Juliana de Sousa (2026)
Dissertacao_Juliana_versaoFINALcomficha.pdf
Documento PDF (16.3MB)
Documento PDF (16.3MB)
Universidade Federal de Alagoas
Instituto de Ciências Atmosféricas
Programa de Pós-Graduação em Meteorologia
JULIANA DE SOUSA SANTOS
EXTREMOS PLUVIOMÉTRICOS EM ALAGOAS: VARIABILIDADE INTRASAZONAL E INTERANUAL EM REGIÕES HIDROGRÁFICAS
Maceió – Alagoas
Agosto, 2026
JULIANA DE SOUSA SANTOS
EXTREMOS PLUVIOMÉTRICOS EM ALAGOAS: VARIABILIDADE INTRASAZONAL E INTERANUAL EM REGIÕES HIDROGRÁFICAS
Dissertação
de
mestrado
apresentada ao Programa de Pósgraduação
em
Meteorologia
da
Universidade Federal de Alagoas –
UFAL como parte dos requisitos
necessários à obtenção do grau de
Mestre em Meteorologia.
Orientador: Prof. Dr. José Francisco
de Oliveira Júnior
Maceió, Alagoas
Agosto, 2026
Catalogação na fonte
Universidade Federal de Alagoas
Biblioteca Central
Divisão de Tratamento Técnico
Bibliotecária: Taciana Sousa dos Santos – CRB-4 – 2062
S237e
Santos, Juliana de Sousa.
Extremos pluviométricos em Alagoas : variabilidade intra-sazonal e
interanual em regiões hidrográficas / Juliana de Sousa Santos. – 2026.
112 f. : il. color.
Orientador: José Francisco de Oliveira Júnior.
Dissertação (Mestrado em Meteorologia) – Universidade Federal de
Alagoas. Instituto de Ciências Atmosféricas. Programa de Pós-Graduação
em Meteorologia. Maceió, 2026.
Bibliografia: f. 90-112.
1. Chuvas extremas. 2. Variabilidade intrasazonal e interanual. 3. Regiões
hidrográficas - Alagoas. I. Título.
CDU: 551.577.37 (813.5)
Folha de Aprovação
JULIANA DE SOUSA SANTOS
EXTREMOS PLUVIOMÉTRICOS EM ALAGOAS: VARIABILIDADE
INTRA-SAZONAL E INTERANUAL EM REGIÕES HIDROGRÁFICAS
Dissertação de mestrado apresentada
ao Programa 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 em: 14/08/2026
Banca examinadora
Prof. Dr. José Francisco de Oliveira Júnior
ICAT/UFAL (Orientador)
Prof. Dr. Rosiberto Salustiano da Silva Júnior
ICAT/UFAL
Prof. Dr. Helder José Farias da Silva
ICAT/UFAL
Prof. Dr. Ricardo Victor Rodrigues Barbosa
FAU/UFAL
AGRADECIMENTOS
Primeiramente, agradeço a Deus, por me sustentar nos momentos de
dificuldade, renovar minhas forças e me permitir concluir mais esta etapa da
minha vida.
À minha mãe, Mª Denilda, por caminhar ao meu lado em todos os momentos.
Obrigada por cada incentivo, por acolher minhas angústias e comemorar cada
conquista como se fosse sua. Seu amor, sua força e sua confiança sempre me
deram a segurança necessária para seguir em frente, mesmo diante das maiores
dificuldades. Espero que esta seja apenas uma das muitas conquistas que ainda
teremos a alegria de celebrar juntas.
Ao meu orientador, Prof. Dr. José Francisco de Oliveira Júnior, pela dedicação,
paciência, disponibilidade e pelas valiosas orientações ao longo do
desenvolvimento desta pesquisa.
Ao meu colega Kelvy Cardoso, pela disponibilidade em compartilhar
conhecimentos e por todo o auxílio prestado durante o desenvolvimento deste
trabalho.
Aos professores e membros da banca examinadora, pelas contribuições,
sugestões e pelo tempo dedicado à avaliação desta dissertação.
À Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES),
pelo apoio financeiro concedido por meio do financiamento desta pesquisa.
Por fim, agradeço a todos que, de alguma forma, contribuíram para a
concretização deste sonho e fizeram parte desta importante etapa da minha vida.
RESUMO
A variabilidade da chuva e seus extremos representa um desafio para o
gerenciamento e o planejamento hídrico e socioambiental em Alagoas. A gestão
hídrica utiliza a delimitação de regiões hidrográficas (RH) para garantir a melhor
utilização, distribuição e abastecimento dos recursos hídricos. O estudo tem
como objetivo analisar os impactos da variabilidade intrasazonal e interanual dos
extremos pluviométricos nas regiões hidrográficas de Alagoas. Utilizou-se dados
mensais de 54 estações pluviométricas separadas em dez RH baseadas nas
delimitações do Instituto Brasileiro de Geografia e Estatística (IBGE) para o
período de 1960 a 2016. A estatística aplicada a série temporal pluviométrica foi
baseada nas estatísticas descritiva, exploratória (boxplot) e multivariada (método
hierárquico de Ward e índice de Silhueta). O Índice de Anomalia de Chuva (IAC)
e Índice de Precipitação Padronizado (SPI) obtido via software DrinC foram
associados os episódios de ENOS (El Niño e La Niña) via índices ONI e RONI.
Os mapas de chuva (sazonal) e seca anual (SPI-12 e IAC) foram confeccionados
a partir do software QGIS via método de interpolação IDW. A caracterização dos
eventos extremos foi realizada por meio do algoritmo DBSCAN (Density-Based
Spatial Clustering of Applications). Para facilitar a interpretação dos padrões
multivariados e a visualização dos agrupamentos identificados empregou-se a
Análise de Componentes Principais (ACP). Os resultados obtidos evidenciaram
a existência de dois grupos pluviométricos homogêneos de RH com
características distintas. A análise espacial dos índices SPI-12 e IAC confirmou
a influência da variabilidade climática interanual, independente de ONI e RONI.
O algoritmo DBSCAN mostrou-se eficiente na identificação de anos secos,
chuvosos e de transição nas bacias hidrográficas. A integração de informações
climáticas, socioeconômicas e de demanda hídrica revelou que a vulnerabilidade
das regiões hidrográficas resulta da interação entre fatores naturais e antrópicos,
e assim reforça a importância de abordagens integradas para o monitoramento,
planejamento e gestão dos recursos hídricos em Alagoas.
Palavras-Chaves: chuva extrema, seca, regiões hidrográficas, SPI.
ABSTRACT
Rainfall variability and the occurrence of extreme precipitation events represent
significant challenges for water resources management and socio-environmental
planning, particularly in the state of Alagoas, Brazil. Water management
strategies rely on the delimitation of hydrographic regions (HRs) to support the
efficient allocation, distribution, and supply of water resources. This study aimed
to analyze the impacts of intra-seasonal and interannual variability of precipitation
extremes across the hydrographic regions of Alagoas. Monthly rainfall data from
54 rain gauge stations distributed among ten hydrographic regions, according to
the regional division established by the Brazilian Institute of Geography and
Statistics (IBGE), were analyzed for the period from 1960 to 2016. Time-series
analyses were based on descriptive and exploratory statistical techniques,
including boxplot analysis. The Standardized Precipitation Index (SPI) was
calculated using the DrinC software, while seasonal rainfall and annual drought
(SPI-12) maps were generated in QGIS using the Inverse Distance Weighting
(IDW) interpolation method. To identify spatial precipitation patterns across the
hydrographic regions, hierarchical clustering based on Ward’s method was
applied and validated using the Silhouette Index. Extreme events were
characterized through the Density-Based Spatial Clustering of Applications with
Noise (DBSCAN) algorithm. In addition, Principal Component Analysis (PCA)
was employed to facilitate the interpretation of multivariate patterns and the
visualization of the identified clusters by reducing data dimensionality while
preserving most of the original variability. The results revealed the existence of
two homogeneous groups of hydrographic regions with distinct rainfall regimes.
Analyses based on SPI-12 and the Rainfall Anomaly Index (RAI) confirmed the
influence of interannual climate variability on precipitation patterns. The DBSCAN
algorithm proved effective in identifying dry, wet, and transition years.
Furthermore, the integration of climatic, socioeconomic, and water-demand
indicators showed that the vulnerability of hydrographic regions results from the
interaction between natural and anthropogenic factors, highlighting the
importance of integrated approaches for water resources monitoring, planning,
and management in Alagoas.
Keywords: extreme rainfall; drought; hydrographic regions; SPI.
SUMÁRIO
pág.
1 INTRODUÇÃO ............................................................................................... 8
1.1 Justificativa .................................................................................... 11
2 OBJETIVOS .................................................................................................. 11
2.1 Geral ................................................................................................ 11
2.2 Específicos ..................................................................................... 11
3 REVISÃO BIBLIOGRÁFICA ......................................................................... 12
3.1 Eventos extremos climáticos ........................................................ 12
3.2 Variabilidade climática no Nordeste do Brasil ............................ 14
3.2.1 Mudanças Climáticas e Extremos Hidrometeorológicos em
Alagoas ................................................................................................. 16
3.3 Chuva .............................................................................................. 17
3.4 Seca ................................................................................................. 19
3.5 Impactos de eventos extremos em bacias hidrográficas ........... 21
3.5.1 Regiões Hidrográficas como Unidade de Planejamento e Gestão
dos Recursos Hídricos ........................................................................ 23
3.6 Segurança Hídrica, Vulnerabilidade Socioeconômica e Pressão
Antrópica .............................................................................................. 23
4 MATERIAIS E MÉTODOS ............................................................................ 25
4.1 Área de estudo ............................................................................... 25
4.2 Dados pluviométricos .................................................................... 29
4.2.1 Dados Socioeconômicos e de Demanda Hídrica ..................... 29
4.3 Standardized Precipitation Index (SPI) ........................................ 30
4.4 Método de interpolação espacial .................................................. 32
4.5 Critérios das fases do ENOS ........................................................ 32
4.6 Estatística aplicada ....................................................................... 35
4.7 Interpretação do Boxplot ............................................................... 36
4.8 Índice de Anomalia de Chuva – IAC ............................................. 36
4.9 Coeficiente de Silhueta (Silhouette Score) ................................. 38
4.10 Método Hierárquico de Ward e Dendrograma .......................... 39
5 RESULTADOS E DISCUSSÃO .................................................................... 42
5.1 Regionalização das bacias hidrográficas de Alagoas via técnicas
de agrupamento hierárquico .............................................................. 42
5.2 Perfil Médio Mensal de Precipitação por Grupo ......................... 45
5.3 Análise da Variabilidade Mensal por Boxplot .............................. 47
5.4 Análise DBSCAN: Identificação de Períodos Chuvosos e
Secos..................................................................................................... 50
5.4.1 Seleção do Parâmetro eps — Curva de Distância k-NN ..... 50
5.4.2 Dispersão PCA com Classificação DBSCAN ..................... 51
5.4.3 Série Temporal Classificada por DBSCAN ........................ 52
5.4.4 Heatmap Mensal por Categoria DBSCAN .......................... 54
5.4.5 Calendário de Anomalias e Eventos Extremos ................... 55
5.4.6 Perfil Sazonal por Categoria DBSCAN ............................... 56
5.5 Estatística Descritiva e Informações Ambientais ........................ 58
5.6 Análise pluviométrica anual dos grupos homogêneos de BH em
Alagoas ................................................................................................. 61
5.7 Análise espaço-temporal das chuvas .......................................... 65
5.7.1 Mapas Mensais .................................................................. 65
5.8 Análise espacial do SPI-12 e IAC ................................................. 68
5.9 Integração dos fatores socioeconômicos e de uso da água na
vulnerabilidade hídrica ........................................................................ 79
6 CONCLUSÕES ............................................................................................. 86
7 REFERÊNCIAS BIBLIOGRÁFICAS ............................................................. 88
1 INTRODUÇÃO
A água como fonte de vida, fonte de energia e como indicativo de
desenvolvimento regional tem sido desperdiçada e ao mesmo tempo
mercantilizada por empresas públicas e privadas ao redor do mundo (EVARISTO
et al., 2023; SCHROERING, 2024; KILIÇ, 2025; BROWN et al., 2026). Porém, a
falta de gerenciamento hídrico adequado, a escassez hídrica, a seca severa e a
estiagem prolongada são problemas que comprometem as atividades humanas
ligadas ao uso da água (MISHRA, 2023; BORAH, 2025; MATTA et al., 2025).
A água como recurso estratégico, deve ser analisada sob os seguintes
aspectos: i) abastecimento humano, ii) gerenciamento de recursos hídricos e iii)
a interação com a matriz energética (ANA, 2024). Para o abastecimento de água
potável ocorrer da forma abrangente e igualitária é necessário a integração entre
a infraestrutura de abastecimento e a gestão espacial dos recursos, com o intuito
de reduzir as vulnerabilidades socioambientais e rupturas nos serviços ofertados
(ANA, 2024).
É importante distinguir as Bacias Hidrográficas (BH) das Regiões
Hidrográficas (RH); por exemplo, as BH se caracterizam como uma unidade
territorial de drenagem com deságue comum (PIROLI, 2022) ou, anteriormente,
definida como a área de captação natural da água de precipitação que faz
convergir o escoamento para um único ponto de saída (TUCCI, 1997; BEVEN,
2012). Já as RH se caracterizam por uma bacia, grupo de bacias ou ainda subbacias (ANA, 2021). No Brasil há 12 RH, sendo que essas regiões têm sua
divisão justificada pelas diferenças existentes no país, tanto no que se refere aos
ecossistemas como também em diferenças de caráter econômico, social e
cultural (BRASIL, 2003; PORTO; PORTO, 2008; MEDEIROS et al., 2022).
Diversos estudos têm demonstrado que a combinação de índices de seca
com produtos de sensoriamento remoto (SR) constituem ótimas ferramentas na
avaliação da variabilidade pluviométrica e dos impactos hidrológicos em BH
(CHOI et al., 2013; MOHAMMED et al., 2017; ALAHACOON & EDIRISINGHE,
2022; MULLAPUDI et al., 2023; CUARTAS et al., 2024). Entre os índices de seca
mais utilizados na literatura científica destacam-se o Standardized Precipitation
Index (SPI), Standardized Precipitation-Evapotranspiration Index (SPEI) e o
8
Palmer Drought Severity Index (PDSI), baseados na precipitação, temperatura
do ar e evapotranspiração (ET); o Soil Moisture Deficit Index (SMDI), o
Standardized Soil Moisture Index (SSI) e o Multivariate Standardized Drought
Index (MSDI), que incorporam variáveis de umidade do solo; além de índices
hidrológicos, como o Standardized Runoff Index (SRI), e índices baseados em
sensoriamento remoto, como o Temperature Vegetation Dryness Index (TVDI)
(YIHDEGO et al., 2019; LI et al., 2023; WU et al., 2024; GUAN et al., 2025). Em
termos aplicados, diferentes regiões têm utilizado esses indicadores para
compreender impactos e subsidiar políticas públicas.
No Brasil, estudos recentes evidenciaram a utilidade do SPI e SPEI no
monitoramento das secas no Nordeste do Brasil (NEB) - (MARENGO et al., 2018;
CUNHA et al., 2019; NETO et al., 2026). Nas Américas, o PDSI tem sido bastante
usado no monitoramento das secas da Califórnia-USA (DETTINGER et al.,
2015). Já na Europa, estudos de abrangência continental aplicaram o SPEI e o
MSDI para caracterizar a intensificação das secas hidrológicas nas últimas
décadas (SPINONI et al., 2019). Esses exemplos reforçam o caráter abrangente
e adaptável dos índices de seca em múltiplos contextos climáticos e geográficos.
Os índices de seca são de suma importância no diagnóstico e
monitoramento de secas meteorológicas, pois permitem analisar os eventos de
seca em multiescala, o que possibilita identificar tanto eventos de curta duração
quanto de longa duração que afetam diretamente o fluxo dos rios e os níveis dos
reservatórios (GEBRECHORKOS et al., 2023; LI et al., 2023; WU et al., 2024;
GUAN et al., 2025). Anteriormente, Zhang et al. (2025) relacionaram os índices
SPI e SPEI com índices de vegetação como o NDVI (Índice de Vegetação por
Diferença Normalizada) e mostraram que a resposta da cobertura vegetal aos
eventos de seca pode ser atrasada ou atenuada.
