos de seca. Contudo, para o SPI-12, que possui baixa frequência temporal,
apenas as microrregiões Entorno de Brasília, Meia-Ponte e Porangatu apresentaram o
maior número de eventos de seca extrema. Assim, observou-se que a escala temporal do
SPI está relacionada à persistência dos eventos de seca e umidade. Em outras palavras,

escalas com baixa frequência temporal são mais eficazes na detecção de eventos extremos
de longa duração e, portanto, com maior impacto econômico.
Ao observar o SPI-12 (figura 5) que capta tendências de seca de longo
prazo, identificamos períodos prolongados de seca, especialmente entre 1998 e 2001, e
novamente entre 2010 e 2012. Esses períodos coincidem com reduções significativas na
produtividade agrícola, como observado na queda de 15% na produção de cana-de-açúcar
e 20% na produção de milho durante os anos de maior déficit hídrico (Figura 7).
O estudo revelou que os estados de Pernambuco, Sergipe e Bahia foram os
mais afetados, apresentando os valores mais baixos de SPI-12 e, consequentemente, as
secas mais severas e persistentes. Esses resultados destacam a importância de monitorar
continuamente o SPI para prever e mitigar os impactos das secas na agricultura,
especialmente em regiões vulneráveis como o Nordeste do Brasil. (Figura 4).
Figura 5. Análise de índices de secas de 1985 a 2015 para os noves estados do Brasil
em SPI-12.

Fonte: A autora (2024)

O SPI é capaz de detectar secas ou enchentes em uma estação específica
ao analisar a precipitação atual em relação à média histórica para o mesmo período. Ao
observar a série de dados, é evidente a ocorrência de anos particularmente desafiadores
ao longo do tempo, e esses períodos críticos tendem a se agrupar à medida que a escala

temporal do SPI aumenta, como mostrado na (Figura 6) onde se tem as análises de SPI
da média do nordeste do Brasil.
Figura 6. Distribuição temporal do SPI para o período de 1985 a 2015 do Nordeste do
Brasil.

Fonte: A autora (2024)

Segundo de Rossato et al. (2017), a região Nordeste do Brasil enfrentou
uma das suas piores secas no ano de 2012. Esse fenômeno se faz evidente em todas as
diferentes escalas de análise de SPI desse estudo, destacou-se pela sua intensidade e pelos
impactos gerados, causando a destruição de vastas áreas de cultivo e afetando centenas
de cidades e povoados na região (MARENGO et al., 2016). Pesquisas realizadas por
Buriti e Barbosa (2018), Marengo et al. (2016), São José (2019) mostraram que este
evento climático foi um dos mais severos das últimas décadas. Neste contexto o estado
de Pernambuco se destacou em relação aos outros Estados com índices e históricos de
seca como descrito por Asfora et al. (2017) (Figura 7). Autoridades governamentais têm
demonstrado crescente preocupação com a severa seca que afeta o estado desde 2011,
devido aos grandes déficits na precipitação acumulada ao longo dos últimos anos. Essa
situação tem causado impactos significativos em diversos setores agrícolas, incluindo a
redução da produtividade de culturas como milho e cana-de-açúcar, além de aumentar a
vulnerabilidade econômica das comunidades rurais dependentes da agricultura.

Figura 7. Distribuição temporal do SPI para o período de 1985 a 2015 em Pernambuco,
Brasil.

Fonte: A autora (2024)

Quando consideramos as escalas maiores do SPI, de 06 e 12 meses,
Pernambuco desfrutou de quase uma década de relativa disponibilidade de água, mas esse
padrão se modificou devido à estiagem prolongada dos últimos anos. É importante
observar que o SPI leva em consideração apenas a precipitação pluviométrica, deixando
de fora os impactos relacionados ao aumento da temperatura, em decorrência as mudanças
climáticas. Portanto, os danos reais causados pelas secas podem ser ainda mais graves
quando se consideram outros fatores climáticos.
Em relação a frequência de SPI, constatasse que a maior porcentagem
dos valores se encontra próximo ao valor de modernamente seco e muito seco para as
diferentes escalas, principalmente nos anos de 1990, 1993, 1998, 1999, 2001, 2012, 2013
e 2015 destacaram-se por apresentar anos de índice de seca em SPI-1 e SPI-3 e SPI-6.
(Figura 3,4 e 5).
Resultados semelhantes foram encontrados por Da Silva et al. (2021) na
Sub-Bacia do Choró, no Ceará, para as escalas SPI-3 e SPI-6. Os principais eventos de
seca ocorreram nos anos de 1983, 1992/1993, 1997-1999, 2012/2013 e 2015/2016, sendo
classificados como condições de Seca Severa e Extrema. Cunha et al. (2018),
identificaram o padrão espacial dos episódios de seca severa na região Nordeste ao longo
do período de 1982 a 2013 (30 anos). Os resultados revelaram características específicas

da seca e mostraram que esses eventos se tornam mais pronunciados durante as
ocorrências de El Niño.
6.3. Correlação da produção de cana-de-açúcar, milho e soja entre todos os estados
da região Nordeste do Brasil

A análise de coeficiente de correlação de Pearson entre a produção em
hectares de cana-de-açúcar, milho e soja nos nove estados do Nordeste, mede a força e a
direção da relação linear entre duas variáveis, variando de -1 a 1. Na Tabela 11, são
observadas as correlações entre a produção de cana-de-açúcar em todos os estados da
região NEB.
Em Alagoas, observa-se uma forte correlação positiva com o Ceará (0,79),
seguida por Pernambuco (0,74). A correlação negativa foi identificada com o Maranhão
(-0,44). Sergipe apresenta uma correlação positiva mais alta com o Maranhão (0,90),
seguida por Rio Grande do Norte (0,77) e Piauí (0,60), a correlação negativa com
Pernambuco (-0,41). A Bahia, mostra uma correlação positiva mais alta foi com Sergipe
(0,58), e negativa com Pernambuco (-0,25). No Ceará observa-se uma forte correlação
positiva com Pernambuco (0,84), seguida pela Paraíba (0,63) e Alagoas (0,79) e
correlações negativas com Maranhão (-0,21) e Rio Grande do Norte (-0,21). O Maranhão
apresenta forte correlação positiva com Sergipe (0,90) e Rio Grande do Norte (0,86), e
correlação negativa leve com Pernambuco (-0,44). A Paraíba apresenta correlação
positiva moderada com Pernambuco (0,61) e leve com Alagoas (0,46), e a correlação
negativa leve com Rio Grande do Norte (0,34). Pernambuco mostra correlação positiva
com o Ceará (0,84) e correlações negativas com Maranhão (-0,44) e Bahia (-0,25). Em
Piauí, a correlação positiva moderada foi com Maranhão (0,67) e leve com Pernambuco
(0,56), e a correlação negativa leve foi com Alagoas (-0,25). No Rio Grande do Norte,
observa-se correlação positiva com Maranhão (0,86) e Sergipe (0,77), a correlação
negativa com Alagoas (-0,33) (Tabela 7). Esses resultados refletem as interações
complexas entre os fatores climáticos e de manejo agrícola que afetam a produção de
cana-de-açúcar na região Nordeste, destacando a importância de estratégias regionais
específicas para otimizar a produtividade agrícola e mitigar os impactos das
variabilidades climáticas.

Tabela 11. Matriz de correlação pelo método de Pearson para produção de cana-deaçúcar entre todos os estados da região Nordeste do Brasil

Alagoas - Cana-de-Açúcar
Sergipe - Cana-de-Açúcar
Bahia - Cana-de-Açúcar
Ceará - Cana-de-Açúcar
Maranhão - Cana-de-Açúcar
Paraíba- Cana-de-Açúcar
Pernambuco - Cana-de-Açúcar
Piauí - Cana-de-Açúcar
Rio Grande do Norte - Cana-de-Açúcar

Alagoas Sergipe Bahia Ceará Maranhão Paraíba Pernambuco Piauí Rio Grande do Norte
1
-0,33
1
0,14
0,58
1
0,79
-0,19
-0,03
1
-0,44
0,90
0,40
-0,21
1
0,46
0,32
0,12
0,63
0,27
1
0,74
-0,41
-0,25
0,84
-0,44
0,61
1
-0,25
0,60
-0,09
0,16
0,67
0,56
0,03
1
-0,33
0,77
0,29
-0,21
0,86
0,34
-0,30
0,62
1

Fonte: A autora (2024)

Para o milho (Tabela 12), há uma correlação significativa entre os
hectares plantados nos nove estados da região. Esse resultado sugere uma forte relação
proporcional na produção dessa cultura, indicando uma harmonização notável nas
práticas agrícolas desses estados. Alagoas apresenta uma correlação positiva mais forte
com Pernambuco (0,85), Paraíba (0,72) e Rio Grande do Norte (0,69), enquanto há uma
correlação negativa com Sergipe (-0,03). Em Sergipe, observa-se uma correlação positiva
significativa com Bahia (0,64) e uma correlação negativa destacada com Rio Grande do
Norte (-0,30). Bahia mostra a maior correlação positiva com Sergipe (0,64) e Ceará (0,53)
e uma correlação negativa menor com Maranhão (-0,38). Ceará apresenta uma correlação
positiva fraca com Pernambuco (0,54) e uma correlação negativa com Maranhão (-0,20).
Maranhão tem uma correlação positiva maior com Piauí (0,64). Na Paraíba, observa-se
uma maior correlação positiva com Rio Grande do Norte (0,90) e Pernambuco (0,89). Em
Pernambuco, destaca-se uma correlação positiva forte com Paraíba (0,89) e Rio Grande
do Norte (0,80). No Piauí, nota-se uma correlação positiva moderada com Maranhão
(0,64) e uma correlação negativa fraca com Alagoas (-0,22). Rio Grande do Norte
apresenta uma correlação positiva significativa com Pernambuco (0,80) e Paraíba (0,90),
e uma correlação negativa com Sergipe (-0,30). Esses resultados estão em conformidade
com os dados analisados por Perobelli et al. (2007), que constatam um aumento
significativo na produtividade agrícola brasileira entre 1991 e 2003."

Tabela 12. Matriz de correlação pelo método de Pearson para produção de milho-emgrãos entre todos os estados da região Nordeste do Brasil.

Fonte: A autora (2024)

No entanto, ao analisar a correlação para a cultura da soja, dada a natureza
relativamente nova do cultivo de soja em todos os estados do Nordeste, os resultados
apresentaram um coeficiente que não possui uma base confiável devido à falta de dados
consolidados. Isso evidencia a necessidade de uma coleta mais abrangente e consistente
de informações ao longo do tempo para melhor compreender a relação entre os hectares
destinados à produção de soja nos estados nordestinos. Essa análise oferece insights
valiosos sobre a coesão nas práticas agrícolas entre os estados para a cana-de-açúcar e o
milho, enquanto destaca a necessidade de um acompanhamento mais detalhado para a
cultura emergente da soja na região. Esses resultados contribuem para a compreensão das
dinâmicas no setor agrícolas.
De acordo com o estudo do IBGE (2022), o aumento da área plantada com
cana-de-açúcar ocorre predominantemente na Mesorregião do Triângulo Mineiro/Alto
Paranaíba, especialmente nos municípios de Delta, Planura, Conceição das Alagoas,
Romaria, Uberaba e Araporã. Esses municípios também mostram um aumento
significativo na área plantada com soja e, em sua maioria, na área de milho.
Contrariamente, nesse estudo, verificou-se, em Alagoas, há uma diminuição na área
colhida para a maioria dos produtos agrícolas, especialmente para cana-de-açúcar e milho.
Apesar dessa redução, a participação da cana-de-açúcar no sistema produtivo do estado
aumenta de aproximadamente 67% da área total de produção estadual para mais de 73%
em 2010. Essa mudança correlaciona-se com a redução das áreas de sequeiro e o aumento
de áreas irrigadas.

Uma parcela significativa das atividades agrícolas na localidade ocorre
em um ecossistema delicado, sujeito a restrições climáticas e de solo. A região enfrenta,
historicamente, desafios com a seca, especialmente no Semiárido, que compreende a
maior parte do sertão e agreste nordestinos. Dessa forma, os produtores estão cada vez
mais em busca de alternativas para evitar perdas agrícolas e aumentar a produção com
sistemas de irrigação. Em termos quantitativos, o Semiárido abrange 57% da área total do
Nordeste e cerca de 40% de sua população. Nessa área, a média anual de precipitação é
inferior a 800 milímetros (Suassuna, 2005).
Os dados fornecidos pela Produção Agrícola Municipal (PAM),
representados na Figura 8, mostram que a cultura da soja está crescendo
consideravelmente no NEB. Apesar de ser uma cultura nova e com poucos dados
históricos, observa-se um aumento significativo em seu cultivo. O milho, por sua vez,
apresenta um comportamento oscilante em termos de valor da produção ao longo dos
anos. Já a cana-de-açúcar se mantém estável até 2013. A partir de 2014, há uma pequena
queda na área colhida, devido à ocorrência de secas nesse período, uma vez que a grande
maioria das áreas de cana-de-açúcar são de sequeiro (IBGE, 2022).
Figura 8. Evolução média de áreas colhidas dos noves estados do Nordeste do Brasil no
período de 1990 – 2022.

Fonte: A autora (2024)

Entre 1990 e 1993, a produção de cana-de-açúcar diminui ligeiramente,
indicando o impacto da seca. Durante os anos de 1997 e 1998, a produção se mantém
relativamente estável, possivelmente devido à adoção de práticas de irrigação que
mitigam os impactos da seca. Entre 2012 e 2017, a produção também se mantém estável,

sugerindo que as práticas de irrigação continuam a desempenhar um papel importante na
mitigação dos efeitos da seca.
No caso da cultura do milho, entre 1990 e 1993, a produção cai
significativamente durante os anos de seca, refletindo sua alta sensibilidade à falta de
água. Entre 1997 e 1998, a produção oscila fortemente, com uma queda notável em 1998,
um ano especialmente afetado pelo evento El Niño. Entre 2012 e 2017, a produção
também oscila consideravelmente, com uma queda mais acentuada em 2012 e outra, um
pouco menor, em 2016.
Em relação à soja, a produção começa a aumentar, e, embora a seca
impacte a região, a adoção crescente dessa cultura pode ser impulsionada por práticas
agrícolas adaptativas. Isso sugere que a soja é menos impactada pela seca ou que há
melhorias significativas em técnicas de manejo e irrigação.
6.4. Perdas de Produção Agrícola devido a seca.

As perdas agrícolas mostraram-se bastante variáveis entre as culturas e ao
longo dos anos (Tabela 13) que apresenta a média em escala de 5 anos. Entre as culturas
analisadas, todas apresentaram índices de perdas, principalmente em anos que deve a
ocorrência de eventos climáticos extremos como a seca. Os valores máximos do índice
de perdas agrícolas ano a ano foram: Cana-de-açúcar (6,17%) na seca de 1993, milho
(39,90%) na seca de 1993, e para soja os dados obtidos foram insuficientes para uma
análise, pois a sua produção ainda é relativamente nova no estado do Nordeste.
Tabela 13. Índice médio de perdas agrícolas (%) das culturas sobre o Nordeste e
eventos climáticos.

Ano

Eventos extremos
associados

Cana-de-Açúcar (Índice
de Perdas %) em média

Milho em Grão (Índice de
Perdas %) em média

1998 a 1993
1994 a 1999
2000 a 2005
2006 a 2011
2012 a 2017
2018 a 2022

Seca
Seca
Estiagem
Úmido
seca
Úmido

2,51
4,09
2,61
0,82
0,71
0,48

15,12
11,53
10,74
7,06
16,23
7,46

Fonte: A autora (2024)

As consideráveis perdas nas colheitas agrícolas nesse ecossistema podem
ser atribuídas à prolongada seca que atinge a região nos últimos anos. Ao longo do tempo,
grandes secas são registradas, sendo uma das mais devastadoras a que ocorreu entre 1877
e 1879, resultando na perda de metade da população e quase todo o gado bovino da região
(CGEE, 2020). Antes desse período, outras secas severas também foram documentadas.
Após 1877, várias outras grandes secas sucedem, incluindo os anos de 1979-1983, 1987,
1990, 1992-1993, 1997-1998, 2002-2003 e 2010-2015, sendo estas as mais significativas
(CGEE, 2020).
Desde 1988, a extensão e a intensidade da seca têm afetado
significativamente a economia do Nordeste, prejudicando múltiplos municípios e
causando adversidades tanto nas zonas urbanas quanto rurais (Marengo et al., 2017;
Marengo et al., 2020). Os prejuízos na produção resultantes desses períodos de seca são
especialmente acentuados nos anos de 1988 a 1993 e de 2012 a 2016, notadamente para
culturas como a cana-de-açúcar, que apresentou uma redução de 6,17% e 5,69%,
respectivamente, e o milho, com reduções de 27,78% e 39,90% (Tabela 14).
Tabela 14. Índice de perdas agrícolas média (%) das culturas no Nordeste e eventos
climáticos.