Chuvas extremas podem estar associadas a eventos que excedem
limiares estatisticamente definidos baseados na climatologia de uma região
(SENEVIRATNE et al., 2021). As chuvas extremas nas BH causam diversas
consequências
de
ordem
hidrológica,
geomorfológica,
ambiental,
socioeconômica e sanitária, especialmente no estado de Alagoas, pertencente a
região Leste do Nordeste do Brasil (ENEB) – (BACK et al., 2020; OLIVEIRA-
9
JÚNIOR et al., 2021). Além de gerar cheias, enxurradas, inundações e erosão,
também há possibilidade de assoreamento e degradação da qualidade da água,
que, somados a fatores de vulnerabilidade social e urbanização desordenada,
ampliam os impactos negativos sobre as populações e sobre o meio ambiente
(LOPES E DOMINGOS, 2020; SGB/CPRM, 2022; MARENGO et al., 2023).
Embora diversos estudos sobre as BHs de Alagoas tenham sido
realizados anteriormente, eles possuem caráter pontual (SILVA et al., 2009;
SILVA et al., 2010a; SILVA et al., 2010b; SILVA et al., 2018) ou se limitam à
comparação entre apenas duas bacias (SOUZA, 2011; SILVA ALEXANDRE et
al., 2019; LIMA et al., 2021), sem que haja uma avaliação climatológica e
antrópica integrada que abranja todo o território estadual. Em suma, este estudo
busca preencher essa lacuna por meio de uma análise conjunta que associa a
variabilidade
climatológica
à
pressão
antrópica,
utilizando
indicadores
socioeconômicos, demográficos e ambientais.
10
1.1 JUSTIFICATIVA
A água é um recurso essencial à vida e ao desenvolvimento da sociedade,
sendo sua relação com a variabilidade climática um tema que necessita de
investigações profundas, especialmente, na compreensão dos extremos
climáticos e seus impactos. As Bacias Hidrográficas constituem unidades
fundamentais para a gestão e planejamento hídrico; contudo há lacunas no
campo científico acerca das análises dos impactos dos eventos extremos em
regiões hidrográficas em Alagoas de forma conjunta. Estudos prévios, em sua
maioria, limitaram-se em análises isoladas ou análises comparativas pontuais,
sem abordar de forma integrada o ciclo hidrológico e seus extremos (secas
severas, chuvas intensas) e seus efeitos sobre as populações vulneráveis
socioeconômicas.
2 OBJETIVOS
2.1 Geral
•
Analisar os impactos da variabilidade intrasazonal e interanual dos
extremos pluviométricos nas regiões hidrográficas de Alagoas.
2.2 Específicos
•
Avaliar os padrões pluviométricos em diferentes escalas temporais em
cada região hidrográfica.
•
Regionalizar as regiões hidrográficas de Alagoas segundo a similaridade
dos padrões de precipitação, utilizando os métodos de agrupamento Ward
e DBSCAN;
•
Identificar as regiões hidrográficas afetadas pelos extremos climáticos
via índices de seca.
•
Mostrar a relação da disponibilidade hídrica com a vulnerabilidade
socioeconômica.
11
3 REVISÃO BIBLIOGRÁFICA
Neste capítulo, será abordada a fundamentação teórica e a revisão de
literatura sobre a ocorrência de extremos de chuva e seca, seguidas de seus
impactos e consequências, além de metodologias que auxiliam na avaliação e
monitoramento desses fenômenos. Assim, os subtópicos estão estruturados da
seguinte forma: (3.1) Eventos extremos climáticos; (3.2) Variabilidade climática
no
Nordeste
do
Brasil;
(3.2.1)
Mudanças
Climáticas
e
Extremos
Hidrometeorológicos em Alagoas; (3.3) Chuva; (3.4) Seca; (3.5) Impactos de
eventos extremos em bacias hidrográficas; (3.5.1) Regiões Hidrográficas como
Unidade de Planejamento e Gestão dos Recursos Hídricos; (3.6) Segurança
Hídrica, Vulnerabilidade Socioeconômica e Pressão Antrópica.
3.1 Eventos extremos climáticos
Eventos extremos climáticos fazem parte da história do clima global,
porém, com mudanças climáticas em curso, os registros desses eventos estão
cada vez mais frequentes e intensos (IPCC, 2021). A caracterização de eventos
extremos está relacionada com a ocorrência atípica de um evento para um
determinado lugar ou época do ano, ou seja, um evento é considerado extremo
quando uma variável meteorológica ultrapassar o seu limiar máximo ou mínimo
(OLIVEIRA, 2018; IPCC, 2021).
Vale ressaltar que máximos e mínimos são esperados e fazem parte da
variabilidade climática, porém, o aumento ou diminuição da intensidade e a
persistência de um padrão de tempo da ocorrência desses eventos podem ser
atribuídas às alterações do clima (GUIMARÃES et al., 2021). O debate sobre
esses fenômenos tem ganhado cada vez mais notoriedade na atualidade, em
virtude da intensidade e complexidade da sua relação com os ecossistemas e
ciclos naturais (OLIVEIRA, 2018). Tais eventos não ocorrem de forma isolada,
eles fazem parte de um padrão em escala global, pois as alterações climáticas
induzem variações que afetam os fenômenos em diferentes escalas temporais e
espaciais (SILVA DIAS, 2014; PERERA et al., 2020).
12
A intensificação de eventos climáticos, a elevação do nível médio do mar
(NMM) e o aumento de temperaturas que levam a incêndios florestais e
flutuações imprevisíveis nas chuvas são impactos diretos relacionados às
mudanças climáticas (BOLAN et al., 2024). O sexto relatório (AR6) do Painel
Intergovernamental sobre Mudanças Climáticas (IPCC) reforça sobre o
aumento/diminuição da frequência de precipitação e temperatura a nível global
desde 1950 (IPCC, 2021). Entre 2011-2020, a temperatura da superfície global
atingiu um valor 1,1 °C maior em relação ao período de 1850-1900, devido à
intensificação do Aquecimento Global decorrente das emissões dos gases de
efeito estufa (GEE). Tais emissões são decorrentes do uso insustentável de
energia, do uso e ocupação da terra, dos estilos de vida e dos padrões de
consumo e produção (IPCC, 2023).
Vale ressaltar quando um evento de grande magnitude ocorre em uma
sociedade com condições sociais vulneráveis e altera severamente o seu
funcionamento cotidiano, causando perdas humanas, materiais, econômicas e
ambientais é caracterizado como um desastre natural (LAVELL et al., 2012;
UNGA, 2016; VIEIRA et al., 2023). Esses eventos extremos podem causar, por
exemplo, ondas de calor e frio, aumento de incêndios, inundações repentinas,
deslizamentos de terra e severidade das secas (MARENGO E ESPINOZA, 2016;
RODRIGUES et al., 2020).
No Brasil, os desastres naturais com maior frequência estão relacionados
ao excesso ou escassez de precipitação, tais como secas e enchentes
repentinas (enxurradas), que por sua vez causam sérios danos à sociedade e ao
meio ambiente (CEPED, 2013; RODRIGUES et al., 2020). Nos episódios de
enchentes, é perceptível o estabelecimento da situação extrema por causa do
impacto do aumento dos rios e alagamentos das ruas; ao contrário das secas,
onde o evento impacta nos recursos hídricos de forma gradual (SILVA DIAS,
2014). Os desastres naturais hidrometeorológicos não estão obrigatoriamente
relacionados com extremos de precipitação com baixa probabilidade de
ocorrência, mas sim com valores extremos com probabilidade média e,
principalmente, com a vulnerabilidade da região afetada (RODRIGUES et al.,
13
2021). O monitoramento desses desastres tem permitido que ações de mitigação
possam ser postas em prática (SILVA DIAS, 2014).
3.2 Variabilidade climática no Nordeste do Brasil
A variabilidade climática no NEB está associada à interação entre
sistemas atmosféricos regionais e fenômenos oceânico-atmosféricos de grande
escala, conhecidos como teleconexões climáticas. As teleconexões representam
conexões atmosféricas entre regiões distantes do planeta, capazes de modificar
padrões de circulação, precipitação e temperatura em diferentes escalas
espaciais e temporais (GRIMM; TEDESCHI, 2009; KAYANO; ANDREOLI, 2009;
REBOITA et al., 2021).
Entre os principais mecanismos de variabilidade climática que influenciam
o regime pluviométrico do NEB destaca-se o El Niño–Oscilação Sul (ENOS),
caracterizado pelas anomalias de temperatura da superfície do mar (ATSM) no
Oceano Pacífico Equatorial e pelas alterações na circulação atmosférica tropical.
Em sua fase quente, denominada El Niño, observa-se o aquecimento anômalo
das águas superficiais do Pacífico Equatorial central e leste, favorecendo
alterações na célula de Walker (CW) e redução da convecção sobre o NEB. Em
contrapartida, durante eventos de La Niña, associados ao resfriamento dessas
águas, tende-se a observar aumento da atividade convectiva e maiores
acumulados pluviométricos sobre parte do NEB (ALVES et al., 2022; CAI et al.,
2021).
Diante da relevância desses episódios, os critérios científicos para a
identificação e mensuração das fases do ENOS passaram por revisões
profundas para acompanhar as mudanças climáticas globais. Historicamente,
para o monitoramento e a classificação operacional desses episódios pela
National Oceanic and Atmospheric Administration (NOAA) era utilizado o
Oceanic Niño Index (ONI), baseado em médias climatológicas móveis de 30
anos na região equatorial do Pacífico Niño 3.4. Todavia, sob a influência direta
do Aquecimento Global e do aumento acelerado da TSM dos oceanos tropicais,
esse índice tradicional passou a exibir limitações físicas, uma vez que a sua base
histórica de referência móvel pode não acompanhar adequadamente o
14
aquecimento recente. Assim, houve correção do viés e prover uma métrica
fisicamente representativa e estável diante da tendência de Aquecimento Global,
a NOAA introduziu e adotou oficialmente, a partir de fevereiro de 2026, o Índice
Oceânico Relativo de Niño (Relative Oceanic Niño Index - RONI).
Conceitualmente,
os
impactos
dinâmicos
do
ENOS
dependem
essencialmente do gradiente e da diferença de temperatura entre a bacia do
Pacífico equatorial centro-leste e o restante dos trópicos. Enquanto o ONI afere
de forma estritamente local se a região Niño 3.4 está mais quente ou fria que o
seu passado histórico local, a metodologia do RONI calcula a anomalia térmica
da região de foco subtraindo a média das anomalias observadas em toda a faixa
tropical global. Este ajuste matemático remove o ruído do aquecimento oceânico
de fundo, mantendo intactos os efeitos atmosféricos reais sobre os ventos, as
chuvas e a circulação. De acordo com os relatórios técnicos mais recentes da
NOAA (2026), a consolidação do RONI demonstrou desempenho superior e
conferiu maior estabilidade teórica às previsões sazonais, aprimorando
substancialmente a correlação física entre as flutuações oceânicas e as
respostas atmosféricas observadas no continente.
Além do ENOS, as anomalias térmicas do Oceano Atlântico Tropical
exercem papel fundamental na modulação das chuvas do NEB. O gradiente
térmico entre o Atlântico Tropical Norte e Sul influencia diretamente o
posicionamento da Zona de Convergência Intertropical (ZCIT), principal sistema
produtor de precipitação sobre o norte do NEB. Quando o Atlântico Tropical
Norte apresenta temperaturas mais elevadas em relação ao Atlântico Sul, ocorre
deslocamento da ZCIT para latitudes mais ao norte, favorecendo condições mais
secas no Nordeste brasileiro. Situação oposta favorece maior ocorrência de
chuvas sobre a região (REBOITA et al., 2021; ALVES et al., 2022).
A Oscilação Decadal do Pacífico (ODP) também influencia a variabilidade
climática interdecadal no Brasil tropical. Estudos recentes demonstram que fases
da ODP podem intensificar ou atenuar os impactos do ENOS sobre o regime
pluviométrico do NEB, e assim favorece eventos extremos frequentes, tanto
secos quanto chuvosos (CHOI; SON, 2022; WEI et al., 2021).
15
No setor ENEB, onde está localizado o estado de Alagoas, a atuação
dessas teleconexões ocorre de forma integrada aos sistemas atmosféricos
regionais, como os Distúrbios Ondulatórios de Leste (DOL), Vórtices Ciclônicos
de Altos Níveis (VCANs), ventos alísios e as circulações de brisas. Dessa forma,
a variabilidade pluviométrica em Alagoas resulta da interação entre mecanismos
locais, regionais e globais, contribuindo para elevada irregularidade espacial e
temporal da precipitação (OLIVEIRA-JÚNIOR et al., 2021; LYRA et al., 2024).
3.2.1 Mudanças Climáticas e Extremos Hidrometeorológicos em Alagoas
As mudanças climáticas têm contribuído para alterações significativas nos
padrões hidrometeorológicos observados em diferentes regiões do planeta,
intensificando a frequência, a duração e a magnitude dos eventos extremos de
precipitação e seca (IPCC, 2021; IPCC, 2023). No Brasil, estudos recentes
indicam que os impactos associados às mudanças climáticas tendem a se
manifestar de forma mais intensa em regiões vulneráveis do ponto de vista
socioambiental, especialmente no Nordeste brasileiro, onde a elevada
variabilidade pluviométrica e a dependência dos recursos hídricos ampliam os
riscos associados aos extremos climáticos (MARENGO et al., 2022; ANA, 2024).
No estado de Alagoas, localizado no setor leste do Nordeste do Brasil, a
ocorrência de eventos hidrometeorológicos extremos tem sido observada com
maior frequência nas últimas décadas, resultando em episódios de enchentes,
enxurradas, movimentos de massa e secas prolongadas. A distribuição irregular
das chuvas, associada à atuação simultânea de sistemas atmosféricos regionais
e de mecanismos de teleconexão climática, contribui para a elevada
vulnerabilidade hidrológica do estado (OLIVEIRA-JÚNIOR et al., 2021; LYRA et
al., 2024).
Eventos extremos recentes registrados em municípios alagoanos
evidenciam a sensibilidade da região frente às oscilações climáticas. Estudos
realizados para o leste do Nordeste demonstram que episódios de precipitação
extrema estão associados principalmente à atuação de DOLs, VCANs e à
interação entre sistemas atmosféricos tropicais e anomalias oceânicas,
16
produzindo impactos significativos sobre áreas urbanas e rurais (SILVA et al.,
2020; OLIVEIRA-JÚNIOR et al., 2021).
Além dos eventos de excesso hídrico, os períodos de estiagem
prolongada também representam importante fator de pressão sobre os recursos
hídricos estaduais. Segundo a Agência Nacional de Águas e Saneamento Básico
(ANA), projeções climáticas indicam tendência de redução da disponibilidade
hídrica em diversas regiões hidrográficas do Nordeste até meados do século XXI,
podendo intensificar conflitos pelo uso da água e comprometer a segurança
hídrica regional (ANA, 2024). Dessa forma, compreender a dinâmica dos
extremos hidrometeorológicos em Alagoas torna-se fundamental para subsidiar
estratégias de adaptação climática, planejamento territorial e gestão integrada
dos recursos hídricos.
3.3 Chuva
A variabilidade espaço-temporal da precipitação é um dos principais
fatores que caracterizam o clima de Alagoas, influenciando diretamente a
disponibilidade hídrica, os sistemas produtivos e a ocorrência de desastres
naturais (LYRA et al., 2014; LYRA et al., 2017). A determinação dos padrões de
ocorrência de eventos extremos de precipitação é fundamental para o
planejamento de médio e longo prazo da infraestrutura urbana, gestão dos
recursos hídricos e fortalecimento da resiliência frente aos impactos das
mudanças climáticas (LIMA et al., 2020).