Ano

Eventos extremos
associados

Cana-de-Açúcar (Índice
de Perdas %) em média

Milho em Grão (Índice de
Perdas %) em média

1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002

Estiagem
Úmido
Seca
Seca
Seca
Seca
Úmido
Estiagem
Úmido
Seca
Seca
Seca
Úmido
Seca
Seca

2,58
4,18
1,15
0,67
0,30
6,17
0,41
5,00
5,69
4,57
3,80
5,07
6,31
5,10
3,84

5,07
4,50
19,66
7,25
14,36
39,90
9,26
4,88
6,43
4,90
24,66
19,06
3,75
21,00
13,18

2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
2021
2022

Úmido
Úmido
Seca
Seca
Seca
Úmido
Úmido
Úmido
Úmido
Seca
Seca
Seca
Seca
Seca
Seca
Seca
Estiagem
Estiagem
Estiagem
Úmido

0,02
0,11
0,28
1,24
0,11
3,12
0,00
0,11
0,36
1,07
0,78
0,63
0,89
0,40
0,51
0,69
0,10
0,89
0,22
0,48

12,21
9,46
4,81
5,05
5,98
6,54
7,47
8,87
8,46
27,78
13,35
11,47
13,29
21,13
10,37
13,99
8,40
2,45
7,14
5,33

Fonte: A autora (2024)

Conforme observado por Souza e Aquino (2018), a seca tem um impacto
considerável sobre os grãos em outras regiões, resultando em uma diminuição na
produção que varia entre 72,6% e 92,9% durante o período de 2012 a 2016. Esses autores
também destacam que o milho e a soja são as culturas mais afetadas, com reduções
percentuais que oscilam entre 72,5% e 94,8% para o milho, e entre 70,1% e 94,7% para
a soja no mesmo período. De acordo com Alvalá et al. (2017) e Conab (2017), há uma
diminuição na produção de grãos na região Nordeste de aproximadamente 40%, enquanto
a produção de cana-de-açúcar é reduzida em 19% entre os períodos de 2014/2015 e
2015/2016. Martins et al. (2017), ressalta que entre o ano de 2010 e 2017, apenas 2011
não apresenta condições de seca em parte dos estados do Nordeste, o que está em
concordância com os dados deste estudo, que classificam 2011 como um ano úmido.
Como já discutido previamente, a gravidade da seca tem impacto direto na
agricultura dos territórios estudados, além de estar relacionada à quantidade de chuva
anual. Essas categorias de seca não são determinadas apenas pelo volume de chuva, mas

pela combinação de vários indicadores hidrometeorológicos, incluindo aqueles
relacionados a períodos de estiagem. Nas Figuras 9 e 10, observa-se a evolução da
produção agrícola entre 1988 e 2022 para os estados do Nordeste do Brasil. O plantio de
cana-de-açúcar ocorre ao longo de todo o ano, enquanto o de milho e soja ocorre entre os
meses de abril e julho. Em relação à colheita, a da cana-de-açúcar ocorre entre dezembro
e março, e a do milho e da soja é realizada entre outubro e dezembro (CONAB, 2019).
Com base nessas informações, é possível verificar como as categorias de seca afetam as
etapas de crescimento dessas culturas.
Conforme evidenciado pelas Figuras 9 e 10, há uma diminuição na
produção nos anos de 1990 a 1993, 1998 a 2000 e de 2012 a 2018, coincidindo com a
presença de condições de seca excepcional e extrema durante o ciclo de cultivo da canade-açúcar e do milho, já para a soja mencionado anteriormente o Nordeste é relativamente
novo na produção dessa cultura e os dados históricos disponíveis são insuficientes para
se construir um gráfico de evolução ao longo dos anos. Embora em 2017 e 2019 também
tenham ocorrido condições de seca excepcional e extrema, estas não coincidem com o
período crítico de plantio e colheita das culturas, resultando em perdas relativamente
menores na produção de grãos.
A produção agrícola em 2015 e 2019 registrou níveis mais baixos em
comparação com os anos de 2017 e 2020. Isso se deve ao fato de que em 2015 e 2019
houve uma ocorrência significativa de seca severa em todos os noves estados, o que
provavelmente resultou em danos à produção de grãos. Por outro lado, nos anos de 2017
e 2020, apesar da presença predominante de condições de seca leve a moderada, a
produção agrícola foi robusta, sugerindo que essas duas categorias de seca não tiveram
um impacto significativo na produção (Batista e Albuquerque, 2022).

Figura 9. Gráfico de produção média de cana-de-açúcar (t) nos nove estados do
Nordeste do Brasil.

Fonte: A autora (2024)

Figura 10. Gráfico de produção média de milho-em-grão (t) nos nove estados do
Nordeste do Brasil.

Fonte: A autora (2024)

Em alguns estados do nordeste como Alagoas, Pernambuco, Sergipe e
Bahia, a agricultura foi afetada, durante os períodos de 2000 - 2010 e 2011 – 2015 por
uma redução da dimensão de seu sistema produtivo, caracterizada pelo efeito escala
negativo, conforme nos figura 9 e 10. Além disso, é importante destacar que a cana-deaçúcar apesar de ter perdido área colhida, tomou cerca de 92% da área permutada de
outras culturas dentro do sistema como o feijão, milho, fumo, algodão, mandioca, arroz,
coco-dabaía e café. Entre essas culturas, o milho, em particular, apresentou um impacto
negativo no rendimento. Segundo Souza (2002), no período entre de 1975-1985, a cultura
que mais tomou área foi a cana-de-açúcar, ocupando cerca de 90% das terras liberadas
pelas culturas de mandioca, algodão herbáceo e milho.

De acordo com Santos (2011), Alagoas é o principal produtor de canade-açúcar no Nordeste brasileiro. Em 2008/2009, o estado alcançou uma produção de
27.309.285 toneladas de cana, posicionando-se em quinto lugar no ranking nacional de
produção. A produção de cana em Alagoas sofreu grandes variações ao longo do tempo,
principalmente devido às flutuações climáticas decorrentes dos diversos períodos de
estiagem prolongada. Já em Pernambuco conforme os cenários econômicos e estudos
setoriais do SEBRAE (2008), o aumento da presença da cana-de-açúcar e milho no estado
foi impulsionado pelas condições climáticas favoráveis, pela implementação de práticas
culturais eficientes, pelo uso de sistemas de irrigação e pela introdução de variedades
mais produtivas. Portando a irrigação teve um papel importante na proteção dessas
culturas as secas severas no estado.
6.5. Estimativa de produção ao longo do tempo e tendências de ganhos e perdas.
A produção agrícola no NEB entre 1985 e 2022 apresentou uma tendência
de queda significativa, conforme demonstrado pelos dados de produção de milho em
Pernambuco e Piauí (Figura 10 e 11). Essa tendência é influenciada principalmente pela
baixa precipitação na região, com variações observadas ao longo dos anos.
No estado de Pernambuco, a produção de milho, representada (Figura
10), mostra uma tendência de declínio acentuado ao longo dos anos. A produção caiu
significativamente entre 1995 e 2020, com um coeficiente de determinação (R²) de 0,57,
indicando que 57% da variação na produção pode ser explicada pela diminuição das
chuvas e outros fatores climáticos adversos. Nos anos de seca mais severa, como em 2001,
2005, 2007, 2010 e 2012, a produtividade caiu para menos de 300 kg/ha, enquanto nos
anos de maior precipitação, a produção aumentou para até 1.300 kg/ha. Esta variação
demonstra uma perda de safra de aproximadamente 1 tonelada/ha devido às condições
climáticas adversas (IBGE, 2023).
No Piauí, conforme mostrado (Figura 10), a produção de milho também
seguiu uma tendência de declínio, embora com um coeficiente de determinação um pouco
mais alto (R² = 0,70), sugerindo que 70% da variação na produção pode ser atribuída às
variáveis analisadas. A curva de produção mostra uma redução significativa até 2005,
seguida por uma estabilização em níveis mais baixos até 2020. Durante anos de seca, a
produtividade do milho caiu para níveis abaixo de 300 kg/ha, enquanto em anos com

melhores condições de chuva, a produção chegou a 1.200 kg/ha. Esses dados reforçam a
alta sensibilidade da produção agrícola local às variações climáticas. (IBGE, 2023).
Estudos prévios, como os de Assad et al. (2008) e Gouvêa et al. (2009),
indicam que, enquanto há potencial para aumento da área cultivada em outras regiões,
como o Centro-Oeste, a dependência da irrigação complementar tende a aumentar,
especialmente em áreas do Nordeste. Marin et al. (2012) sugere que o aumento da
concentração de dióxido de carbono (CO₂) na atmosfera pode melhorar a eficiência do
uso da água pelas plantas, potencialmente contrabalançando a necessidade de irrigação
adicional.
As áreas com crescimento moderado na produção foram aquelas que
incorporaram avanços tecnológicos em irrigação, uma prática adotada para mitigar os
prejuízos, como a morte precoce das plantas e a necessidade de renovação antecipada dos
canaviais (Farias et al., 2008).
Figura 11. Gráfico de tendências de produtividade milho de Pernambuco demostrando
a tendência da queda na produção agrícola.

Fonte: A autora (2024)

Figura 12. Gráfico de tendências de produtividade milho no Piauí, demostrando a
tendência da queda na produção agrícola.

Fonte: A autora (2024)

Em Alagoas, (Figura 12) ilustra a produção de cana-de-açúcar, que
também demonstra uma tendência de declínio entre 1995 e 2020. O coeficiente de
determinação (R² = 0,89) sugere que 89% da variação na produção pode ser explicada
por fatores como a diminuição da precipitação. A partir de 2010, observou-se uma queda
progressiva, acentuada principalmente em períodos de estiagem. As variações anuais
indicam que a redução na produção é fortemente influenciada pela falta de chuvas e pela
ausência de irrigação adequada.

Figura 13. Gráfico de tendências de produtividade da cana-de-açúcar de Alagoas,
demostrando a tendência da queda na produção agrícola.

Fonte: A autora (2024)

Os dados apresentados na Figura 13 indicam a tendência temporal da
produção de milho (em toneladas) entre os anos de 1995 e 2020 em Alagoas. A análise
de regressão quadrática sugere uma tendência de queda ao longo deste período.
O coeficiente de determinação (R² = 0,72) indica que 72% da
variabilidade observada nos dados de produção de milho é explicada pelo modelo. Este
valor é considerado moderado, sugerindo que, embora a equação forneça um ajuste
razoável, ainda existe uma parcela significativa de variabilidade que não é capturada pela
regressão quadrática. A produção de milho atinge seu pico por volta do ano 2000, seguido
por um declínio constante até 2020. Este resultado está em consonância com os achados
de Silva et al. (2018), que também observaram uma diminuição na produção de milho no
Brasil devido a fatores como variabilidade climática e redução da área plantada.
Similarmente, Oliveira et al. (2019) reportaram uma queda na produtividade do milho
associada a mudanças nos padrões de precipitação e temperaturas extremas.
Figura 14.Gráfico de tendências de produtividade milho em Alagoas, demostrando a
tendência da queda na produção agrícola.

Fonte: A autora (2024)

A Figura 14 apresenta a produção de cana-de-açúcar (em toneladas) de
1995 a 2020. Com um coeficiente de determinação (R² = 0,68), indicando que 68% da
variabilidade na produção de cana-de-açúcar é explicada pelo modelo. Este ajuste é
ligeiramente inferior ao observado para a produção de milho, sugerindo que outros fatores
não incluídos no modelo podem estar influenciando a produção. A produção de cana-deaçúcar mostra um declínio progressivo ao longo do período estudado, com um ponto
máximo inicial em torno de 1995-2000. Este padrão de queda está alinhado com os
resultados de Santos et al. (2017), que identificaram uma tendência de redução na
produção de cana-de-açúcar no Nordeste do Brasil, relacionada ao aumento da frequência
de eventos climáticos extremos, como secas prolongadas. Gonçalves e Pereira (2021)
também verificaram uma redução semelhante, destacando a influência do manejo
inadequado do solo e do uso ineficiente de insumos agrícolas.

Figura 15. Gráfico de tendência na queda da produção agrícola para a cana-de-açúcar
para o estado do Ceará.

Fonte: A autora (2024)

A Produção de milho no Ceará (Figura 15) com um coeficiente de
determinação (R² = 0,51) mostra um crescimento até aproximadamente 2010, seguido por
uma diminuição até 2020. A baixa precisão do ajuste indica que há muitos outros fatores
não capturados pelo modelo que afetam a produção dessa cultura. Resultados semelhantes
foram encontrados por Almeida et al. (2020), que relataram variabilidade na produção
agrícola devido à combinação de fatores climáticos, como chuvas irregulares e altas
temperaturas, e fatores socioeconômicos, como o custo dos insumos e a adoção de
tecnologias de baixo rendimento.
Figura 16. Gráfico de tendência da produção agrícola para milho no estado do Ceará.

Fonte: A autora (2024)

Esses resultados (Figura 13, 14 e 15) indicam uma tendência geral de
declínio na produção agrícola ao longo do período analisado, o que é consistente com
diversos estudos recentes sobre os impactos das mudanças climáticas e práticas agrícolas
sobre a produtividade. Segundo Lopes et al. (2022), a redução na produção do milho e
cana-de-açúcar, pode ser amplamente atribuída à intensificação de eventos climáticos
adversos, como secas e ondas de calor, que afetam negativamente o ciclo de crescimento
das plantas e o rendimento das colheitas. Além disso, fatores econômicos e sociais, como
políticas públicas desfavoráveis e a redução do investimento em tecnologias agrícolas,
também desempenham um papel crucial, como destacado por Moreira et al. (2021).
No entanto, a variabilidade observada nas produções de milho e canade-açúcar também aponta para a necessidade de modelos mais robustos que incorporem
variáveis adicionais, como a qualidade do solo, práticas de irrigação, uso de fertilizantes
e políticas de manejo sustentável, Costa et al. (2023).
Em Sergipe (Figura 16) a produção de cana-de-açúcar entre 1995 e 2020
indica um crescimento significativo na produção, especialmente a partir de 2005, onde a
curva de tendência quadrática apresenta um leve crescimento na produção ao longo dos
anos, com uma concavidade para cima, sugerindo que a taxa de crescimento da produção
aumentou, ainda que de forma moderada. O valor de R² = 0,58 indica que cerca de 58%
da variação na produção pode ser explicada por essa equação quadrática, mostrando que
o modelo é parcialmente explicativo. A significância estatística (*) indica que a tendência
de crescimento é estatisticamente moderada, sugerindo que outros fatores, não capturados
pela equação quadrática, também podem estar influenciando a produção de cana-deaçúcar ao longo do tempo.

Figura 17. Gráfico de tendência no aumento da produção agrícola para a cana-deaçúcar para o estado do Sergipe.

Fonte: A autora (2024)

No estado do Rio Grande do Norte (Figura 17), para a produção de
cana-de-açúcar evidencia uma tendência de crescimento mais acentuada na produção,
com uma curva mais pronunciada para cima, indicando que a taxa de crescimento se
intensificou ao longo do período analisado. A melhoria expressa na taxa de crescimento
da produção pode estar relacionada a inovações tecnológicas e práticas agrícolas mais
eficientes. Conforme discutido por Sousa et al. (2019), o desenvolvimento e a adoção de
variedades de cana-de-açúcar geneticamente melhoradas, associadas a práticas de manejo
sustentável, como a irrigação de precisão, contribuíram significativamente para o
aumento da produtividade agrícola em regiões produtoras do Brasil. Esse estudo observou
um aumento médio de 30% na produtividade em áreas que adotaram práticas tecnológicas
avançadas, o que é consistente com a tendência mais acentuada de crescimento
apresentada no segundo gráfico.
Por outro lado, Ferreira e Silva (2020) destacam a importância das
políticas públicas e dos incentivos econômicos na expansão da produção de cana-deaçúcar. Segundo os autores, o período entre 2005 e 2015 foi marcado por políticas
governamentais voltadas para a expansão do setor sucroenergético, como programas de
financiamento para pequenos e médios produtores e subsídios para a implementação de
tecnologias inovadoras. Essas políticas podem ter contribuído para a intensificação do
crescimento observado na figura 17, alinhando-se ao período de crescimento mais
acentuado.

Figura 18. Gráfico de tendência no aumento da produção agrícola para a cana-deaçúcar para o estado do Rio Grande do Norte.

Fonte: A autora (2024)

A figura 18 mostra a produção de soja entre 1995 e 2020, o coeficiente
de determinação R2=0,96 indica que 96% da variação na produção ao longo dos anos
pode ser explicada por essa função linear, sugerindo um crescimento consistente e
previsível ao longo do tempo. Esse crescimento linear pode ser atribuído a fatores como
o aumento da demanda global por soja, investimentos em tecnologias agrícolas,
melhoramento genético das plantas e expansão das áreas cultivadas.
Figura 19. Gráfico de tendência no aumento da produção agrícola para soja para o
estado do Maranhão.