Os impactos associados à recorrência de eventos extremos de chuva e
vazão são geralmente evidenciados por meio de enchentes, inundações e
alagamentos, contudo, esses fenômenos são frequentemente tratados como
sinônimos, apesar de apresentarem características e definições distintas
(OLIVEIRA, 2018). O alagamento corresponde ao acúmulo momentâneo de
água em áreas urbanas, normalmente associado à deficiência dos sistemas de
drenagem. As enchentes resultam do aumento temporário da vazão em canais
de
drenagem,
enquanto
as
inundações
são
caracterizadas
pelo
17
transbordamento do fluxo de água para áreas adjacentes em decorrência da
elevação da vazão (OLIVEIRA, 2018).
As características dos regimes de chuva no Nordeste do Brasil (NEB)
estão relacionadas à posição geográfica da região, à atuação dos sistemas
atmosféricos e à interação oceano-atmosfera, além dos efeitos remotos
associados aos modos de variabilidade climática (ALVES et al., 2022). Em
Alagoas, a dinâmica das chuvas é influenciada principalmente pelo ENOS, pela
circulação geral da atmosfera (CGA) e pelas características fisiográficas locais
(BARROS et al., 2012; OLIVEIRA-JÚNIOR et al., 2021).
Além dos sistemas meteorológicos já mencionados destacam-se também
a Zona de Convergência do Atlântico Sul (ZCAS) e os ventos alísios de nordeste
e sudeste, que exercem forte influência sobre o regime pluviométrico do estado
(BARROS et al., 2012). Em relação aos VCANs (citados anteriormente), que
também contribuem para a variabilidade climática regional, Costa (2010)
verificou que, entre 1998 e 2007, aproximadamente 61% dos sistemas atuantes
sobre o Nordeste brasileiro influenciaram a região de Alagoas. Esses sistemas
apresentam maior frequência entre setembro e abril, com máxima ocorrência no
mês de janeiro (KOUSKY; GAN, 1981; COSTA, 2010). Repinaldo (2010), ao
analisar a frequência dos VCANs em anos de ENOS, verificou que 37,1% dos
eventos ocorreram em anos de El Niño, 28,8% em anos de La Niña e 34,1% em
condições neutras.
A configuração fisiográfica do estado também exerce influência
significativa na distribuição das chuvas. A presença dos tabuleiros costeiros
favorece a atuação das circulações de brisa marítima e terrestre, permitindo
maior penetração de umidade sobre a porção leste de Alagoas e, em alguns
casos, até o interior do continente. Essas precipitações podem ocorrer ao longo
de todo o ano, embora sejam mais frequentes entre março e setembro,
geralmente associadas a chuvas de intensidade fraca a moderada (MELO,
1980).
18
As diferenças espaciais do regime pluviométrico alagoano foram
evidenciadas por Pereira et al. (2012), que identificaram comportamento distinto
entre as mesorregiões do estado. No Sertão Alagoano, janeiro apresentou o
menor número de dias com chuva, enquanto o aumento da frequência de
precipitação ocorreu a partir de março. Já as mesorregiões do Litoral e Agreste
registraram os maiores valores médios de dias chuvosos no mês de janeiro.
Esses resultados corroboram os achados de Lyra et al. (2014), que observaram
forte gradiente espacial na distribuição das chuvas entre o Litoral e o Sertão,
bem como diferenças entre os setores norte e sul do litoral alagoano. Segundo
os autores, a topografia exerce papel importante nessa distribuição, destacandose a estação de Santana do Mundaú, localizada a cerca de 50 km da costa, que
apresentou acumulado anual de 2619 mm em virtude de sua posição a
barlavento da Serra da Borborema, cuja altitude média é de aproximadamente
400 m acima do nível médio do mar, com picos de até 1000 m.
A variabilidade da precipitação no NEB também é responsável pelas
oscilações no volume dos reservatórios ao longo da estação chuvosa,
impactando diretamente a disponibilidade hídrica da população. Gomes e Lima
(2021) destacam que o atraso da estação chuvosa em determinada sub-região
reduz a captação de água pelos reservatórios, enquanto períodos chuvosos
acima da média favorecem o aumento do armazenamento hídrico e podem
ocasionar o transbordamento desses sistemas. Dessa forma, compreender a
dinâmica das chuvas e seus extremos é essencial para o monitoramento
hidrometeorológico e para o planejamento de ações de mitigação e adaptação
aos impactos climáticos no estado de Alagoas (LIMA et al., 2020; GOMES E
LIMA, 2021).
3.4 Seca
A seca pode ser definida de diferentes maneiras em função das
características climáticas regionais e dos distintos padrões de utilização dos
recursos hídricos, dificultando a adoção de uma definição universalmente aceita
(FERNANDES et al., 2009; SOUSA JUNIOR et al., 2021). De modo geral, os
19
estudos associam as secas às condições de escassez hídrica decorrentes da
redução das precipitações, elevada evapotranspiração (ET) e intensa exploração
dos recursos hídricos (PALMER, 1965; FERNANDES et al., 2009; CUNHA et al.,
2019). Embora algumas regiões do Brasil apresentem chuvas abundantes ao
longo de praticamente todo o ano, como as regiões Norte e Sul (SILVA et al.,
2021), outras áreas, especialmente aquelas inseridas no clima semiárido,
possuem estação seca prolongada e elevada irregularidade pluviométrica
(SOUZA et al., 2024).
A atuação de sistemas atmosféricos de grande escala também influencia
diretamente a ocorrência e persistência das secas. Certas combinações entre
fases de oscilações climáticas, como o ENOS (CAI et al., 2020; 2021) e a ODP
(WEI et al., 2021; CHOI; SON, 2022), podem favorecer episódios de seca mais
intensos e persistentes no Nordeste brasileiro (GRIMM et al., 2020). Em Alagoas,
sistemas como a Alta da Bolívia (AB), um anticiclone de altos níveis que atua
predominantemente entre outubro e janeiro, também contribuem para condições
mais secas observadas principalmente no sertão alagoano (LYRA et al., 2014).
Segundo Costa (2010), durante o verão, o padrão de circulação associado à AB
favorece a formação de uma circulação ciclônica em altos níveis que induz
subsidência em baixos níveis sobre o NEB, e assim reduz a formação de nuvens
e a ocorrência de precipitação.
A seca é considerada um fenômeno natural complexo, podendo ocorrer
tanto em regiões úmidas quanto em áreas de baixa precipitação, o que torna
difícil prever precisamente seu início e término (WILHITE; GLANTZ, 1985;
CUNHA et al., 2019). Além disso, sua severidade não depende apenas da
duração, intensidade e extensão geográfica do evento, mas também das
demandas hídricas das atividades humanas e da vegetação em determinada
região (WILHITE; GLANTZ, 1985). Nesse contexto, os impactos associados às
secas estão diretamente relacionados à vulnerabilidade da população exposta
ao fenômeno (CUNHA et al., 2019), podendo persistir por vários anos mesmo
após o encerramento do evento climático (MARENGO et al., 2016).
20
Diversos autores classificam a seca em diferentes categorias: i) seca
hidrológica, relacionada à redução dos níveis de água em reservatórios
superficiais e subterrâneos; ii) seca meteorológica, caracterizada pelo déficit de
precipitação em relação à média climatológica; iii) seca agrícola, associada à
disponibilidade de água no solo para a vegetação; e iv) seca socioeconômica,
que ocorre quando a escassez hídrica compromete o fornecimento de bens e
serviços devido à insuficiência de água (PALMER, 1965; WILHITE; GLANTZ,
1985; HEIM JR., 2002; BLAIN; BRUNINI, 2006; FERNANDES et al., 2009;
VIEIRA et al., 2023).
Apesar de as secas serem recorrentes em diversas regiões brasileiras,
especialmente no NEB, os impactos registrados reforçam a necessidade de
políticas públicas voltadas à mitigação, monitoramento e preparação frente a
esses eventos (CUNHA et al., 2019). Nesse contexto, os índices de seca surgem
como importantes ferramentas para identificar, avaliar e monitorar a severidade
e duração desses fenômenos, contribuindo para a compreensão dos processos
meteorológicos, hidrológicos e agrícolas associados à variabilidade climática
(GONÇALVES et al., 2021).
3.5 Impactos de eventos extremos em bacias hidrográficas
Historicamente, diversos autores conceituam Bacia Hidrográfica (BH) à
sua maneira. Para Horton (1945), a BH compreende um sistema composto por
um conjunto de canais que drenam uma determinada superfície com limites
naturalmente definidos; assim, os canais fluviais podem ser hierarquizados e
quantificados para fins de compreensão do ciclo hidrológico, da erosão e da
dinâmica natural da bacia. Em 1962, Chorley conceituou BH como um sistema
aberto de captação de água, constituído por setores elevados e divisores
topográficos, por onde partem os cursos de água para um rio principal que segue
para uma saída comum. Strahler (1979) entende que a BH é um sistema de
drenagem composto por um conjunto de pequenas bacias adaptadas em formas
e tamanhos em relação ao rio para o qual confluem.
Vale ressaltar que essas conceituações restringem as BHs ao âmbito
hidrológico, não enfatizando seus outros elementos e processos interativos.
21
Gradualmente, o conceito de BH passou a ser mais complexo com a inclusão de
variáveis sociais, políticas, econômicas, culturais, a expansão de seus limites e
suas aplicações além das ciências naturais, sendo empregada também pelas
ciências humanísticas (GOMES et al., 2021). É notória a importância de uma BH
para a região à qual ela pertence.
Estudos têm mostrado a relação das mudanças climáticas com casos e
projeções de eventos extremos nas bacias. Por exemplo, Coutinho e Cataldi
(2021) analisaram as projeções de vazão futura para os cenários RCP4.5 e
RCP8.5, com base no modelo chuva-vazão SMAP para a cabeceira da bacia do
rio São Francisco (BRSF) e observaram que o maior problema é a má
distribuição das vazões ao longo do próximo século; ou seja, espera-se anos
com vazões superiores a 95% da distribuição para a bacia, o que pode acarretar
sérios problemas estruturais, tais como enchentes, surtos de doenças e crises
na logística urbana. Há também projeções de períodos prolongados com vazões
abaixo da média, o que implica na redução do armazenamento nos reservatórios
e conflitos entre municípios e estados.
De Jong et al. (2021) estimaram o impacto das mudanças climáticas no
potencial hidroelétrico de várias bacias na América do Sul (AS). Em 9 das 10
bacias estudadas, as projeções são de diminuição da precipitação nas próximas
décadas se comparadas com a média climatológica de 1961-1990, sendo
acentuadas nas bacias do Norte e NEB. Ainda segundo os autores, apenas na
bacia do Uruguai (parte da região Sul do Brasil) espera-se que o potencial
hidrelétrico aumente consistentemente. Porém, a quantidade de excesso de
água derramada (ou seja, não podendo ser usada para gerar eletricidade) deverá
aumentar nas próximas três décadas.
Regionalmente, o estudo de Andrade et al. (2021) se concentrou na
avaliação dos impactos futuros nos recursos hídricos da Bacia do Rio Mundaú,
entre os estados de Pernambuco e Alagoas, via modelos climáticos regionais
(Eta-MIROC5 e Eta-HadGEM2). De acordo com o estudo, são esperadas
reduções significativas nas chuvas e aumentos nas temperaturas para essa
bacia, principalmente na estação chuvosa e, ainda menor, na estação seca.
22
Assim, o cenário esperado é de escassez hídrica e vulnerabilidade em quase
toda a bacia. Os autores sugerem o desenvolvimento de políticas públicas e
planos de gestão que favoreçam o uso sustentável da água para garantir a
segurança hídrica.
Diante desse cenário, adota-se a divisão em Regiões Hidrográficas (RHs),
as quais abrangem espaços territoriais compostos por uma bacia, grupos de
bacias ou sub-bacias adjacentes que compartilham perfis naturais e
socioeconômicos similares. Essa delimitação é estruturada com o objetivo de
otimizar as diretrizes de planejamento e a gestão integrada dos recursos hídricos
(ANA, 2020).
3.5.1 Regiões Hidrográficas como Unidade de Planejamento e Gestão dos
Recursos Hídricos
A gestão dos recursos hídricos utiliza as bacias e RHs como unidades de
planejamento, pois esses recortes permitem integrar aspectos hidrológicos,
ambientais, econômicos e sociais (ANA, 2024). Essa abordagem foi consolidada
pela Política Nacional de Recursos Hídricos, instituída pela Lei nº 9.433/1997,
que define a bacia hidrográfica como unidade territorial para o gerenciamento
das águas no Brasil. A divisão de RHs permite uma visão mais integrada dos
processos hidrológicos e dos diferentes usos da água, contribuindo para o
planejamento e a gestão dos recursos hídricos (ANA, 2024).
A utilização das RHs torna-se ainda mais importante diante das mudanças
climáticas. Segundo a ANA (2024), a redução da disponibilidade hídrica prevista
para algumas regiões brasileiras poderá aumentar a pressão sobre o
abastecimento público, a irrigação, a geração de energia e os ecossistemas
aquáticos.
3.6 Segurança Hídrica, Vulnerabilidade Socioeconômica e Pressão
Antrópica
A disponibilidade de água em quantidade e qualidade adequadas é
fundamental para o desenvolvimento econômico, social e ambiental de uma
região. Nesse contexto, a segurança hídrica está relacionada à garantia de água
23
para os diferentes usos e à redução dos riscos associados à escassez hídrica e
aos eventos extremos (ANA, 2024).
No NEB, a segurança hídrica está diretamente ligada à variabilidade
climática. A irregularidade das chuvas influencia o abastecimento humano, a
agricultura, a geração de energia e a manutenção dos ecossistemas naturais.
Durante períodos de seca, esses impactos tendem a ser mais intensos em áreas
com infraestrutura limitada ou elevada dependência dos recursos hídricos locais
(CUNHA et al., 2021).
Além dos fatores climáticos, aspectos socioeconômicos também
influenciam a capacidade de resposta da população aos eventos extremos.
Segundo o IPCC (2022), a vulnerabilidade está relacionada à suscetibilidade de
pessoas e comunidades aos impactos da variabilidade climática e das mudanças
climáticas. Assim, regiões com baixos indicadores socioeconômicos costumam
apresentar maiores dificuldades para enfrentar secas e eventos extremos de
precipitação.
Os impactos dos eventos hidrometeorológicos não dependem apenas da
intensidade do fenômeno. Problemas como deficiência no saneamento,
ocupação inadequada do território, crescimento urbano desordenado e
limitações na gestão dos recursos hídricos podem aumentar os danos causados
por secas, enchentes e inundações (RODRIGUES et al., 2021; VIEIRA et al.,
2023).
A pressão antrópica também contribui para esse cenário, já que o
aumento da demanda por água, as mudanças no uso da terra e os processos de
degradação ambiental podem reduzir a disponibilidade hídrica e aumentar a
vulnerabilidade das regiões hidrográficas (ANA, 2024). Em áreas com maior
pressão antrópica, os efeitos da variabilidade climática tendem a ser mais
intensos, principalmente durante períodos de estiagem (CARETTA et al., 2022).
Por isso, a análise conjunta de informações climáticas, hidrológicas e
socioeconômicas é importante para compreender a vulnerabilidade das regiões
hidrográficas e auxiliar o planejamento e a gestão dos recursos hídricos (IPCC,
2022; UNESCO, 2024).
24
4 MATERIAIS E METÓDOS
4.1 Área de estudo
Alagoas está localizada no ENEB - (Figura 1), entre as latitudes 8°48’12"
e 10°29’12" Sul (S) e entre as longitudes 35°09’36" e 38°13’54" a oeste (W) de
Greenwich. O Estado possui uma área territorial de 27.830,661 km² e cerca de
3.127.511 habitantes, com uma densidade demográfica de 112,38 hab/km2 e um
Índice de Desenvolvimento Humano (IDH) de 0,684 em 2021.