Fonte: A autora (2024)

De forma geral, é improvável que a região nordeste tenha melhorias na
produtividade devido às mudanças climáticas, dessa forma produtores tente a procurar

mais tecnologias de irrigação. Entre todas as culturas examinadas, a cana-de-açúcar foi a
que registrou as maiores quedas médias de produtividade, especialmente nos cenários em
que as temperaturas simuladas eram mais altas. É evidente que, tanto a médio quanto a
longo prazo, todos os estados do Nordeste verão reduções em seus níveis de
produtividade. Estados como Alagoas e Pernambuco enfrentarão grandes prejuízos.
No cultivo do milho se falando em comparação com a produtividade
média simulada para toda a região nordeste, independentemente do cenário considerado,
a Maranhão, Piauí e Sergipe registrou ganhos de produtividade, mesmo que em pequenas
escalas. Por outro lado, os outros estados são previstos as maiores perdas de
produtividade.
Na cultura da soja, considerando-se que é uma cultura relativamente
nova na região Nordeste, os dados coletados não foram suficientemente abrangentes para
permitir uma análise estatística mais aprofundada e rigorosa. Essa limitação decorre do
fato de que a implantação da soja em larga escala no Nordeste é um fenômeno recente, o
que resulta em uma menor disponibilidade de séries históricas de dados agronômicos,
climáticos e de manejo, necessários para um estudo mais detalhado. Consequentemente,
a interpretação dos resultados deve ser feita com cautela, levando em consideração a falta
de dados consistentes e a necessidade de monitoramento contínuo para entender
plenamente os padrões de produtividade e os fatores que afetam essa cultura na região.
7. CONCLUSÃO
Por meio das análises realizadas, verificou-se que as ondas de calor e secas têm
um papel determinante na queda da produção de cana-de-açúcar, milho e soja no Nordeste
do Brasil. O aumento na frequência e intensidade desses eventos climáticos,
impulsionado por mudanças climáticas e fatores regionais, impacta negativamente a
produtividade agrícola e revela a vulnerabilidade das culturas à variabilidade climática.
A análise do Índice de Precipitação Standardizado (SPI) revelou uma tendência
crescente de eventos de seca, especialmente em anos com fenômenos como El Niño. As
secas severas impactaram substancialmente a produção agrícola, com reduções de até
39,90% no milho e 6,17% na cana-de-açúcar durante períodos críticos. A soja, ainda em
expansão na região, requer práticas adaptativas para minimizar futuros impactos.

A correlação entre a produção das culturas nos diferentes estados do NEB mostra
a influência das condições climáticas e das práticas agrícolas, destacando a necessidade
de soluções regionais coordenadas. Investimentos em práticas de irrigação emergem
como uma estratégia eficaz para mitigar os efeitos das secas e das ondas de calor,
garantindo a sustentabilidade da produção agrícola.
Conclui-se que os impactos ambientais crescentes interferem diretamente na
produção de cana-de-açúcar, milho e soja. Dessa forma é fundamental a realização de
estudos adicionais para aprofundar essa lógica e desenvolver soluções adaptativas.
Investimentos em sistemas de irrigação são recomendados como medida crucial para
enfrentar os desafios climáticos na região Nordeste do Brasil.
8 REFERÊNCIAS
Abeysekara, W. C. S. M., Siriwardana, M., & Meng, S. (2023). Economic consequences
of climate change impacts on the agricultural sector of South Asia. A case study of
Sri Lanka. Economic Analysis and Policy, , 700.
Alexander, L. V., Zhang, X., Peterson, T. C., Caesar, J., Gleason, B., Klein Tank, A. M.
G., … Vazquez-Aguirre, J. L. (2006). Global observed changes in daily climate
extremes of temperature and precipitation. Journal of Geophysical Research,
111(D5). doi:10.1029/2005jd006290
Alvalá, R. C. S., Cunha, A. P. M. A., Brito, S. S. B., Seluchi, M. E., Marengo, J. A.,
Moraes, O. L. L., & Carvalho, M. A. (2019). Drought monitoring in the Brazilian
Semiarid region. Anais Da Academia Brasileira de Ciencias, 91(suppl 1),
e20170209. doi:10.1590/0001-3765201720170209
Alves, J. B., Silva, E. M. da, & Rickes, C. P. (2017). Downscaling dinâmico de
precipitação e veranicos no estado do Ceará. Journal of Environmental Analysis
and Progress, 2(4), 385–393. doi:10.24221/jeap.2.4.2017.1428.385-393
Araújo, L. C. (1930). Memória sobre o clima do Rio Grande do Sul. Rio de Janeiro:
Tipografia do Serviço de Informações do Ministério da Agricultura. 100.
Araújo, S. M. S. (2011). Questões Ambientais e Possibilidades de uso Sustentável dos
Recursos. Rios Eletrônica - Revista Cientifica da FASETE, 89–98.
Assad, E. D., Pinto, H. S., Zullo, J., Evangelista, S. R. M., Otavian, A. F., Avila, A. M.
H., … Coral, G. (2008). Aquecimento Global e a Nova Geografia da Produção
Agrícola no Brasil. Campinas: EMBRAPA, (2).
Ayoade, J. O. (2007). Introdução à climatologia para os trópicos. Bertrand Brasil.
Baldwin, J. W., Dessy, J. B., Vecchi, G. A., & Oppenheimer, M. (2019). Temporally
compound heat wave events and global warming: An emerging hazard. Earth’s
Future, 7(4), 411–427. doi:10.1029/2018ef000989

Barros, G. S. A. C. (2009). Brazil as an economic superpower? Understanding Brazil’s
changing role in the global economy (L. Martinez-Diaz, Org.). Washington: The
Brookings Institution.
Batista, D. F., & Albuquerque, T. M. A. (2022). Impacto da Seca na Agricultura dos
Territórios Agreste Central, Alto Sertão e Centro-Sul de Sergipe. Revista Brasileira
de Meteorologia, 37(1), 81–88. doi:10.1590/0102-77863710001
Bem-vindo a Home Page da Embrapa Milho e Sorgo. ([s.d.]). Recuperado 11 de
novembro
de
2024,
de
Embrapa.br
website:
http://www.cnpms.embrapa.br/publicacoes/milho_5_ed/climaesolo.htm>
Bitencourt, D. P., Fuentes, M. V., Franke, A. E., Silveira, R. B., & Alves, M. P. A. (2020).
The climatology of cold and heat waves in Brazil from 1961 to 2016. International
Journal of Climatology: A Journal of the Royal Meteorological Society, 40(4),
2464–2478. doi:10.1002/joc.6345
Black, E., Blackburn, M., Harrison, G., Hoskins, B., & Methven, J. (2004). Factors
contributing to the summer 2003 European heatwave. Weather, 59(8), 217–223.
doi:10.1256/wea.74.04
Boletim de Monitoramento e Análise Climática – Climanálise - Número Especial. (1986).
SP, 125.
Breshears, D. D., Fontaine, J. B., Ruthrof, K. X., Field, J. P., Feng, X., Burger, J. R., …
Hardy, G. E. S. J. (2021). Underappreciated plant vulnerabilities to heat waves. The
New Phytologist, 231(1), 32–39. doi:10.1111/nph.17348
Campos, J., Nilson Bezerra, & Studart, T. (2001). Secas no Nordeste do Brasil: origens,
causas e soluções. Fourth Inter-American Dialogue on Water Management.
Castro, A. (2003). Manual de Desastres: desastres naturais. Em Ministério da Integração
Nacional. Brasília (DF.
Change 2022: Impacts, Adaptation, and Vulnerability. Working Group II
Contribution to the Sixth Assessment Report of the Intergovernmental Panel on
Climate Change. (2022). Cambridge University Press.
Cíntia, & Berndtsson, R. (1996). Regionalization and spatial properties of Ceará State
rainfall in Northeast Brazil. Journal of Geophysical Research, 4221–4233.
Cintra, R. (2010). Assimilação de dados com redes neurais artificiais em modelo de
circulação geral da atmosfera. São José dos Campos, São Paulo, Brasil.
Clima e Tempo. ([s.d.]). Recuperado 11 de novembro de 2024, de Ministério da
Agricultura e Pecuária website: http://www.inmet.gov.br/portal/index.php?r=
Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to
the Fourth Assessment, Report of the Intergovernmental Panel on Climate Change,
p.996. (2007). Report of the Intergovernmental Panel on Climate Change.
Climate Change 2014: Impacts, Adaptation, and Vulnerability. Contribution
of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel
on Climate Change. (2014). Cambridge University Press.
Companhia Nacional, D. E. (2017). Disponível em: Acesso em.