Figura 1 – Mapa da área de estudo, com a localização das 54 estações pluviométricas e os
municípios, respectivamente. Fonte: Autora
Alagoas, que tem como base econômica a produção de cana-de-açúcar,
pecuária, indústria e turismo, possui dez RH (Figura 2) e os piores indicativos
socioeconômicos (IBGE, 2022). Em relação a divisão das RH, há divergência
entre a base de dados do Instituto Brasileiro de Geografia e Estatística (IBGE,
202; Figura 2) e da Secretaria de Estado do Meio Ambiente e Recursos Hídricos
(SEMARH, 2019; Figura 3). No estudo será adotado a base de dados do IBGE.
25
Figura 2 – Microrregiões hidrográficas de acordo com dados do IBGE (2021) e altimetria (m)
com dados STRM/NASA (2000). Fonte: Autora.
Figura 3 – Regiões hidrográficas de acordo com dados da SEMARH (2019) e altimetria (m)
com dados STRM/NASA (2000). Fonte: Autora.
26
Devido a sua localização no ENEB, Alagoas apresenta características
climáticas como irregularidades da chuva e menor variação sazonal da radiação
solar, do fotoperíodo e da temperatura do ar (LYRA et al, 2014; SANTOS et al,
2020). De acordo com a classificação de Köppen, a maior parte do Estado possui
clima do tipo ‘As’, ou seja, tropical e quente, com chuva de março a agosto entre
1.000 mm e 1.500 mm. A parte do leste alagoano, próximo à divisa com
Pernambuco (PE), possui clima ‘Ams’, tropical com chuvas de abril a agosto e
médias pluviométricas anuais entre 1.500 mm e 2.200 mm. Já a metade
ocidental do estado apresenta condições semiáridas, com clima ‘BSh’, isto é,
quente e seco, com chuva média anual no sertão entre 400 mm e 600 mm e no
agreste de 600 mm a 900 mm (BARROS et al., 2012; IBGE, 2020). A Figura 4
apresenta as zonas climáticas de Alagoas com base nos dados do IBGE (2020)
e suas respectivas características. Todas as zonas do Estado apresentam
temperaturas acima de 18º C em todos os meses com divergências apenas no
período chuvoso e seco.
Figura 4 – Zonas climáticas com base nos dados do IBGE (2020). Fonte: Autora.
27
Já na Figura 5 é apresentado a espacialização das características de uso
e ocupação do solo também com base nos dados do IBGE (2020). Podemos
observar que pelo menos dez classes diferentes, desde áreas naturais com
vegetação nativa ou com áreas agrícolas à áreas artificiais referentes as
principais áreas urbanas.
Figura 5 – Uso e ocupação do solo com base nos dados do IBGE (2020). Fonte: Autora.
Para auxiliar na contextualização das análises dos resultados foi
destacado as mesorregiões climáticas (Figura 6) de acordo com a Secretaria de
Estado do Planejamento e do Desenvolvimento Econômico de Alagoas –
SEPLANDE (2014), sendo elas: Leste, Agreste e Sertão Alagoano.
28
Figura 6 – Mesorregiões climáticas de Alagoas com base nos dados do IBGE (2020). Fonte:
Autora.
4.2 Dados pluviométricos
Os dados pluviométricos mensais utilizados no estudo são referentes a 54
estações localizadas no estado de Alagoas (Figura 1) pertencentes à rede
hidrometeorológica da ANA – Agência Nacional das Águas e Saneamento
Básico (ANA, 2022), obtidos via portal eletrônico denominado HidroWeb no
seguinte endereço eletrônico: http://www.ana.gov.br. O período de estudo
compreende 1960 a 2016. Os dados pluviométricos apresentavam falhas e
foram imputados via método MICE, maiores detalhes do controle de qualidade,
preenchimento de falhas e homogeneidade da série temporal encontram-se em
Souza et al. (2021) e Costa et al. (2021).
4.2.1 Dados Socioeconômicos e de Demanda Hídrica
Para a caracterização da pressão antrópica e avaliação da vulnerabilidade
nas RHs, foram utilizados dados secundários de densidade demográfica e Índice
de Desenvolvimento Humano Municipal (IDHM) obtidos junto ao Instituto
Brasileiro
de
Geografia
e
Estatística
(IBGE,
censos
2022/2024).
29
Complementarmente, os dados geoespaciais de vazão de retirada (urbana, rural,
irrigação e total) e o Índice de Vulnerabilidade Hídrica (IVI) de 2021 (apenas
disponível para esse ano) foram extraídos da base de dados oficiais da Agência
Nacional de Águas e Saneamento Básico (ANA).
4.3 Standardized Precipitation Index - SPI
O SPI foi desenvolvido pelos autores Mckee; Does-ken e Kleist em 1993
e quantifica o déficit de chuva nas diversas escalas de tempo (1 a 24 meses) e
ajuda a avaliar a severidade da seca (McKEE et al., 1993; GONÇALVES et al.,
2021). O cálculo do SPI (Eqs. (1) e (2)) é realizado com base nos dados mensais
de chuva acumulada para um intervalo de tempo de n meses. Essas séries
temporais são submetidas a uma função Gama, e logo após, são calculadas as
probabilidades de ocorrência de cada valor de chuva. Em seguida, aplica-se a
inversa da distribuição Normal para encontrar os desvios pluviométricos em
relação à média para os intervalos analisados (McKEE et al., 1993;
GONÇALVES et al., 2021).
Se 0 < H (x) < 0,5.
(1)
Se 0,5 < H (x) < 1.
(2)
em que, t = √ln [1 / (H(x))2] para 0 < H(x) > 0,5 e t= √ln [1 / (1 - (H(x))2)]
para 0,5 < H(x) < 1; H(x) = distribuição de probabilidade acumulada; C0, C1, C2,
d1, d2 e d3 são constantes e equivalem respectivamente aos valores: 2,515517;
0,802853; 0,010328; 1,432788; 0,189269; 0,001308.
Após o cálculo do SPI, obtém-se um valor adimensional correspondente
a uma categoria, segundo a Tabela 1 (McKEE et al.,1993; DA SILVA et al., 2021).
Neste estudo, o SPI foi usado o SPI de doze meses (SPI-12) para identificar
secas de longo prazo nas BH existentes em Alagoas. Todos foram calculados
através do software DrinC (Tigkas et al., 2014; Tigkas et al., 2022), cuja
metodologia é descrita da seguinte forma:
i)
Primeiro, prepara-se uma série de dados de precipitação mensal para
um período de 'm' meses, idealmente um período contínuo de pelo
menos 30 anos.
30
ii)
Em seguida, são selecionados períodos de média (3, 6, 12, 24 ou 48
meses) para determinar as escalas de tempo, neste caso apenas 12
meses.
Embora
arbitrárias,
essas
escalas
de
tempo
são
representativas dos períodos em que a falta de chuva pode afetar os
cinco tipos de fontes de água utilizáveis. A análise utiliza uma média
móvel, onde a cada mês um novo valor é calculado com base nos
meses anteriores.
iii)
A seguir, cada uma das séries de dados é ajustada a uma função
Gamma para estabelecer a relação entre a probabilidade e a
precipitação. Uma vez que essa relação é estabelecida a partir dos
registros históricos, a probabilidade de qualquer valor de precipitação
observado é calculada.
iv)
Esse valor é então usado, juntamente com uma estimativa da normal
inversa, para calcular o desvio de precipitação para uma densidade de
probabilidade com distribuição normal, com média zero e desvio
padrão de um. Esse valor final é o SPI para o ponto de dado de
precipitação específico.
Tabela 1. Classificação dos períodos secos e chuvosos de acordo com valores de SPI. Fonte:
Adaptado de McKee et al., (1993).
Valores de SPI
Categorias
-2,00
Extremamente seco
-1,99 a -1,50
Muito seco
-1,49 a -1,00
Moderadamente seco
-0,99 a 0,99
Próximo ao normal
1,00 a 1,49
Moderadamente úmido
1,50 a 1,99
Muito úmido
2,00
Extremamente úmido
31
4.4 Método de interpolação espacial
Para a elaboração dos mapas de chuva e SPI-12, o procedimento de
interpolação e o geoprocessamento dos dados foram realizados através do
software Quantum GIS (QGIS) versão 3.34.15 (QGIS, 2024). Foi utilizado o
método de interpolação Inverse Distance Weighting (IDW), esse processo atribui
valores a pontos desconhecidos utilizando um conjunto disperso de pontos
conhecidos. As formulações matemáticas para calcular um valor interpolado são
dadas por:
!(#) =
∑"
!#$ "! #(%! )
∑"
!#$ "$
(
&' = )(%,% )%
!
(3)
(4)
em que, Z(x) o valor do ponto que se deseja interpolar; n o número de
pontos próximos utilizados na interpolação do ponto x; Z(xi) o valor do ponto xi;
ωi o peso do valor de xi sobre o ponto x; h (x, xi) a distância entre o ponto x e o
ponto xi; e p o parâmetro de potência.
À medida que a distância aumenta, o peso desse valor em relação ao
ponto calculado diminui. Assim, maiores valores de parâmetro de potência
evidenciam pontos mais próximos e torna o resultado menos suave; e menores
valores de parâmetro de potência evidenciam pontos mais afastados, o que torna
o resultado mais suavizado (EL-SHEIMY et al., 2005).
4.5 Critérios das fases do ENOS
O Oceanic Niño Index (ONI) é o principal índice da National Oceanic
Atmospheric Administration (NOAA) utilizado para classificar as fases do ENOS
(REBOITA et al., 2021). O ONI é o resultado da média móvel trimestral da
anomalia da Temperatura da Superfície do Mar (TSM) coletada em quatro
regiões do Pacífico, sendo a região denominada de Niño 3.4 a mais utilizada (DE
PAULA, 2009; NOAA, 2009; REBOITA et al., 2021). A NOAA considera que as
condições do El Niño estão presentes no oceano quando o ONI da região Niño
3.4 é ≥ 0,5ºC, ao contrário, das condições da La Niña que existem quando o ONI
é ≤ -0,5ºC por, no mínimo, cinco meses consecutivos. No intervalo de -0,5ºC a
0,5ºC são considerados anos neutros. Para a elaboração das figuras e mapas
foram escolhidos anos com eventos extremos do ENOS (Tabela 2).
32
Tabela 2. Intensidade de eventos El Niño e La Niña via índice ONI. Fonte: Golden Gate
Weather Services.
Evento
Intensidade
Fraco
El Niño
Moderado
Anos
1952/53, 1953/54, 1958/59, 1969/70, 1976/77 1977/78,
1979/80, 2004/05, 2006/07, 2014/15
1951/52, 1963/64, 1968/69, 1986/87, 1994/95, 2002/03,
2009/10
Forte
1957/58, 1965/66, 1972/73, 1987/88, 1991/92
Muito Forte
1982/83, 1997/98, 2015/16
Neutro
1960/61, 1967, 1978/79, 1980/81, 1990, 1993, 2013
1954/55, 1964/ 65, 1971/72, 1974/ 75, 1983/ 84,
Fraca
La Niña
1984/85, 2000/01, 2005/06, 2008/09, 2016/17
Moderada
Forte
1955/56, 1970/71, 1995/96, 2011/12
1973/74, 1975/76, 1988/89, 1998/99, 1999/00, 2007/08,
2010/11
A partir de fevereiro de 2026, a NOAA passou a utilizar o Índice Oceânico
Relativo de Niño (RONI) como novo padrão para monitorar o ENOS (El Niño–
Oscilação Sul) porque o índice tradicional ONI apresentava limitações diante do
aquecimento global dos oceanos. O ONI utiliza desvios da temperatura da
superfície do mar em relação a uma média climatológica de 30 anos, porém essa
referência pode não acompanhar adequadamente o aquecimento recente dos
oceanos tropicais. O RONI busca corrigir esse problema ao comparar as
anomalias da região Niño 3.4 com a média das anomalias de toda a faixa tropical
global, tornando a classificação dos eventos mais estável e fisicamente
representativa (NOAA, 2026).
Segundo a NOAA, os impactos do ENOS dependem da diferença de
temperatura entre o Pacífico equatorial centro-leste e o restante dos trópicos.
Enquanto o ONI analisa apenas se a região Niño 3.4 está mais quente ou fria
que a média histórica local, o RONI avalia se essa região está mais quente ou
fria em relação ao conjunto dos oceanos tropicais. Isso melhora a representação
das condições oceânicas e atmosféricas associadas ao El Niño e à La Niña
(NOAA, 2026).
33
A
metodologia
mantém
os
critérios
operacionais
já
utilizados
anteriormente, incluindo o limiar de ±0,5 °C e a necessidade de cinco trimestres
móveis consecutivos para caracterizar eventos de El Niño ou La Niña. A principal
mudança está apenas na forma de medir as anomalias (NOAA, 2026).
A NOAA também destaca que o RONI não altera os impactos reais dos
eventos recentes, apenas remove parte do aquecimento associado à tendência
global dos oceanos. Por exemplo, o El Niño 2023–2024 passa a apresentar
intensidade menor numericamente no RONI (+1,5 °C) em comparação ao ONI
(+2,1 °C), embora seus impactos permaneçam os mesmos (NOAA, 2026).
Com a adoção do novo índice, alguns eventos históricos foram
reclassificados. Entre as mudanças citadas estão a retirada da classificação de
El Niño fraco de 1958–59, 2014–15 e 2019–20, além da inclusão de 1992–93
como evento de El Niño fraco. Também ocorreram ajustes em episódios de La
Niña. Segundo a NOAA, essas alterações refletem uma medição mais precisa
do ENOS, e não mudanças no comportamento do fenômeno (NOAA, 2026).
Tabela 3. Reclassificação da intensidade de eventos El Niño e La Niña via índice RONI. Fonte:
Golden Gate Weather Services.
Evento
Intensidade
Fraco
Moderado
El Niño
Anos
1951/52, 1952/53, 1953/54, 1969/70, 1977/78, 1979/80,
1992/93, 2004/05, 2006/07, 2014/15, 2028/19
1963/64, 1968/69, 1976/77, 1986/87, 1994/95, 2002/03,
2009/10, 2023/24
Forte
1957/58, 1965/66, 1972/73, 1987/88,
Muito Forte
1982/83, 1991/92, 1997/98, 2015/16
Neutro
1959/60, 1960/61, 1962/63, 1967/68, 1978/79, 1980/81,
1985/86, 1990, 1993, 2001/02, 2013/14, 2019/20
1954/55, 1964/ 65, 1970/71, 1974/ 75, 1983/ 84,
Fraca
La Niña
1984/85, 1995/96, 2000/01, 2005/06, 2008/09, 2011/12,
2024/25, 2025/26
Moderada
Forte
1955/56, 2016/17, 2017/18, 2020/21, 2021/22, 2022/23
1973/74, 1975/76, 1988/89, 1998/99, 1999/00, 2007/08,
2010/11
34
A NOAA afirma ainda que o RONI apresenta classificações mais estáveis
ao longo do tempo, mantém desempenho semelhante ou ligeiramente superior
nas previsões sazonais e melhora a relação entre os índices oceânicos e os
impactos atmosféricos observados, como chuva, temperatura e circulação
atmosférica (NOAA, 2026).
4.6 Estatística Aplicada
Para a análise dos dados pluviométricos foram calculados: a média – x̅
(mm) (1), a mediana – Md (mm) (2), o desvio padrão – DP (mm) (3), o coeficiente
de variação – CV (%) (4), a Média Móvel – MM (9), a Regressão Linear Simples
(10) e o Coeficiente de Determinação – R2 (11).
#̅ =
∑"
!#$ %!
(5)
+
"
-.
& '('")
(, = )' + +
/0 = 1
.!
,# ℎ
∑(%! -%̅ )²
(7)
+
12
23 = 34 . 100
%
((5 = )*+,$
(6)
(8)
6%)*+,& 6⋯%)
8
7 = 8 + 9:
(9)
(10)
:;
;9 = 1 − :;-./
)0)
(11)
em que, #' é um dado elemento e = o número total de elementos; )' é o
limite inferior da classe mediana; ><='") é a frequência acumulada da classe que
antecede à classe da mediana; >' é a frequência simples da classe da mediana;
ℎ é a amplitude da classe da mediana; /0 é o desvio padrão; MMt é a média
móvel no tempo t; k é o número de períodos considerados (no caso, dois
períodos); xt é o valor observado na posição t; a é intercepto; b é o coeficiente
angular; SQres é a diferença entre os valores observados e valores estimados e
SQtot é a diferença entre os valores observados e a média.
35
4.7 Interpretação do Boxplot
O gráfico de boxplot auxilia na interpretação e classificação de regimes
pluviométricos anuais, com valores mínimos, máximos e primeiro, segundo
(mediana) e terceiro quartis (Figura 7).
Figura 7 – Legenda para interpretação do gráfico boxplot. Fonte: Adaptado de SILVA et al.,
2017).
4.8 Índice de Anomalia de Chuva – IAC
O Índice de Anomalia de Chuva (IAC), proposto por Rooy (1965), é uma
metodologia amplamente utilizada (RAZIEI, 2021; SILVA; SOUSA; KAYANO,
2010; ROCHA et al., 2025i) para quantificar desvios da precipitação em relação
a climatologia de uma região. O IAC permite classificar períodos secos e úmidos
com base na comparação entre os valores observados e os extremos históricos
da série temporal, sendo particularmente útil em estudos de variabilidade
climática e monitoramento de eventos extremos.
O cálculo do IAC é realizado a partir da diferença entre a precipitação
observada em um determinado período e a média climatológica da série,
normalizada pelos valores médios dos maiores e menores extremos históricos.
Para valores positivos (anos úmidos), o índice é calculado por:
444
(2-2)
4
1á3 -2
?@2 = 3. 2
(12)
Para valores negativos (anos secos), utiliza-se:
444
(2-2)
4
1í" -2
?@2 = −3. 2
(13)
36
em que:
0B representa a precipitação observada no período analisado;
0B corresponde à média climatológica da série;
0B Cáx é a média dos maiores valores de precipitação da série (geralmente os 10
maiores);
0B Cí= é a média dos menores valores de precipitação (geralmente os 10
menores).
O fator de escala (±3) é utilizado para padronizar os valores do índice, e
assim permite comparação entre diferentes regiões e períodos. Valores positivos
de IAC indicam condições acima da média (períodos úmidos), enquanto valores
negativos indicam condições abaixo da média (períodos secos).
A classificação dos eventos pode ser realizada conforme intervalos do
índice, conforme apresentado na Tabela 4.
Tabela 4 – Classificação do IAC.
Valores de IAC
Classificação
≥4
Extremamente úmido
2 a 3,99
Muito úmido
0 a 1,99
Úmido
0 a -1,99
Seco
-2 a -3,99
Muito seco
≤ -4
Extremamente seco
No estudo, o IAC foi aplicado à série histórica de precipitação anual das
RH de Alagoas no período de 1960 a 2016. O índice foi utilizado como
ferramenta complementar ao SPI, pois permite avaliar a intensidade e a
persistência de eventos secos e úmidos de forma direta, sem a necessidade de
ajuste probabilístico da série temporal.
Uma das principais vantagens do IAC é sua simplicidade de cálculo e
interpretação, além da sua capacidade de destacar eventos extremos. No
37
entanto, diferentemente do SPI, o índice não considera a distribuição estatística
dos dados, o que pode limitar sua aplicação em análises probabilísticas (CUNHA
et al., 2020; HAYES et al., 2011).
Ainda assim, o uso combinado do IAC com o SPI permite uma análise
robusta da variabilidade pluviométrica, uma vez que o IAC enfatiza os desvios
em relação à média, enquanto o SPI permite a avaliação da severidade da seca
em múltiplas escalas temporais. Essa abordagem integrada tem sido usada em
estudos recentes de monitoramento climático e hidrológico (WU et al., 2024;
GUAN et al., 2025).
4.9 Coeficiente de Silhueta (Silhouette Score)
O coeficiente de silhueta é uma métrica amplamente utilizada para avaliar
a qualidade de agrupamentos obtidos por técnicas de clusterização, permitindo
quantificar o grau de similaridade de um elemento em relação ao seu próprio
grupo em comparação com outros grupos. Proposto por Peter J. Rousseeuw
(1987), o método é amplamente aplicado em diferentes áreas do conhecimento,
incluindo climatologia e hidrologia, para validação de agrupamentos espaciais e
temporais.
O coeficiente de silhueta G(H) para cada elemento H é definido por:
>(')-<(')
G(H) = ?á%(<('),>('))
(14)
em que:
8(H) representa a distância média entre o elemento H e os demais elementos do
mesmo grupo (coesão);
9(H) corresponde à menor distância média entre o elemento H e os elementos de
outro grupo mais próximo (separação).
Os valores do coeficiente variam no intervalo de -1 a 1, sendo
interpretados da seguinte forma:
G(H) ≈ 1: o elemento está bem ajustado ao seu grupo e bem separado dos
demais;
G(H) ≈ 0: o elemento está na fronteira entre dois grupos;
38
G(H) < 0: o elemento pode ter sido alocado ao grupo incorreto.
A média do coeficiente de silhueta para todos os elementos fornece uma
medida global da qualidade do agrupamento, sendo utilizada como critério para
definição do número ideal de clusters. Valores mais elevados indicam melhor
separação entre os grupos e maior homogeneidade interna.
No presente estudo, o coeficiente de silhueta foi utilizado como ferramenta
de validação dos agrupamentos hierárquicos aplicados às regiões hidrográficas
de Alagoas, permitindo avaliar a consistência dos grupos formados com base
nos padrões pluviométricos. A escolha do número ótimo de clusters considerou
os maiores valores médios de silhueta, associados a agrupamentos mais
coerentes do ponto de vista estatístico e climático.
Uma das principais vantagens do método é sua capacidade de fornecer
uma interpretação intuitiva da qualidade dos agrupamentos, permitindo
identificar tanto clusters bem definidos quanto possíveis ambiguidades na
classificação. No entanto, o coeficiente pode ser sensível à métrica de distância
utilizada e à estrutura dos dados, sendo recomendado seu uso em conjunto com
outras métricas de validação (KAUFMAN & ROUSSEEUW, 1990; ARBELAITZ
et al., 2013).
Além disso, estudos têm destacado a aplicação do coeficiente de silhueta
em análises climáticas e ambientais, especialmente na identificação de padrões
espaciais e regimes climáticos homogêneos, demonstrando sua relevância em
estudos de regionalização hidrológica e climatológica (EVERITT et al., 2011; LI
et al., 2023).
4.10 Método Hierárquico de Ward e Dendrograma
A análise de agrupamento hierárquico é uma técnica estatística
amplamente utilizada para identificar padrões de similaridade entre elementos,
sendo particularmente útil em estudos climatológicos e hidrológicos para
regionalização de variáveis ambientais. Entre os métodos hierárquicos, destacase o método hierárquico aglomerativo (Bottom-up), no qual cada elemento inicia
como um cluster individual e, de forma iterativa, os grupos mais semelhantes são
39
unidos até a formação de um único agrupamento (MURTAGH; LEGENDRE,
2014). O resultado desse processo é representado graficamente por meio de um
dendrograma, que ilustra a hierarquia de agrupamento e a distância entre os
clusters formados. No dendrograma, o eixo vertical representa a distância ou
dissimilaridade entre os grupos, enquanto o eixo horizontal apresenta os
elementos ou regiões analisadas. A altura em que dois grupos se unem indica o
grau de similaridade entre eles, sendo que uniões em níveis mais baixos
representam maior semelhança (ROUSSEEUW, 1987; ZHANG et al., 2022).
No presente estudo, foi utilizado o método hierárquico de Ward, proposto
por Joe H. Ward Jr., que tem como objetivo minimizar a variância interna dos
grupos formados. Esse método difere de outros critérios de ligação por buscar a
formação de clusters mais homogêneos, sendo amplamente aplicado em
análises ambientais (WARD JR., 1963; MURTAGH; LEGENDRE, 2014).
O critério de Ward baseia-se na minimização do aumento da soma dos
quadrados dos erros (SSE – Sum of Squared Errors) a cada etapa de
agrupamento, sendo expresso por:
+
∆LLM = N(#' − #̅ )9
(OP)
'A(
em que:
#' representa os valores observados;
#̅ é a média do grupo;
= corresponde ao número de elementos no cluster.
A cada etapa, o método combina os dois grupos cuja fusão resulta no
menor aumento da variância interna total, o que favorece a formação de clusters
compactos e bem definidos (MURTAGH; LEGENDRE, 2014). No contexto deste
trabalho, o dendrograma foi utilizado para identificar regiões hidrográficas com
comportamento pluviométrico semelhante, permitindo a definição de grupos
homogêneos com base nas características da precipitação. A escolha do ponto
de corte no dendrograma foi orientada tanto pela estrutura hierárquica observada
quanto pelos resultados do coeficiente de silhueta, garantindo maior consistência
na definição dos clusters. A utilização conjunta dessas abordagens é
40
recomendada na literatura recente como forma de aumentar a robustez na
validação de agrupamentos (ZHANG et al., 2022; LI et al., 2023).
Uma das principais vantagens do método de Ward é a sua capacidade de
formar grupos com baixa variabilidade interna, sendo especialmente relevante
em estudos de regionalização climática. No entanto, o método pode ser sensível
à escala dos dados e à presença de outliers, sendo recomendada a
padronização das variáveis antes da aplicação (MURTAGH; LEGENDRE, 2014;
WILKS, 2019).
Além disso, estudos recentes têm destacado a eficiência do método de
Ward na identificação de padrões espaciais de precipitação e na delimitação de
regiões climáticas homogêneas, especialmente quando aplicado em conjunto
com métricas de validação estatística (WILKS, 2019; LI et al., 2023).
41
5 Resultados e Discussão
5.1 Regionalização das bacias hidrográficas de Alagoas via técnicas de
agrupamento hierárquico
A regionalização das BH de Alagoas foi realizada via técnica de
agrupamento hierárquico, com intuito de identificar padrões homogêneos
pluviométricos, sendo aplicados o método de Ward e o coeficiente de silhueta
(item 4.10) para definição e validação do agrupamento. Os resultados obtidos do
coeficiente de silhueta (Figura 8), do dendrograma (Figura 9), e da distribuição
média mensal (Figura 10) foram consistentes com a literatura anterior aplicada
a região de estudo (LYRA et al., 2014; COSTA et al., 2021; OLIVEIRA-JÚNIOR
et al., 2021; ABREU et al., 2023). Essa convergência metodológica permitiu uma
interpretação integrada dos padrões pluviométricos na BH.
O dendrograma obtido pelo método de Ward (Figura 8) revelou a
formação de dois grupos distintos entre as BH com base nos perfis médios
mensais de precipitação (Figura 8a), separados por uma distância intragrupo
elevada (superior a 150 unidades Ward), isso indicou alta diferenciação
climatológica entre elas. A escolha do método de Ward se deve ao método
minimizar a variância interna dos grupos, sendo reconhecida na literatura
científica (Lyra et al., 2014; Costa et al., 2021; Abdolmanafi et al., 2025; Ullah et
al., 2026) como adequada para dados de precipitação, bem como por sua
sensibilidade na identificação das diferenças nas médias dos grupos e, ainda por
produzir grupos compactos e bem separados (WARD, 1963; MURTAGH;
LEGENDRE, 2014; WILKS, 2019). Esse resultado é consistente com a dicotomia
climática existente no estado de Alagoas, em relação ao gradiente pluviométrico
longitudinal (Figura 8b), com os totais anuais decrescendo da costa em direção
ao semiárido no interior (WANDERLEY et al., 2012; LYRA et al., 2014; COSTA
et al., 2021; OLIVEIRA-JÚNIOR et al., 2021; ABREU et al., 2023).
42
Figura 8 – Dendrograma do agrupamento hierárquico das bacias hidrográficas de Alagoas
obtido pelo método de Ward (a) e mapa com distribuição dos grupos.
(a)
(b)
O Grupo 1 (G1) englobou as bacias do Coruripe, Manguaba–Camaragibe,
Mundaú,
Paraíba
do
Meio,
Piauí,
Traipu
e
Una,
todas
situadas
predominantemente na Zona da Mata e no Litoral Leste do estado. Essas bacias
são diretamente influenciadas pelos sistemas convectivos organizados
43
associados às DOL e à ZCAS, que promovem episódios de precipitação intensa
no período de inverno austral (MOLION & BERNARDO, 2002; LYRA et al., 2014).
O Grupo 2 (G2) compreendeu as bacias do Capiá, Ipanema e Xingó, localizadas
no Agreste e Sertão de Alagoas, onde o regime pluviométrico é condicionado
essencialmente pela ZCIT e apresenta totais anuais inferiores a 800 mm
(SOUZA et al., 2021; SANTOS et al., 2023). A maior proximidade entre as bacias
Ipanema e Xingó no dendrograma, antes de sua fusão com Capiá, indicou que
Ipanema e Xingó compartilham perfis sazonais similares entre si, possivelmente
por suas localizações mais interiorizadas e exposição similar aos ventos alísios
de nordeste (NE).
A validação da partição em dois grupos foi corroborada pelo índice de
Silhueta (Figura 9), que atingiu o valor máximo de 0,75 para k=2 — configurando
uma separação de qualidade elevada segundo os critérios propostos
anteriormente por Rousseeuw (1987), segundo o qual valores superiores a 0,70
indicam estrutura alta de agrupamento e bem definida. O índice apresentou
declínio monotônico para valores de k entre 3 e 9, isso indicou a estrutura
dicotômica observada na série temporal, o que refletiu nas condições físicas
reais das BH. A anotação dos escores sobre a curva permite visualizar a
magnitude da queda, por exemplo, a segunda partição em k=3 apresentou score
de 0,58, isso representou uma perda de 23% em relação ao k ótimo, e portanto
inviabilizou qualquer subdivisão adicional do ponto de vista estatístico.
44
Figura 9 – Coeficiente de silhueta em função do número de clusters (k) para as regiões
hidrográficas de Alagoas.
5.2 Perfil Médio Mensal de Precipitação por Grupo
A análise do perfil climatológico mensal (Figura 10) evidenciou contrastes
marcantes entre os dois grupos tanto em termos de volume quanto de
sazonalidade. O grupo G1 exibiu uma precipitação média mensal entre 48 mm
(outubro–novembro) e 229 mm (junho–julho), com totais anuais médios de 1.464
mm, característicos da Zona da Mata alagoana (MOLION & BERNARDO, 2002;
BARROS et al., 2012; LYRA et al., 2014). O grupo G2 registrou valores
significativamente menores, com mínimas de 22 mm (outubro) e máximas de
100 mm (maio–junho), com totais anuais de 684 mm, compatíveis com o clima
semiárido do Sertão (DA SILVA et al. 2010; LYRA et al., 2014).
45
Figura 10 – Perfil médio mensal de precipitação por grupo.
Ambos os grupos exibiram padrão sazonal similar: estação chuvosa
concentrada entre abril e agosto, com maior registro em junho–julho, e a estação
seca com mínimos entre setembro e novembro. A variabilidade sazonal das
estações é determinada, por exemplo, pela migração meridional da ZCIT, que
atinge sua posição mais austral entre fevereiro e abril, e assim favorece a
advecção de umidade pelo fluxo de leste no NEB (HASTENRATH & HELLER,
1977; MOURA & SHUKLA, 1981; MOLION & BERNARDO, 2002). No grupo G1,
há superposição de outros sistemas meteorológicos, tais como, os DOL e os
Sistemas Convectivos de Mesoescala (SCM) orograficamente forçados, que por
sua vez aumenta os totais mensais e prolonga a estação chuvosa (MOLION &
BERNARDO, 2002; GOMES et al., 2019). O início da estação chuvosa em
janeiro–fevereiro para o grupo G1 já apresenta precipitações médias superiores
a 80 mm, com a influência dos SCM costeiros independentemente da posição
da ZCIT, situação que não foi observada com a mesma intensidade no grupo
G2.
As bandas de ±1 de desvios padrão representadas na Figura 10 revelam
maior variabilidade interanual no grupo G1, especialmente nos meses chuvosos
(maio–agosto), quando o desvio padrão entre bacias ultrapassou 50 mm. No
grupo G2, a variabilidade relativa (CV%) foi maior, sendo consistente com as
46
precipitações em regiões semiáridas (MARENGO et al., 2017; DA SILVA et al.,
2020; COSTA et al., 2021). Essa característica tem implicações diretas para a
gestão dos recursos hídricos, principalmente a maior imprevisibilidade do grupo
G2, que o torna mais crítico em relação ao monitoramento de sinais climáticos
de grande escala como precursores de eventos extremos.