Cortez, H., Santos, Lima, G., Peixoto De, & Sakamoto, M. (2017). A seca 2010-2016 e
as medidas do Estado do Ceará para mitigar seus efeitos. Parcerias Estratégicas,
83–118.
Costa, I., Moreira, & Mateus, A. (2014). Escalas temporais e tendências observadas nas
temperaturas máximas no Estado do Ceará. AMBIÊNCIA, 10, 465–487.
Costa, L. (1988). Modelo agrometeorológico de previsão de produtividade da soja para
as regiões do Triângulo Mineiro e Alto Paranaíba. Minas Gerais.
Cunha, A. P. M. (2019). Desenvolvimento e Avaliação de Indicadores Combinados de
Monitoramento de Secas para o Brasil. São José dos Campos, SP.
Cunha, A. P. M. A., Tomasella, J., Ribeiro-Neto, G. G., Brown, M., Garcia, S. R., Brito,
S. B., & Carvalho, M. A. (2018). Changes in the spatial–temporal patterns of
droughts in the Brazilian Northeast. Atmospheric Science Letters, 19(10).
doi:10.1002/asl.855
Cunha, A. P. M. do A., Brito, S. S. de B., Rossato, L., Alvalá, R. C. dos S., Cunningham,
C., Zeri, M., … Carvalho, M. A. (2017). AVALIAÇÃO DE INDICADOR PARA
O MONITORAMENTO DOS IMPACTOS DA SECA EM ÁREAS DE
PASTAGENS NO SEMIÁRIDO DO BRASIL. Revista brasileira de cartografia,
69(1). doi:10.14393/rbcv69n1-44034
Cunha, G. R. (2012). Zoneamento agroclimático para a cultura do milho no Brasil (Vol.
73). Londrina: Embrapa Soja.
Da Silva, D. F., Lima, M. J. D. A. S., Souza Neto, P. F. D. E., Gomes, H. B., Silva, F. D.
dos S., Almeida, H. R. R. de C., … Pereira, M. P. S. (2020). Caracterização de
eventos extremos e de suas causas climáticas com base no Índice Padronizado de
Precipitação Para o Leste do Nordeste. Revista Brasileira de Geografia Física,
13(2), 449–464. doi:10.26848/rbgf.v13.2.p449-464
de Claudino-Sales, V. (2022). Mudanças climáticas e ambientais globais. Em Curso
formação de mediadores em educação para redução de riscos de desastres no
estado da Paraíba (p. 71–83). Editora SertãoCult.
Díaz, S. C. (2019). Biodiversity and Ecosystem Services in the Americas: Findings from
the Americas Regional Assessment. Journal of Geophysical Research.
Dole, R., Hoerling, M., Perlwitz, J., Eischeid, J., Pegion, P., Zhang, T., … Murray, D.
(2011). Was there a basis for anticipating the 2010 Russian heat wave?: THE 2010
RUSSIAN HEAT WAVE. Geophysical Research Letters, 38(6).
doi:10.1029/2010gl046582
Dosio, A. (2018). Extreme heat waves under 1.5°C and 2°C global warming.
Environmental Research Letters, (5).
Edwards, D. C. (1997). Characteristics of 20th Century Drought in the United States at
Multiple Scales. Atmospheric Science Paper, 634.
Efeitos da Seca de 2012 no Setor Agropecuário de Santa Catarina. (2012). Florianópolis:
Fundação CEPA.
Fagundes, R. (2020). Understanding heat wave impacts on sugarcane yield and growth
across Brazilian regions. Climate Research, 82, 91–108.

Farias, C. H. de A., Fernandes, P. D., Azevedo, H. M., & Dantas Neto, J. (2008). Índices
de crescimento da cana-de-açúcar irrigada e de sequeiro no Estado da Paraíba.
Revista Brasileira de Engenharia Agricola e Ambiental/Brazilian Journal of
Agricultural and Environmental Engineering, 12(4), 356–362. doi:10.1590/s141543662008000400004
Farooq, M., Wahid, A., Kobayashi, N., Fujita, D., & Basra, S. M. A. (2009). Plant drought
stress: Effects, mechanisms and management. Em Sustainable Agriculture (p. 153–
188). Dordrecht: Springer Netherlands.
Favero, E. (2006). A seca na vida das famílias rurais de Frederico Westphalen - RS. Rio
Grande do Sul.
Fernandes, D. S., & Heinemann, A. B. (2011). Estimativa da variação da produtividade
do arroz em diferentes escalas temporais do índice SPI. Pesquisa Agropecuária
Brasileira (Vol. 46). Brasília, v.
Fiedler, N., Catão, Breshears, D. D., & Anderson-Teixeira, K. J. (2021). Compound
Heatwave and Drought Events: A Review of Impacts on Terrestrial Ecosystems.
Nature Climate Change, (10), 121–125.
Figueroa, Silvio N., & Nobre, C. A. (1990). Precipitation distribution over central and
western tropical South America. Climanálise, 36–45.
Figueroa, Silvio Nilo, Satyamurty, P., & Da Silva Dias, P. L. (1995). Simulations of the
summer circulation over the south American region with an eta coordinate model.
Journal of the Atmospheric Sciences, 52(10), 1573–1584. doi:10.1175/15200469(1995)052<1573:sotsco>2.0.co;2
Fischer, E. M., & Knutti, R. (2015). Anthropogenic contribution to global occurrence of
heavy-precipitation and high-temperature extremes. Nature Climate Change, 5(6),
560–564. doi:10.1038/nclimate2617
Geirinhas, J. (2018). Caracterização Climática de Ondas de Calor no Brasil. Anuario do
Instituto de Geociencias.
Geirinhas, J. L., Trigo, R. M., Libonati, R., Coelho, C. A. S., & Palmeira, A. C. (2018).
Climatic and synoptic characterization of heat waves in Brazil:
CHARACTERIZATION OF HEAT WAVES IN BRAZIL. International Journal
of Climatology: A Journal of the Royal Meteorological Society, 38(4), 1760–1776.
doi:10.1002/joc.5294
Gois, G. (2020). Statistical normality and homogeneity of a 71-year rainfall dataset for
the state of Rio de Janeiro-Brazil. Theoretical and Applied Climatology, v. 141.
1573–1591.
Gonçalves, A. D. ([s.d.]). Droughts and Agricultural Impacts in Brazil: Identifying
Vulnerabilities in Brazilian Agricultural Systems. Climatic Change.
Gouvêa, J. R. F., Sentelhas, P. C., Gazzola, S. T., & Santos, M. C. (2009). Climate
changes and technological advances: impacts on sugarcane productivity in tropical
southern Brazil. Scientia agricola, 66(5), 593–605. doi:10.1590/s010390162009000500003

Gusso, A. (2013). Integração de imagens NOAA/AVHRR: rede de cooperação para
monitoramento nacional da safra de soja. Revista CERES, 60(2), 194–204.
doi:10.1590/s0034-737x2013000200007
Guzmán, D. de A. (2005). Del Priore, Mary, Revisão do Paraíso: os brasileiros e o Estado
em 500 anos de história, Rio de Janeiro: Campus, 2000, 366 p. Nuevo mundo
mundos nuevos. doi:10.4000/nuevomundo.356
Harari, Y. N. (2018). 21 Lessons for the 21st Century (Vol. 372). New York: Random
House.
Hastenrath, S., & Heller, L. (1977). Dynamics of climatic hazards in northeast Brazil.
Quarterly journal of the Royal Meteorological Society. Royal Meteorological
Society (Great Britain), 103(435), 77–92. doi:10.1256/smsqj.43504
Hirons, L., & Klingaman, N. L. (2016). Historical Impact Analysis. Evidence on Deman
Climate and Environment Infrastructure/Livelihoods.
Hughes, B., & Saunders, M. A. (2002). A drought climatology for Europe. International
Journal of Climatology, v, 22, 1571–1592.
Ionita, M., Scholz, P., & Chelcea, S. (2016). Assessment of droughts in Romania using
the Standardized Precipitation Index. Natural Hazards (Dordrecht, Netherlands),
81(3), 1483–1498. doi:10.1007/s11069-015-2141-8
IPCC - Climate Change 2007 - The Physical Science Basis. Contribution of
Working Group I to the Fourth Assessment Report of the IPCC (ISBN 978 0521
88009-1 Hardback). (2007). 978, 521–70596.
Jesus, N. O., Ribeiro, R. C. A. S., Teixeira, A. H. C., Bezerra, B. G., & Cunha, J. S.
(2020). Cenários de Mudanças Climáticas e Impactos na Agricultura do Nordeste
Brasileiro. Revista Brasileira de Meteorologia.
Jones, J. W., Pickering, N. B., Rosenzweig, C., & Boote, K. J. (1995). Simulated impacts
of global climate change on crops. Em Climate Change and Rice (p. 218–231).
Berlin, Heidelberg: Springer Berlin Heidelberg.
Junior, A. R. C., Dantas, A. S., & Oliveira, C. R. M. (2018). Impacto das Ondas de Calor
em Culturas Agrícolas no Semiárido Brasileiro. Revista Brasileira de Engenharia
Agrícola e Ambiental, (1), 42–48.
Kane, S., & Yohe, G. (2000). Societal adaptation to climate variability and change: An
introduction. Em Societal Adaptation to Climate Variability and Change (p. 1–4).
Dordrecht: Springer Netherlands.
Katzenstein, M. F. (2021). The Role of Water Scarcity in Resilience and Vulnerability
Assessment of Socioecological Systems. Water, v. 13.
Khan, N., Shahid, S., Ismail, T., Ahmed, K., & Nawaz, N. (2019). Trends in heat wave
related indices in Pakistan. Stochastic Environmental Research and Risk
Assessment: Research Journal, 33(1), 287–302. doi:10.1007/s00477-018-1605-2
Kiem, A. S., Johnson, F., Westra, S., van Dijk, A., Evans, J. P., O’Donnell, A., …
Mehrotra, R. (2016). Natural hazards in Australia: droughts. Climatic Change,
139(1), 37–54. doi:10.1007/s10584-016-1798-7