5.3 Análise da Variabilidade Mensal por Boxplot
Os boxplots da série temporal média mensal a partir de cada grupo
(Figuras 11 e 12) confirmaram a assimetria positiva da distribuição de
precipitação nos meses chuvosos, evidenciada pelos bigodes superiores
prolongados e pela abundância de valores extremos acima do terceiro quartil.
Essa assimetria é característica da distribuição de precipitação em regiões
tropicais e subtropicais, cujas séries temporais frequentemente se aproximam de
distribuições Gama ou Log-Normal (MOLION & BERNARDO, 2002). A
abordagem metodológica baseada na média das bacias de cada grupo, antes de
construir o boxplot, eliminou a variabilidade espacial intragrupo e permitiu focar
na variabilidade temporal interanual, que é o objeto de interesse central desta
análise.
No grupo G1 (Figura 11), os meses de junho e julho apresentaram
amplitudes interquartílicas (AIQ) superiores a 130 mm, com a mediana próxima
a 180 mm e outliers que excedem 550 mm, isso corresponde a eventos de
chuvas excepcionais registrados nas BH litorâneas. Por exemplo, o evento de
junho de 2010, que causou inundações severas nas bacias dos rios Mundaú e
Paraíba do Meio, representa um dos registros históricos de extremo chuvoso
nessa região (SOUZA, 2011; DA SILVA et al., 2020; SILVA JUNIOR et al., 2022).
O mês de outubro registrou a menor AIQ (~30 mm), correspondente a estação
seca.
47
Figura 11 – Boxplot mensal de precipitação (mm) do grupo 1.
No grupo G2 (Figura 12), a AIQ obtida dos boxplots foi menor em valores
absolutos, mas significativa em relação à média mensal, com característica
irregular e concentrado das chuvas no semiárido. Os meses de maio e junho
exibiram a maior dispersão, com outliers superiores que correspondem a
episódios de La Niña ou de dipolo positivo do Atlântico — condições que
favorecem a intensificação da ZCIT sobre o NEB (UVO et al., 1998; ANDREOLI
& KAYANO, 2006; LYRA et al., 2014; COSTA et al., 2021). A linha de médias
sobrepostas (diamantes) aos boxplots das Figuras 11 e 12 confirmou a
compatibilidade entre a mediana e a média nos meses secos, com divergência
nos meses úmidos, reflexo da assimetria positiva mencionada anteriormente.
48
Figura 12 – Boxplot mensal de precipitação (mm) do grupo 2.
O boxplot comparativo (Figura 13) sintetiza as diferenças entre os grupos
e demonstrou a superioridade dos totais pluviométricos e da variabilidade do
grupo G1 em todos os meses, com destaque para o período maio–agosto,
quando a diferença entre as medianas dos dois grupos ultrapassou 100 mm. A
atenção às escalas distintas dos eixos verticais dos dois painéis (até 650 mm
para o grupo G1 e até 300 mm para o grupo G2) é fundamental para uma
interpretação adequada dos padrões de variabilidade relativa.
Figura 13 – Comparação dos boxplot mensal de precipitação dos dois grupos.
49
5.4 Análise DBSCAN: Identificação de Períodos Chuvosos e Secos
5.4.1 Seleção do Parâmetro eps — Curva de Distância k-NN
A calibração do algoritmo DBSCAN iniciou-se pela construção da curva
de distância ao k-ésimo vizinho mais próximo (k-NN, com k=3), apresentada na
Figura 14. O método consiste em ordenar decrescentemente as distâncias ao késimo vizinho no espaço multivariado padronizado de 12 variáveis mensais,
sendo que o ponto de inflexão ("cotovelo") da curva indica o valor de eps que
melhor discrimina regiões densas de pontos isolados (ESTER et al., 1996;
BIRANT & KUT, 2007; SMEJKALOVÁ et al., 2023). Para o grupo G1, o percentil
75 das distâncias resultou em eps=3,26, enquanto para o grupo G2 obteve-se
eps=3,42 — valores consistentes com a maior dispersão dos dados do semiárido
no espaço de características padronizadas.
Figura 14 – Seleção do parâmetro eps para DBSCAN.
A escolha de min_samples=3 refletiu no tamanho relativamente menor
das séries temporais (~57 anos por grupo) e a necessidade de capturar clusters
de características típicas com ao menos três anos próximos no espaço
multivariado. Configurações com min_samples menor produziriam classificações
fragmentadas, enquanto valores maiores resultariam em proporção elevada de
pontos classificados como ruído (BIRANT & KUT, 2007). A escolha do percentil
75 — em vez do "cotovelo" visual — foi adotada para garantir reprodutibilidade
do procedimento e evitar subjetividade na identificação do ponto de inflexão.
50
5.4.2 Dispersão PCA com Classificação DBSCAN
A projeção dos dados no espaço bidimensional dos dois primeiros
componentes principais (PC1 e PC2) - (Figura 15) revelou estruturas de
agrupamento coerentes com o regime pluviométrico de cada grupo. Por
exemplo, para o grupo G1, os PC1 e PC2 registraram 17,2% e 14,9% da
variância total, respectivamente. Para o grupo G2, os valores PC1 e PC2 foram
24,5% e 13,2%. A proporção menor de variância obtidos das PC1 e PC2 refletiu
a elevada dimensionalidade da precipitação mensal padronizada, com
contribuições relevantes de múltiplos meses para a separação entre anos
(JOLLIFFE & CADIMA, 2016). A PC1 concentrou a maior fração da variância,
onde pode ser interpretado como um índice de "anomalia geral de precipitação",
sendo que valores positivos se associam a anos acima do normal em todos os
meses, enquanto, os valores negativos correspondem aos déficits.
Figura 15 – Identificação de anos chuvosos e secos via DBSCAN.
Para o grupo G1, os anos categorizados como Extremo Seco (1973, 1987,
1993, 1998, 1999, 2012) situam-se na região negativa da PC1. A presença de
1998 correspondente ao evento El Niño de 1997–1998, El Niño do século, um
dos mais intensos já registrados (MARENGO et al., 2017; DA SILVA et al., 2020;
OLIVEIRA-JÚNIOR et al., 2021) e de 2012, marco do início da grande seca do
NEB (2012–2016) – (CUNHA et al., 2019; COSTA et al., 2021; REBOITA et al.,
2021; SANTOS et al., 2023), validou a capacidade de identificação do método
DBSCAN. Para o grupo G2, os anos extremamente secos (1965, 1970, 1971,
1983, 1990, 1998) incluem os eventos El Niño de 1982–1983 e 1997–1998,
novamente reforçou a influência do modo de variabilidade climática do ENOS e
51
a precipitação no semiárido nordestino (UVO et al., 1998; ANDREOLI &
KAYANO, 2006; LYRA et al., 2014; LYRA et al., 2017; LUCENA, 2023). O ano
destacado de 1998 como extremo seco em ambos os grupos confirma o caráter
regional e da forçante de grande responsável, neste caso, o El Niño de 1997–
1998 (REBOITA et al., 2021; DA SILVA et al., 2020; CAI et al., 2021).
Os anos de Extremo Chuvoso concentram-se na extremidade positiva da
PC1. No grupo G1, destacam-se 1962, 1964, 1986, 1994, 2000 e 2004; no grupo
g2, ressaltam-se 1966, 1969, 1975, 1977, 1985 e 1989, sendo anos
correspondentes aos episódios de La Niña moderada a forte ou com anomalias
negativas de TSM no Pacífico tropical, que por sua vez favorecem o
posicionamento mais austral da ZCIT (ANDREOLI & KAYANO, 2006; REBOITA
et al., 2010). Destaque para ausência de anos extremamente chuvosos comuns
a ambos os grupos, que por sua vez parte dos eventos, principalmente os
mecanismos responsáveis pelos extremos de chuva são distintos entre as BH
úmidas e as semiáridas, sendo possivelmente com maior peso para sistemas
meteorológicos em multiescala para o grupo G1.
5.4.3 Série Temporal Classificada por DBSCAN
A série temporal de precipitação anual
avaliada via classificação
DBSCAN (Figura 16) permitiu mostrar a distribuição temporal dos períodos
chuvosos e secos em ambos os grupos G1 e G2. Para o grupo G1, a precipitação
média histórica de 1.464 mm foi superada nos anos Extremo Chuvoso (média de
1.994 mm) e reduzida nos anos Extremo Seco (média de 959 mm), isso
representou anomalias positivas e negativas de aproximadamente ±35% em
relação à normal histórica. Para o grupo G2, as anomalias extremas foram
maiores, por exemplo, a precipitação média nos anos Extremo Chuvoso (983
mm) foi o dobro da média dos anos Extremo Seco (445 mm), sendo evidenciada
a característica do semiárido em relação as forçantes climáticas de grande
escala.
52
Figura 16 – Identificação de anos chuvosos e secos por DBSCAN.
A média móvel quinquenal sobreposta às séries temporais indicou
tendência de redução nos totais pluviométricos a partir dos anos 2000 para
ambos os grupos G1 e G2, com valores abaixo da média histórica entre 2012 e
2016. Esse período corresponde a severa seca que afetou o NEB, sendo
destacado por Marengo et al. (2017) e Cunha et al., (2019) que atribuíram à
combinação de anomalias positivas de TSM no Atlântico Norte com a fase
positiva da ODP. A menor frequência de anos chuvosos nas décadas de 2000 e
2010 em comparação com as décadas de 1960 e 1980 mostrou uma tendência
de longo prazo compatível com os cenários de redução de precipitação no NEB
projetados para as próximas décadas (MARENGO et al., 2017; FREIRE e
NATENZON, 2019; DANTAS et al., 2022).
A distribuição das categorias ao longo do tempo não é aleatória. Vale
ressaltar a concentração de anos secos no início da década de 1970,
possivelmente associada a uma fase negativa da ODP e à ocorrência de El Niños
sucessivos (Lyra et al., 2017; Choi et al., 2013; Choi et al. 2022), e um
agrupamento de anos chuvosos nas décadas de 1960 e 1980 para o grupo G2,
correspondentes a períodos de La Niña. Tal persistência temporal de anomalias
é característica da influência das variabilidades decadal e multidecadal do
53
sistema climático oceânico-atmosférico no regime de chuva no NEB (ANDREOLI
& KAYANO, 2006; LYRA et al., 2017; COSTA et al., 2018; VITORIO et al., 2025).
5.4.4 Heatmap Mensal por Categoria DBSCAN
O heatmap de precipitação média mensal estratificada por categoria via
método DBSCAN (Figura 17) confirmou que as diferenças entre anos chuvosos
e secos não se restringem a um único mês, mas se distribuem ao longo de todo
os meses. Para o grupo G1, nos anos Extremo Chuvoso, correspondente aos
meses de maio a agosto registraram precipitações médias superiores 300 mm,
enquanto
nos
anos
Extremo
Seco
os
mesmos
meses
supracitados
apresentaram valores inferiores a 100 mm. Para o grupo G2, a amplitude entre
categorias foi similar, com destaque para os meses de maio e junho, que
apresentaram os maiores contrastes em valores absolutos entre anos chuvosos
e secos.
Figura 17 – Precipitação média mensal (mm) por categoria DBSCAN.
Os valores numéricos obtidos em cada célula do heatmap facilitaram a
comparação direta e identificar padrões específicos, por exemplo, no grupo G2
mesmo nos anos Extremo Seco, os meses de março e abril ainda registraram
valores médios de 40–50 mm, isso indicou que os sistemas meteorológicos em
multiescala sempre produz alguma precipitação nesse período (LYRA et al.,
2014).
54
5.4.5 Calendário de Anomalias e Eventos Extremos
As anomalias padronizadas (z-score) para anos extremos versus escala
mensal (Figura 18) mostrou a variabilidade espaço-temporal da precipitação em
ambos os grupos. Os anos de Extremo Seco (contornados em preto, marcados
com ★S) exibiram tonalidades avermelhadas consistentes ao longo de todos os
meses da estação chuvosa, e assim confirmou que os déficits foram de caráter
sazonal e persistente, e não em episódio. Em contraste, os anos de Extremo
Chuvoso (★C) apresentaram anomalias positivas (azul intenso) persistentes de
abril a agosto, com eventual extensão para os meses de setembro e outubro.
Figura 18 – Distribuição temporal de anomalias e eventos extremos identificados via método
DBSCAN.
A análise temporal via método DBSCAN do grupo G1 revelou que 1998
destacou-se com anomalia negativa máxima em quase todos os meses, sendo
configurado o ano em destaque na série histórica para as bacias úmidas
55
alagoanas. No grupo G2, o ano de 1983 apresentou anomalias negativas
excepcionais em todos os meses da estação chuvosa, correspondentes ao El
Niño de 1982–1983 sobre o semiárido nordestino, sendo reconhecido na
literatura como um dos eventos de seca mais severos do século XX no NEB (CAI
et al., 2020; COSTA et al., 2018; VITORIO et al., 2025). A distribuição temporal
permitiu identificar a recorrência decenal dos eventos extremos, com
concentração de anos secos no início da década de 1970 e novo agrupamento
de anos secos na década de 2010 (MARENGO et al., 2017; LYRA et al., 2017;
CUNHA et al., 2019).
A escala cromática de z-scores (−2,5 a +2,5) adotada na Figura 18
permitiu classificar as anomalias segundo a convenção estatística padrão: i)
valores |z| > 2 correspondem aos eventos com probabilidade de ocorrência
inferior a 5% sob distribuição normal, sendo categorizados como extremos
climáticos. Vale destacar que alguns anos extremamente secos apresentaram
anomalias inferior a −2,5 desvios padrão em múltiplos meses simultâneos, e
assim reforçou a excepcionalidade desses eventos e sua relevância para
estudos de vulnerabilidade hídrica regional no estado de Alagoas.
5.4.6 Perfil Sazonal por Categoria DBSCAN
A Figura 19 apresenta o perfil médio mensal de precipitação para cada
categoria identificada pelo DBSCAN. De forma geral, a distribuição sazonal, com
maior registro entre junho e julho, — foi preservada em todas as categorias
adotadas no estudo, com variação apenas em amplitude. Isso indicou que os
sistemas meteorológicos em multiescala (ZCIT, DOL, circulações de brisas,
ventos alísios, VCAN entre outros) são responsáveis pela sazonalidade e atuam
de forma relativamente estável ao longo da série histórica, mas sua intensidade
também foi modulada pelos forçantes interanuais (ENOS, ODP e o Gradiente
Interhemisférico da Temperatura da Superfície do Mar do Oceano Atlântico GITSMA) – (LYRA et al., 2014; LYRA et al., 2017; WEI et al., 2021).
56
Figura 19 – Padrão sazonal por categoria identificada por DBSCAN.
Para o Grupo 1, a razão entre a precipitação média mensal de junho para
anos Extremo Chuvoso e anos Extremo Seco superou 3,5, isso indicou que, em
anos favoráveis, o volume mensal máximo foi mais de três vezes superior ao de
anos de seca extrema. No Grupo 2, essa razão para o mês de maior registro
(junho) se aproximou de 3,0. A diferença de amplitude entre categorias foi maior
no Grupo 1 devido ao gradiente pluviométrico longitudinal e proximidade do
ambiente costeiro (Figura 8b), porém comparável em termos relativos entre os
grupos G1 e G2, o que sugere que ambos os grupos são igualmente sensíveis,
em escala normalizada, às condições oceânico-atmosféricas de grande escala
(ANDREOLI & KAYANO, 2006; MARENGO et al., 2017) e atuação de sistemas
meteorológicos em multiescala (LYRA et al., 2014; LYRA et al., 2017; COSTA et
al., 2021; ABREU et al., 2023).