Kjellström, T. (2019). Working on a warmer planet: The effect of heat stress on
productivity and decent work. International Labour Organization.
Kong, Q. (2020). Increases in summertime concurrent drought and heatwave in Eastern
China. Weather and Climate Extremes, v. 28.
Kousky, V. E., & Chug, P. S. (1978). Fluctuations in annual rainfall for northeast Brazil1.
Journal of the Meteorological Society of Japan, 56(5), 457–465.
doi:10.2151/jmsj1965.56.5_457
Kumar, V., & Panu, U. (1997). Predictive Assessment of Severity of Agricultural
Droughts Based on Agro-Climatic Factors 1. JAWRA Journal of the American
Water Resources Association, (33), 1255–1264.
Lima, J. R., & Magalhães, A. R. (2018). Secas no Nordeste: registros históricos das
catástrofes econômicas e humanas do século 16 ao século 21. Parcerias
Estratégicas, 46, 191–212.
Linares, C., & Díaz, J. (2008). Impact of high temperatures on hospital admissions:
comparative analysis with previous studies about mortality (Madrid). European
Journal of Public Health, 18(3), 317–322. doi:10.1093/eurpub/ckm108
Liu, W. T., & Kogan, F. (2002). Monitoring Brazilian soybean production using
NOAA/AVHRR based vegetation condition indices. International journal of
remote sensing, 23(6), 1161–1179. doi:10.1080/01431160110076126
Livada, I., & Assimakopoulos, V. D. (2007). Spatial and temporal analysis of drought in
greece using the Standardized Precipitation Index (SPI). Theoretical and Applied
Climatology, 89(3–4), 143–153. doi:10.1007/s00704-005-0227-z
Lopes, A. B., Andreoli, R. V., Souza, R. A. F., Cerón, W. L., Kayano, M. T., Canchala,
T., & de Moraes, D. S. (2022). Multiyear La Niña effects on the precipitation in
South America. International Journal of Climatology: A Journal of the Royal
Meteorological Society, 42(16), 9567–9582. doi:10.1002/joc.7847
Luo, M., & Lau, N.-C. (2017). Heat waves in southern China: Synoptic behavior, longterm change, and urbanization effects. Journal of Climate, 30(2), 703–720.
doi:10.1175/jcli-d-16-0269.1
Lyra, G. B., Oliveira-Júnior, J. F., Gois, G., Cunha-Zeri, G., & Zeri, M. (2017). Rainfall
variability over Alagoas under the influences of SST anomalies. Meteorology and
Atmospheric Physics, 129(2), 157–171. doi:10.1007/s00703-016-0461-1
Magrin, G. (2014). Contribution of Working Group II to the Fifth Assessment Report of
the Intergovernmental Panel on Climate Change. Em Climate Change 2014:
Impacts, Adaptation, and Vulnerability. Cambridge University Press.
Marengo, J. A. (2018). Mudanças Climáticas e seus Impactos na Agricultura do Nordeste
Brasileiro.
Marengo, J., Antonio, & Espinoza, J. (2016). Secas sazonais extremas e inundações na
Amazônia: causas, tendências e impactos. Revista Internacional de Climatologia,
36, 1033–1050.

Marengo, Jose A., & Camargo, C. C. (2008). Surface air temperature trends in Southern
Brazil for 1960–2002. International Journal of Climatology: A Journal of the Royal
Meteorological Society, 28(7), 893–904. doi:10.1002/joc.1584
Marin, F. R., Jones, J. W., Singels, A., Royce, F., Assad, E. D., Pellegrino, G. Q., &
Justino, F. (2013). Climate change impacts on sugarcane attainable yield in southern
Brazil. Climatic Change, 117(1–2), 227–239. doi:10.1007/s10584-012-0561-y
Marques, D. A. B. (2022). Estudos de viabilidade de cultivares de milho transgênico.
Revista Brasileira de Milho e Sorgo.
Martins, E. S. P. R., Magalhães, A. R., & Fontenele, D. (2017). A seca plurianual de
2010-2017 no Nordeste e seus impactos. Parcerias Estratégicas, 17–40.
Marto, N. (2005). Ondas de calor. Impacto sobre a saúde. Acta Médica Portuguesa, 18,
467–474.
Mckee, T. B. (1993). The relationship of drought frequency and duration to time scales.
Em Proceedings of the 8th Conference on Applied Climatology (p. 179–183).
Medeiros, G. C. S., Maia, A. G., & Medeiros, J. D. F. (2016). Seca Hidrológica: uma
abordagem sob a perspectiva da demanda hídrica. 1–8.
Mendes, J. S. (2021). Efeitos de eventos climáticos extremos na produtividade de canade-açúcar no Nordeste do Brasil. Revista Brasileira de Meteorologia, 230–244.
Milhorance, C., Sabourin, E., & Mendes, P. (2021). Adaptação às mudanças climáticas
no Semiárido brasileiro: desafios de coordenação e implementação de políticas
públicas. Em A ação pública de adaptação da agricultura à mudança climática no
Nordeste semiárido brasileiro (p. 81–98). E-papers Serviços Editoriais.
Mishra, A. K., & Singh, V. P. (2010). A review of drought concepts. Journal of
Hydrology, 391(1–2), 202–216. doi:10.1016/j.jhydrol.2010.07.012
Moonen, A. C. (2019). Climate change impacts on rainfed agriculture in the Brazilian
semi-arid region. Climatic Change, 97–113.
Moore, D. S. (2007). Segurança alimentar x agrocombustíveis: a controvérsia entre a
produção de alimentos e a produção de etanol no Brasil. New York, Freeman
Moreira RCGGS.
Moura, A. D., & Shukla, J. (1981). On the dynamics of droughts in northeast Brazil:
Observations, theory and numerical experiments with a general circulation model.
Journal of the Atmospheric Sciences, 38(12), 2653–2675. doi:10.1175/15200469(1981)038<2653:otdodi>2.0.co;2
Mukherjee, S., Mishra, A., & Trenberth, K. E. (2018). Climate Change and Drought: A
Perspective on Drought Indices. Current Climate Change Reports, 4(2), 145–163.
doi:10.1007/s40641-018-0098
Nemani, R., & Running, S. (1997). Land cover characterization using multitemporal red,
near-IR, and thermal-IR data from NOAA/AVHRR. Ecological applications. 79–90.
Neves, D. J., Delgado, Alcântara, C., Rodrigues, & Souza, E. (2016). Estudo de caso de
um distúrbio ondulatório de leste sobre o Estado do Rio Grande do Norte-Brasil.
Revista Brasileira de Meteorologia, v, 31, 490–505.

Oliveira, D., Evangelista, Assis, D., Couto, & Ferreira, C. (2018). A Dinâmica Climática
Regional em Municípios da Zona da Mata, Campos das Vertentes e Sul Sudoeste
de Minas Gerais: Efeitos das Ondas de Frio e de Calor nas Atividades Agrícolas.
Revista Brasileira de Climatologia, (1).
Oliveira, J. F. de, Júnior, Lyra, G. B., Góis, G., Brito, T. T., & Moura, N. da S. H. de.
(2012). Análise de Homogeneidade de Séries Pluviométricas para Determinação do
Índice de Seca IPP no Estado de Alagoas. Floresta e Ambiente, 19(1), 101–112.
doi:10.4322/floram.2012.011
Papalexiou, S. M., AghaKouchak, A., Trenberth, K. E., & Foufoula-Georgiou, E. (2018).
Global, regional, and megacity trends in the highest temperature of the year:
Diagnostics and evidence for accelerating trends. Earth’s Future, 6(1), 71–79.
doi:10.1002/2017EF000709
Perkins, S. E., & Alexander, L. V. (2013). On the measurement of heat waves. Journal of
Climate, 26(13), 4500–4517. doi:10.1175/jcli-d-12-00383.1
Perkins-Kirkpatrick, S. E., & Gibson, P. B. (2017). Changes in regional heatwave
characteristics as a function of increasing global temperature. Scientific Reports, 1–
12.
Ponciano, N. J. (2018). Changes in the frequency of heatwaves over the past two decades
in Brazil. International Journal of Climatology, 38, 1283–1296.
Porto, A. G. (2020). Comportamento da Temperatura do Ar em Cana-de-Açúcar
(Saccharum spp) em Cultivos Irrigados e de Sequeiro no Nordeste do Brasil. Anais
do XXV Congresso Brasileiro de Meteorologia.
Rabelo, U. P., & Lima, I. E., Neto. (2018). Efeito de secas prolongadas nos recursos
hídricos de uma região semiárida: uma análise comparativa para o Ceará. Revista
DAE, 66(212), 61–79. doi:10.4322/dae.2018.023
Rodrigues, V. S., Sousa, G. G., Saraiva, S. E. L., Cardoso, E. R. C., Pereira Filho, J. V.,
& Viana, T. V. A. (2018). Atributos químicos do solo em área cultivada com milho
sob irrigação com água salina. Revista Brasileira de Agricultura Irrigada. Fortaleza.
v, 12, 3129–3138.
Rosa, R. G. T. D. (2011). Índices de Seca: Aplicação ao Continente Português.
Rossato, L., Alvalá, R. C. dos S., Marengo, J. A., Zeri, M., Cunha, A. P. M. do A., Pires,
L. B. M., & Barbosa, H. A. (2017). Impact of soil moisture on crop yields over
Brazilian
semiarid.
Frontiers
in
environmental
science,
5.
doi:10.3389/fenvs.2017.00073
Roucou, P., Rocha de Aragão, J. O., Harzallah, A., Fontaine, B., & Janicot, S. (1996).
Vertical motion changes related to North-East Brazil rainfall variability: A gcm
simulation. International Journal of Climatology: A Journal of the Royal
Meteorological
Society,
16(8),
879–891.
doi:10.1002/(sici)10970088(199608)16:8<879::aid-joc56>3.0.co;2-b
Rusticucci, M. (2012). Observed and simulated variability of extreme temperature events
over
South
America.
Atmospheric
Research,
106,
1–17.
doi:10.1016/j.atmosres.2011.11.001