Os perfis sazonais das categorias "Seco" e "Chuvoso" — que representam
a maioria dos anos (54% do total para ambos os grupos combinados) se
assemelham ao perfil médio histórico. Tal variabilidade distingue-se dos anos
extremos, nos quais as diferenças em relação à média foram mais pronunciadas
nos meses chuvosos do que nos meses secos, isto é, os mecanismos de
amplificação atuam preferencialmente durante a estação úmida. Esse padrão é
consistente com a hipótese de que a intensidade da convecção tropical,
controlada pela TSM e pela posição da ZCIT, intensifica as anomalias existentes
quando o potencial convectivo é elevado (MOURA & SHUKLA, 1981;
HASTENRATH & HELLER, 1977; COSTA et al., 2018; VITORIO et al., 2025).
57
5.5 Estatística Descritiva e Informações Ambientais
Na Tabela 5 é apresentada os dados censitários referentes a área
territorial, população e densidade demográfica das RH de Alagoas oriundos do
IBGE nos anos de (2022 e 2024). Vale ressaltar que os dados da extensão
territorial e da densidade demográfica não contemplam as RH no total, referemse apenas as cidades/estações descritas anteriormente na Figura 1. A análise
da relação entre densidade demográfica e BH é de suma importância nos
estudos ambientais e no planejamento do território (CAROLINO et al., 2024).
Pois, a bacia é uma unidade de gestão de água, que inclui tanto os processos
físicos quanto as ações antrópicas. Dessa forma, o uso da densidade
populacional dentro dos limites de uma bacia, consegue entender melhor o
manejo dos recursos hídricos por parte da população, principalmente em
regiões, onde a urbanização é acelerada e a infraestrutura de saneamento é
insuficiente, comum ainda no Brasil (ANA; IBGE, 2021).
A maior RH (nos limites do Estado) em extensão é a São Miguel/Coruripe
com 2.638,3 km2, seguida por Manguaba/Camaragibe com 2.633,7 km2 e Xingó
com 2.339,605 km2. A RH mais populosa é a Manguaba/Camaragibe com
1.101.608 habitantes, com cerca de 44% da população total das RH, devido à
proximidade da Região Metropolitana de Maceió (RMM) – (Figura 3). As RH
Piauí, Una, São Miguel/Coruripe e Mundaú também têm população expressiva:
393.072; 348.99; 242.475; 234.808 habitantes, respectivamente. As menos
populosas são Traipu com 56.592 habitantes e Ipanema com 49.661 habitantes,
o que pode indicar áreas menos urbanizadas. A RH Manguaba/Camaragibe se
destacou com a maior densidade (418,26 hab/km²), isso indica forte urbanização
e pressão sobre os recursos hídricos, devido principalmente à presença da
capital Maceió e suas cidades adjacentes. Ao contrário, Traipu e Xingó
apresentam as menores densidades 36,11 26 hab/km² e 42,96 26 hab/km²,
respectivamente, o que resulta por serem áreas mais rurais. A diferença na
distribuição populacional nas RH implica em desafios distintos de gestão dos
recursos hídricos (MACHADO, 2003; ROSA & MIRANDA GUARDA, 2019). Em
RH mais densas, há maiores riscos de poluição, escassez de água e conflitos de
uso; já em RH menos densas, os desafios estão relacionados à infraestrutura de
58
abastecimento bem como o escoamento da produção agrícola e vulnerabilidade
a secas (RIBEIRO e TEXEIRA, 2022; SCHEIBEL et al., 2024).
Tabela 5: Dados censitários do IBGE nos anos de (2022 e 2024).
Grupos
Nome RH
Homogêneos
Área Territorial
– km2 (2024)
População no
Densidade
último censo -
demográfica -
pessoas (2022)
hab/km² (2022)
Una
676,425
348.99
51,59
Manguaba/Camaragibe
2633,747
1.101.608
418,26
Mundaú
1661,982
234.808
141,28
Paraíba
2281,359
189.342
82,99
São Miguel/Coruripe
2638,302
242.475
91,90
Piauí
2274,21
393.072
172,84
Traipu
1567,073
56.592
36,11
Capiá
2129,831
108.211
50,80
Xingó
2339,605
100.519
42,96
Ipanema
804,675
49.661
61,72
Grupo
G1
Grupo
G2
A Tabela 6 apresenta dos dados estatísticos da chuva anual para cada
uma das RH. A chuva anual no estado de Alagoas exibe uma heterogeneidade
temporal significativa entre suas RH, conforme evidenciado pelos valores
médios, máximo, mínimos e do coeficiente de variação (CV%). O grupo G1
apresentou os maiores totais anuais de precipitação do Estado, sobretudo nas
RH localizadas próximas à costa e na região do litoral norte, como
Manguaba/Camaragibe, Mundaú e Una, cujas médias anuais corresponderam a
1699,71 mm, 1439,87 mm e 1259,90 mm, respectivamente. Os maiores
acumulados pluviométricos estão associados à maior disponibilidade de
umidade atmosférica proveniente do Oceano Atlântico (LYRA et al., 2014; BACK
et al., 2020; LYRA et al., 2024), bem como à atuação de sistemas meteorológicos
59
em multiescala que favorecem a ocorrência de chuva da faixa costeira em
direção ao interior do continente, incluindo a influência da ZCIT (COSTA et al.,
2021; ABREU et al., 2023). Além disso, o grupo G1 apresentou menor
variabilidade interanual da precipitação, evidenciada pelos menores valores de
CV%, como observado nas RH Manguaba/Camaragibe (16,51%), Mundaú
(19,73%) e Una (18,04%), indicando um regime pluviométrico mais regular em
comparação às demais RH (SANTOS et al., 2023; ROCHA et al., 2025).
Por outro lado, o grupo G2 apresentou menores médias anuais de
precipitação, correspondendo a 542,23 mm, 739,00 mm e 769,43 mm,
respectivamente, além dos maiores valores de CV% (24% a 27,15%). Esses
resultados evidenciam maior irregularidade espaço-temporal das chuvas e maior
susceptibilidade à escassez hídrica nas RH inseridas predominantemente no
interior do Estado. Apesar de integrar o G1, a RH de Traipu apresentou
comportamento pluviométrico semelhante ao observado no G2, com média
anual de 673,02 mm, refletindo a influência das condições climáticas de transição
entre o Agreste e o Sertão. Esses padrões reforçam a existência de um forte
gradiente pluviométrico em Alagoas, caracterizado pela redução progressiva dos
volumes de precipitação à medida que se avança para o interior do continente
(ABREU et al., 2023; LUCENA, 2023; SANTOS et al., 2023).
Em relação aos extremos anuais, o G1 apresentou os maiores
acumulados máximos e mínimos de precipitação, destacando-se a RH
Manguaba/Camaragibe, com máxima anual de 2269,80 mm e mínima de
1106,34 mm. No G2, a RH de Capiá registrou máxima anual de 938,70 mm e
mínima de 278,60 mm, evidenciando a elevada amplitude e irregularidade das
chuvas nas regiões mais interioranas. Essas diferenças são consistentes com
estudos anteriores que identificaram alta frequência de eventos extremos de
precipitação e períodos de déficit hídrico em distintas regiões do Estado
(SANTOS et al., 2023; FIRMINO et al., 2024).
Os maiores desvios padrão foram observados nas RH pertencentes ao
G1, especialmente em Mundaú (284,15 mm), em decorrência dos maiores
acumulados pluviométricos registrados nessas áreas. Em contrapartida, o G2
apresentou menores desvios padrão, com destaque para Capiá (147,25 mm),
60
indicando séries temporais relativamente mais homogêneas, embora associadas
a baixos volumes de precipitação. Segundo Reis et al. (2020), menores valores
de desvio padrão indicam maior homogeneidade dos dados pluviométricos ao
longo da série temporal. As maiores medianas de precipitação ocorreram
predominantemente nas RH do G1, inseridas na mesorregião climática do Leste
Alagoano, enquanto as menores medianas foram verificadas nas RH do G2,
localizadas nas mesorregiões do Agreste e Sertão (Figura 6).
Tabela 6: Estatística descritiva da chuva anual nas RH.
Grupos
RH
Média
Mediana
(mm)
(mm)
Homogêneos
Desvio
Máxima
Mínima
CV
(mm)
(mm
(%)
Padrão
(mm)
1259,90
1253,57
227,29
1725,24
826,20
18,04
1699,71
1712,48
280,65
2269,80
1106,34
16,51
1439,87
1426,53
284,15
2017,30
877,20
19,73
1251,90
1275,51
240,10
1834,35
686,31
19,18
1206,80
1203,80
209,75
1941,62
713,10
17,40
1013,50
1030,51
213,71
1579,34
551,35
21,10
673,02
669,53
161,40
1076
282,25
24,00
739,00
727,10
156,71
1049,42
362,50
21,20
542,23
545,85
147,25
938,70
278,60
27,15
769,43
739,30
197,10
1237,65
378,03
25,61
Una
Manguaba/Camaragibe
Mundaú
Grupo G1
Paraíba
São Miguel/Coruripe
Piauí
Traipu
Ipanema
Grupo G2
Capiá
Xingó
5.6 Análise pluviométrica anual dos grupos homogêneos de BH em
Alagoas
As Figuras 20 e 21 mostram a avaliação da climatologia anual da chuva
para a BH Mundaú (representante do Grupo G1) e a BH Xingó (representante do
Grupo G2), respectivamente, durante o período de 1960 a 2016. Os anos de El
61
Niño Forte (cor amarela), El Niño Muito Forte (cor vermelha) e La Niña Forte (cor
azul) foram destacados, bem como a regressão linear e a média móvel aplicadas
na série temporal histórica.
A RH Mundaú, situada na porção leste de Alagoas, apresentou média
anual de precipitação de 1429,86 mm (Figura 20a), sendo uma das RH mais
úmidas do estado. O maior acumulado anual foi registrado em 1977 (2017,29
mm), enquanto o menor ocorreu em 1993 (877,19 mm), ano associado à atuação
da fase quente do ENOS (El Niño), que contribuiu para a redução das chuvas
em diferentes áreas do NEB. Aproximadamente 47% dos anos analisados
apresentaram precipitação acima da média climatológica, isso indicou relativa
variabilidade interanual do regime pluviométrico. Além disso, a análise da
regressão linear evidenciou tendência de redução gradual dos totais anuais de
precipitação ao longo da série temporal.
Figura 20 – a) Distribuição do acumulado de chuva anual e sua média (mm) na RH Mundaú no
período de 1960 a 2016; b) Índice de Anomalia de Chuva.
y = -4,2744x + 1563,8
R² = 0,0623
2250
a)
El Niño Forte
El Niño Muito Forte
La Niña Forte
2000
1750
Precipitação (mm)
1500
1250
1000
750
500
250
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
0
Média anual
b)
Média climatológica
Tendência
Média móvel
5
4
3
2
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
1989
1988
1987
1986
1985
1984
1983
1982
1981
1980
1979
1978
1977
1976
1975
1974
1973
1972
1971
1970
1969
1968
1967
1966
1965
1964
1963
1962
1961
0
1960
IAC
1
-1
-2
-3
-4
-5
62
A RH Mundaú possui elevada relevância socioeconômica e ambiental
para os estados de Alagoas e Pernambuco, sendo uma das BH mais estudadas
da região (DA SILVA et al., 2009; DA SILVA et al., 2010a; DA SILVA et al., 2010b;
SILVA et al., 2018). Sua importância está associada tanto à disponibilidade
hídrica quanto à recorrência de eventos hidrometeorológicos extremos, por
exemplo, as enchentes registradas em 2010 e 2022 que atingiram diversos
municípios ribeirinhos, que por sua vez ocasionou inundações de grande
magnitude, perdas humanas, danos à infraestrutura urbana e prejuízos
econômicos significativos (FREIRE & NATENZON, 2019; SILVA JUNIOR et al.,
2022; SGB/CPRM, 2022). Além dos impactos diretos, esses eventos contribuem
para processos erosivos, transporte de sedimentos e degradação da qualidade
da água, especialmente em áreas com ocupação irregular das margens fluviais.
Estudos realizados na região de União dos Palmares demonstram que a
ausência de planejamento territorial e a ocupação desordenada potencializam
os impactos ambientais e sociais decorrentes das cheias (LOPES &
DOMINGOS, 2020).
Do ponto de vista econômico, destacam-se atividades ligadas à
agricultura, especialmente o cultivo de cana-de-açúcar, além da pecuária leiteira
e avicultura, setores fortemente dependentes da distribuição temporal das
chuvas (ANDRADE et al., 2021). Dessa forma, tanto períodos de excesso quanto
de déficit pluviométrico exercem influência direta sobre a produtividade agrícola,
a disponibilidade hídrica e a dinâmica socioeconômica regional.
A análise do IAC na RH Mundaú (Figura 20b) mostrou uma alternância
entre anos secos e úmidos quando comparada às regiões litorâneas do estado,
sendo caracterizada uma área de transição climática entre o litoral úmido e o
agreste. As anomalias negativas apresentaram maior concentração temporal e
frequentemente associadas às fases quentes do ENOS, ou seja, a forte
influência dos forçantes climáticos de grande escala sobre a variabilidade
interanual das chuvas (DA SILVA et al., 2009; DA SILVA et al., 2010a; DA SILVA
et al., 2010b). Embora os totais anuais indiquem relativa estabilidade em
determinados períodos, o IAC evidenciou que os déficits pluviométricos podem
apresentar elevada intensidade, mesmo em anos próximos da média
climatológica. Isso reforça a importância da utilização dos índices padronizados
63
existentes na literatura científica na identificação de extremos hidrológicos e na
compreensão da dinâmica climática regional, principalmente em Alagoas tão
dependente de recursos hídricos para desenvolvimento socioeconômico do
Estado.
Figura 21 – a) Distribuição do acumulado de chuva anual e sua média (mm) na RH Xingó no
período de 1960 a 2016; b) Índice de Anomalia de Chuva.
a) 2500
2250
El Niño Forte
El Niño Muito Forte
La Niña Forte
y = -2,3891x + 838,72
R² = 0,0405
2000
Precipitação (mm)
1750
1500
1250
1000
750
500
250
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
0
Média anual
Média climatológica
Tendência
Média móvel
b) 5
4
3
2
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
1989
1988
1987
1986
1985
1984
1983
1982
1981
1980
1979
1978
1977
1976
1975
1974
1973
1972
1971
1970
1969
1968
1967
1966
1965
1964
1963
1962
1961
0
-1
1960
IAC
1
-2
-3
-4
-5
-6
A RH Xingó, localizada no extremo oeste de Alagoas, apresentou média
anual de precipitação de 769,43 mm (Figura 21), isso reflete o gradiente
pluviométrico observado no estado, no qual os totais de chuva diminuem
progressivamente da faixa costeira em direção ao interior continental (LYRA et
al., 2014; COSTA et al., 2021) e confirmados no estudo via técnica de análise de
agrupamento aplicado as BH. O maior acumulado anual foi registrado em 1966
(1237,65 mm), enquanto o menor ocorreu em 1998 (378,03 mm), isso evidenciou
a elevada irregularidade do regime pluviométrico na região. Aproximadamente
38% dos anos da série temporal apresentaram precipitação abaixo da média
histórica, característica típica das áreas semiáridas do Nordeste brasileiro.
A variabilidade das chuvas na RH Xingó está associada à atuação de
sistemas atmosféricos de grande escala e à reduzida influência da umidade
64
oceânica sobre o interior do estado. Essa condição favorece maior frequência de
períodos secos prolongados e elevada vulnerabilidade hídrica, especialmente
durante eventos de El Niño. Assim como observado em outras regiões
interioranas do NEB, a irregularidade espaço-temporal das precipitações
representa um dos principais fatores limitantes para a disponibilidade hídrica e
para o desenvolvimento das atividades econômicas locais.