Schlenker, W., & Michael, J. (2009). Nonlinear temperature effects indicate severe
damages to US crop yields under climate change. Proceedings of the National
Academy of sciences, 106, 15594–15598.
Shiva, J., Shafiei, Chandler, D. G., & Kunkel, K. E. (2019). Localized changes in heat
wave properties across the United States. Earth’s Future, 300–319.
Silva, C. M. C. A. C., Barbosa, R. S., Nascimento, C. W. A. do, Silva, Y. J. A. B. da, &
Silva, Y. J. A. B. da. (2018). Geochemistry and spatial variability of rare earth
elements in soils under different geological and climate patterns of the Brazilian
northeast.
Revista
brasileira
de
ciencia
do
solo,
42(0).
doi:10.1590/18069657rbcs20170342
Silva, D. M. (2018). Impactos da seca nas safras agrícolas no Nordeste do Brasil. Boletim
Técnico.
Silva, G. K. da, Marcos Júnior, A. D., Lima, C. E. S., Silva, M. V. M. da, Silveira, C. da
S., Silva, E. M. da, & Lima, I. R. de. (2021). Análise da Variabilidade EspaçoTemporal do SPI: Um Estudo de Caso para a Sub-Bacia Choró, Ceará, Brasil.
Revista Brasileira de Meteorologia, 36(3 suppl), 539–549. doi:10.1590/010277863630005
Silva, I. J. D. (2022). Períodos úmidos e secos no estado de Alagoas via índice de seca /
Iago.
Sistema IBGE de Recuperação Automática - SIDRA. ([s.d.]-a). Recuperado 11 de
novembro de 2024, de Gov.br website: https://sidra.ibge.gov.br/home/lspa/.
Sistema IBGE de Recuperação Automática - SIDRA. ([s.d.]-b). Recuperado 11 de
novembro de 2024, de Gov.br website: https://sidra.ibge.gov.br/home/pms/brasil
Situação da seca observada nas regiões norte e nordeste do Brasil em. (2016).
Skansi, M. de L. M., Brunet, M., Sigró, J., Aguilar, E., Arevalo Groening, J. A.,
Bentancur, O. J., … Jones, P. D. (2013). Warming and wetting signals emerging
from analysis of changes in climate extreme indices over South America. Global
and Planetary Change, 100, 295–307. doi:10.1016/j.gloplacha.2012.11.004
Sm, V.-S., Van Der Schrier, G., Beguería, S., & Azorin-Molina C E Lopez-Moreno, J. I.
(2015). Contribuição da precipitação e evapotranspiração de referência para
índices de seca sob diferentes climasJ. Wada Y.
Soares, D. (2017). Can significant trends be detected in surface air temperature and
precipitation over South America in recent decades? International Journal of
Climatology, 1483–1493.
Sousa Júnior, I. (2006). A influência da urbanização no clima da cidade de Campina
Grande-PB. Dissertação de Mestrado.
Souza, A., Rodrigues, Cardoso, A., De Oliveira, & Silva, W. (2022). Identification of
rainfall indexes for monthly streamflow forecast in the Tucuruí station-Tocantins.
Brazilian Journal of Development, 12, 78599–78620.
Souza, C. L. O. de, Nogueira, V. de F. B., & Nogueira, V. D. S. (2017). Variabilidade
interanual da precipitação em cidades do semiárido brasileiro entre os anos de 1984

e 2015. Revista Verde de Agroecologia e Desenvolvimento Sustentável, 12(4), 740.
doi:10.18378/rvads.v12i4.5626
Souza, E. M., & Aquino, J. R. (2012). A grande seca e seus efeitos na produção
agropecuária do Rio Grande do Norte. Em Revista GeoNordeste (p. 174–195). São
Cristóvão, Ano XXIX.
Souza, M. C. C. (2019). A Importância da Gestão de Recursos Hídricos em Regiões
Semiáridas: o caso do Nordeste do Brasil. Revista Brasileira de Recursos Hídricos,
629–641.
Stott, P. A. (2013). Attribution of weather and climate-related events. Climate Science
for Serving Society: Research. Modeling and Prediction Priorities, 307–337.
Streck, N. A. ([s.d.]). Modelagem do Desenvolvimento e Crescimento da Cultura da Soja
(Glycine max (L.) Merril). Ciencia Rural.
Suassuna, J. (2005). Potencialidades hídricas do nordeste brasileiro. Parcerias
estratégicas, 20, 131–156.
Tavares, P., & Da, S. ([s.d.]). Análise da tendência das ondas de calor no Nordeste do
Brasil. Climatic Research Unit. Norwich, UK.
Thornton, P. K., Jones, P. G., Alagarswamy, G., & Andresen, J. (2009). Spatial variation
of crop yield response to climate change in East Africa. Global Environmental
Change:
Human
and
Policy
Dimensions,
19(1),
54–65.
doi:10.1016/j.gloenvcha.2008.08.005
Uliana, E. M., Mendes, M. A. dos S. A., Almeida, F. T. de, Reis, E. F. dos, Xavier, A. C.,
& Silva, J. G. F. da. (2017). Índice de precipitação padronizado: estudo de caso para
região noroeste do Estado do Espírito Santo, Brasil. Nativa, 5(5), 330–336.
doi:10.5935/2318-7670.v05n05a05
Vicente-Serrano, S. M. (2010). A multi-scalar drought index sensitive to global warming:
The standardized precipitation evapotranspiration index - SPEI. Journal of Climate,
(23), 1696–1718.
Vincent, L. A., Peterson, T. C., Barros, V. R., Marino, M. B., Rusticucci, M., Carrasco,
G., … Karoly, D. (2005). Observed trends in indices of daily temperature extremes
in South America 1960–2000. Journal of Climate, 18(23), 5011–5023.
doi:10.1175/jcli3589.1
Vitali, A., Felici, A., Esposito, S., Bernabucci, U., Bertocchi, L., Maresca, C., …
Lacetera, N. (2015). The effect of heat waves on dairy cow mortality. Journal of
Dairy Science, 98(7), 4572–4579. doi:10.3168/jds.2015-9331
Vujica, M. (1972). Structural analysis of hydrologic time series.
Wallace-Wells, D. (2019). A terra inabitável: uma história do futuro. Em Editora
Companhia das Letras.
Werle, A. J. K., Nicolay, R. J., Santos, R. F., Borsoi, A., & Secco, D. (2011). Avaliação
de híbridos de milho convencional e transgênico (Bt), com diferentes aplicações
deinseticida em cultivo safrinha. Em Revista Brasileira de Tecnologia Aplicada nas
Ciências Agrárias (p. 150–159). Guarapuava.

Wilhite, D. A., & Glantz, M. H. (1985). Understanding: The drought phenomenon: The
role
of
definitions.
Water
International,
10(3),
111–120.
doi:10.1080/02508068508686328
Williams, A. P. (2021). Future dry and warm events in Africa and impacts on agriculture.
Environmental Research Letters, (8).
Willmott, C. J. (1984). On the evaluation of model performance in physical geography.
Em Spatial Statistics and Models (p. 443–460). Dordrecht: Springer Netherlands.
Yang, X., Ruby Leung, L., Zhao, N., Zhao, C., Qian, Y., Hu, K., … Chen, B. (2017).
Contribution of urbanization to the increase of extreme heat events in an urban
agglomeration in east China: Urbanization and the Increase of EHEs. Geophysical
Research Letters, 44(13), 6940–6950. doi:10.1002/2017gl074084
Zhao, Q., Chen, Q., Jiao, M., Wu, P., Gao, X., Ma, M., & Hong, Y. (2018). The temporalspatial characteristics of drought in the Loess Plateau using the remote-sensed
TRMM precipitation data from 1998 to 2014. Remote Sensing, 10(6), 838.
doi:10.3390/rs10060838