A análise do IAC (Figura 21b) mostrou predominância de anomalias
negativas persistentes e baixa frequência de eventos úmidos intensos. Os
períodos secos tendem a apresentar maior duração e intensidade, o que
potencializa impactos hidrológicos, ambientais e socioeconômicos na região do
entorno. Mesmo em anos com precipitação próxima da média climatológica, o
IAC apontou a ocorrência de déficits relevantes, indicando que a análise baseada
apenas nos acumulados anuais pode subestimar a severidade das secas. A
associação entre as anomalias negativas e as fases quentes do ENOS reforça o
papel dos forçantes climáticos globais na intensificação das secas no interior do
NEB (IPCC, 2021). Esse comportamento evidencia a elevada suscetibilidade da
RH Xingó à ocorrência de eventos extremos secos, ressaltando a importância do
monitoramento climático contínuo e da adoção de estratégias de gestão e
adaptação voltadas à segurança hídrica da região.
5.7 Análise espaço-temporal das chuvas
5.7.1 Mapas Mensais
A análise dos mapas mensais de precipitação (Figura 22) permite
identificar a distribuição espacial das chuvas nas RH de Alagoas ao longo do
ano. De forma geral, o ciclo sazonal é bem definido, com aumento gradual das
chuvas entre março e abril, máximos entre maio e julho e redução dos
acumulados a partir de agosto.
Tal variabilidade está relacionado à atuação de sistemas meteorológicos
em multiescala, por exemplo, a ZCIT, VCAN, circulações de brisas associadas
com regime de ventos alísios, DOL entre outros, esses sistemas exercem alta
influência sobre a precipitação no NEB (LYRA et al., 2014; ALVES et al., 2022;
COSTA et al., 2021; DANTAS et al., 2022). A distribuição das chuvas também é
65
influenciada pelas condições do Atlântico Tropical, que modulam o transporte de
umidade para a região (LYRA et al., 2017; SILVA et al., 2024).
Figura 22 – Distribuição espacial da média mensal (mm) do período de 1960 a 2016,
para a) janeiro; b) fevereiro; c) março; d) abril; e) maio; f) junho; g) julho; h) agosto; i) setembro;
j) outubro; k) novembro e l) dezembro.
b)
a)
c)
d)
e)
f)
66
g)
i)
k)
h)
j)
l)
Nos meses de janeiro a março predominaram menores volumes de
precipitação em grande parte do estado. Os maiores acumulados concentramse nas regiões litorâneas, enquanto o Agreste e o Sertão apresentaram chuvas
irregulares e dependentes de eventos isolados.
A partir de abril ocorre o estabelecimento da estação chuvosa, com
aumento significativo da precipitação, principalmente no Leste alagoano. Os
maiores acumulados mensais ocorrem entre maio e julho, com destaque para as
RHs de Manguaba/Camaragibe, Mundaú e Una. Isso confirmou os padrões
observados nas análises anual e sazonal realizadas anteriormente, e ainda
evidenciou a maior disponibilidade hídrica das regiões próximas ao litoral.
67
A distribuição espacial da precipitação em Alagoas apresentou um
gradiente bem definido, com redução dos volumes de chuva do litoral em direção
ao interior. Esse padrão reflete a diminuição da influência marítima e o
predomínio das condições semiáridas no Agreste e Sertão. Nas RHs de Capiá,
Ipanema, Traipu e Xingó, as chuvas apresentam maior irregularidade e maior
variabilidade ao longo do ano.
Nos meses de agosto e setembro ocorre a transição para a estação seca.
Nesse período, as chuvas tornam-se menos frequentes, permanecendo
principalmente nas áreas costeiras. Já no interior do estado predominam
condições mais secas, e assim reduz gradativamente a disponibilidade hídrica.
Entre outubro e fevereiro são registrados os menores acumulados
pluviométricos do ano em praticamente todas as regiões hidrográficas. As
condições mais secas ocorrem no Sertão, onde a irregularidade das chuvas é
mais acentuada. Em alguns anos, a atuação do El Niño pode intensificar esse
cenário, contribuindo para a redução das precipitações sobre o NEB (CUNHA et
al., 2020; MARENGO et al., 2017).
De forma geral, os mapas evidenciaram alta diferenciação espacial da
precipitação em Alagoas. As regiões litorâneas com maiores acumulados e
menor variabilidade ao longo do ano, enquanto as regiões interioranas
apresentam chuvas irregulares e maior vulnerabilidade à escassez hídrica.
Esses achados reforçam a necessidade de estratégias de gestão dos recursos
hídricos adaptadas às características climáticas de cada RH.
5.8 Análise espacial do SPI-12
É sabido da influência das fases do ENOS sobre a precipitação no NEB
(Lyra et al., 2017; Marengo et al., 2017; Costa et al., 2018; Vitorio et al., 2025), e
assim foram selecionados anos representativos das fases quente (1983, 1998 e
2015) e fria (1975, 1989 e 2011) do ENOS, sendo categorizados como muito
forte e forte conforme os índices ONI (Tabela 2) e RONI (Tabela 3). A análise foi
realizada a partir do SPI-12 e comparada com os resultados do IAC, e assim
68
avaliou a distribuição espacial das condições secas e úmidas nas RH em
Alagoas.
O ano de 1983 (Figura 23), associado a um forte evento de El Niño,
apresentou condições de seca em praticamente todo o estado. No SPI-12
predominaram as classes muito seco e extremamente seco, principalmente nas
RHs de Capiá, Ipanema e Xingó. Nas demais RH também foram observadas
anomalias negativas, com déficit pluviométrico persistente. Apenas áreas
menores apresentaram condições próximas à normalidade.
Os resultados do IAC mostraram similaridade ao SPI-12, com predomínio
das classes seco e muito seco em grande parte do estado. Áreas úmidas
ocorreram de forma isolada no litoral sul e porções menores das RHs de
Mundaú, Una e Manguaba/Camaragibe. A concordância entre os índices
confirmou que o ano de 1983 foi um dos anos mais secos da série histórica, com
a forte influência do El Niño sobre a precipitação em Alagoas (LYRA et al., 2017;
DA SILVA et al., 2020; OLIVEIRA-JÚNIOR et al., 2021; ABREU et al., 2023).
69
Figura 23 – Análise espacial do SPI anual e IAC para o ano de 1983.
70
O ano de 1998 (Figura 24), também sob influência de um forte evento de
El Niño, apresentou predominância de condições secas em grande parte das
RH. Entretanto, a intensidade da seca foi menor quando comparada a 1983. No
SPI-12 predominaram as classes moderadamente seco e muito seco,
principalmente nas RHs do grupo G1, seguido de algumas áreas do grupo G2
apresentaram condições próximas à normalidade.
O IAC também indicou predomínio de anomalias negativas de
precipitação, com ocorrência das classes seco e muito seco em praticamente
todo o estado. A semelhança entre os resultados obtidos pelos dois índices
reforça a ocorrência de déficit hídrico generalizado durante em eventos de El
Niño categorizados como Muito Forte (Tabelas 2 e 3). Os impactos foram
significativos nas RHs do interior, onde a variabilidade pluviométrica é
naturalmente maior. É sabido que a irregularidade das chuvas influencia o
abastecimento humano, a agricultura e a manutenção dos ecossistemas
naturais, principalmente durante períodos de seca (CUNHA et al., 2021).
71
Figura 24 – Análise espacial do SPI anual e IAC para o ano de 1998.
72
O ano de 2015 (Figura 25), apesar de estar associado a um dos eventos
de El Niño mais intensos das últimas décadas, denominado de Mega El Niño,
apresentou situação diferente dos demais anos analisados. No SPI-12
predominou a categoria próxima ao normal em praticamente todas as RH, isso
indicou ausência de seca prolongada. Apenas pequenas áreas foram
classificadas como moderadamente secas.
O
IAC
apresentou
maior
ocorrência
de
anomalias
negativas,
principalmente nas RHs de Xingó, Ipanema, Paraíba (AL) e Mundaú. Essa
diferença entre os índices está relacionada às suas metodologias de obtenção
dos valores normalizados (itens 4.3 e 4.8). Vale ressaltar que o SPI- representa
o acumulado da precipitação ao longo do tempo e normalizado em multiescala,
enquanto, o IAC é sensível às variações anuais da chuva.
Os resultados indicaram que, embora tenham ocorrido déficits
pluviométricos pontuais, os impactos do El Niño de 2015 foram menos intensos
em Alagoas em comparação aos eventos de 1983 e 1998. Tal variabilidade pode
estar relacionado à atuação de sistemas meteorológicos regionais e à influência
das condições oceânicas do Atlântico Tropical (OLIVEIRA-JÚNIOR et al., 2021;
FIRMINO et al., 2024).
73
Figura 25 – Análise espacial do SPI anual e IAC para o ano de 2015.
O ano de 1975 (Figura 26), associado à fase fria do ENOS (La Niña),
exibiu predominância de condições úmidas em grande parte do estado. No SPI74
12 prevaleceram as classes moderadamente úmido e muito úmido, com
ocorrência de áreas extremamente úmidas principalmente nas RHs de Xingó,
Capiá e Ipanema.
O IAC confirmou esse padrão, com anomalias positivas de precipitação
em praticamente todas as RH de Alagoas. Apesar da ocorrência de menores
núcleos secos isolados, predominou um cenário de elevada disponibilidade
hídrica. Esses resultados demonstram a influência da La Niña no aumento das
chuvas sobre o NEB (IPCC, 2021; REBOITA et al., 2021) e confirmaram o uso
satisfatório de índices de seca aplicados para Alagoas em estudo realizados
anteriormente (LYRA et al., 2017; COSTA et al., 2021; ABREU et al., 2023;
SANTOS et al., 2023).
Figura 26 – Análise espacial do SPI anual e IAC para o ano de 1975.
75
O ano de 1989 (Figura 27) também apresentou predominância de
condições úmidas, embora com maior variabilidade espacial quando comparado
76
ao ano de 1975. No SPI-12 predominaram as classes moderadamente úmido e
muito úmido, principalmente nas RHs do grupo G1. No grupo G2 ocorreram
áreas próximas à normalidade, seguido de alguns núcleos secos isolados.
Os resultados do IAC foram similares aos do SPI-12, com anomalias
positivas de precipitação na maior parte do estado. A presença de áreas secas
localizadas, principalmente no litoral, demonstra que a resposta das chuvas aos
eventos de La Niña não ocorre de forma homogênea em todo o território
alagoano, conforme apontando anteriormente com uso de Análise Harmônica e
Espectral (AHE) - (LYRA et al., 2017) e Análise de Wavelet (AW) - (DA SILVA et
al., 2020).
77
Figura 27 – Análise espacial do SPI anual e IAC para o ano de 1989.
O ano de 2011 (Figura 28), embora associado à La Niña, apresentou
predominância da categoria próxima ao normal no SPI-12. Pequenas áreas
78
moderadamente úmidas foram identificadas principalmente no litoral e em
setores das RHs de Manguaba/Camaragibe e São Miguel/Coruripe.
Por outro lado, o IAC indicou condições mais úmidas em grande parte do
estado, especialmente nas RHs de Manguaba/Camaragibe, Mundaú e Paraíba
(AL). Essa diferença evidencia que os índices respondem de maneira distinta às
anomalias de precipitação, mesmo na ocorrência da atuação de modos de
variabilidade climática.
Mesmo com essas diferenças, ambos os índices indicaram ausência de
seca severa em 2011. Os resultados mostram que a variabilidade hidroclimática
de Alagoas é influenciada tanto pelo ENOS quanto por sistemas meteorológicos
regionais que atuam no ENEB (OLIVEIRA-JÚNIOR et al., 2021).
Figura 28 – Análise espacial do SPI anual e IAC para o ano de 2011.
79
De forma geral, os resultados mostraram que os eventos de El Niño
estiveram associados à redução da precipitação e ao aumento da ocorrência de
secas, principalmente nas RHs do interior do estado. Em contraste, os anos de
80
La Niña apresentaram condições mais úmidas e maior disponibilidade hídrica. A
comparação entre SPI-12 e IAC demonstrou que os dois índices são
complementares e contribuem para uma melhor compreensão da variabilidade
hidroclimática em Alagoas, e ainda mostrou que o uso de mais de um índice de
seca
concorda
com
a
literatura
científica
(YIHDEGO
et
al.,
2019;
GEBRECHORKOS et al., 2023; ZHANG et al., 2025).
5.9 Integração dos fatores socioeconômicos e de uso da água na
vulnerabilidade hídrica
Em relação à vulnerabilidade hídrica em Alagoas, é necessário analisar
de forma conjunta os fatores climáticos e a pressão antrópica gerada pelas
atividades humanas e características socioeconômicas de cada região. Para
isso, os mapas apresentados a seguir reúnem os dados de Índice de
Vulnerabilidade Hídrica (IVI) para 2021, a densidade demográfica com base no
Censo de 2022, as vazões de retirada urbana e rural, além das projeções de
demanda para irrigação e vazão total até o ano de 2040. A integração dessas
informações oficiais oriundas das bases da ANA e do IBGE ajudam a
compreender por que bacias com regime de chuva tão distintos também
respondem de forma diferente quando expostas aos extremos de seca ou chuvas
extremas (ANA, 2024).
81
Figura 29 – Índice de Vulnerabilidade Hídrica (IVI) para o estado de Alagoas (2021). Fonte:
Elaborado pela autora com base em dados da ANA.
Baseado no mapa do IVI (Figura 29) houve alta predominância das
classes de alta e muito alta vulnerabilidade hídrica (C e D) em diversos
municípios do interior do estado. No caso do grupo G2, que envolve as bacias
Capiá, Ipanema e Xingó, esse cenário está associado diretamente às limitações
climáticas locais. Conforme apresentado na estatística descritiva (Tabela 6),
essas bacias possuem as menores médias anuais de chuva de Alagoas, entre
542,23 mm a 769,43 mm, além disso os maiores valores de CV%, o que mostrou
uma característica de regime de chuva irregular (LYRA et al., 2014; SANTOS et
al., 2023).
82
Embora essas regiões apresentem baixa densidade demográfica e
menores volumes absolutos de retirada de água urbana e rural, a vulnerabilidade
hídrica se manteve elevada por causa das condições socioeconômicas
estruturais (VIEIRA et al., 2023). Ao cruzar esses dados com o mapa do IDH
municipal (Figura 30), fica evidente que as áreas com os piores IDH coincidem
exatamente com as regiões propensas a secas severas e prolongadas, como as
identificadas nos eventos de El Niño Forte de 1983 e 1998 via aplicação do SPI12 (OLIVEIRA-JÚNIOR et al., 2021). Portanto, no grupo G2, a população sofre
com uma vulnerabilidade estrutural, onde a falta crônica de infraestrutura hídrica
e a baixa capacidade econômica limitam a convivência com o clima semiárido
(CUNHA et al., 2021; CARETTA et al., 2022; VIEIRA et al., 2023).
Figura 30 – Índice de Desenvolvimento Humano (IDH) dos municípios do estado de Alagoas.
Fonte: Elaborado pela autora com base em dados da ANA.
Por outro lado, as bacias que formam o grupo G1, tais como
Manguaba/Camaragibe, Mundaú, Paraíba, São Miguel/Coruripe, Piauí e Una,
mostraram um cenário oposto, onde a vulnerabilidade hídrica foi ditada pela alta
pressão antrópica. Do ponto de vista climatológico, o setor leste e litorâneo
apresentou a maior segurança hídrica natural, com médias anuais que
83
ultrapassam 1200 mm e chuvas regulares, seguido de baixos valores de CV%
(Tabela 6) - (LYRA et al., 2014; COSTA et al., 2021).
Contudo, a Figura 31 destacou que essa mesma faixa concentra as
maiores densidades populacionais do estado, devido principalmente a capital
Maceió e a Região Metropolitana de Maceió (RMM). Esse adensamento gera
uma demanda bastante alta de retirada de água para abastecimento urbano, o
que amplia as rupturas potenciais nos serviços ofertados (ANA, 2024). Além da
questão populacional, a atividade agropecuária e o cultivo histórico da cana-deaçúcar exigem volumes elevados de captação, o que é confirmado pelo mapa
de vazão retirada para irrigação (SPERA et al., 2020). Esse conjunto de fatores
explica o paradoxo de encontrarmos municípios do litoral e da zona da mata
classificados com alta e muito alta vulnerabilidade hídrica, mesmo estando na
região onde mais chove em Alagoas. Nesses locais, o problema não é a falta de
chuva, mas sim o estresse hídrico causado pela saturação da demanda urbana
e agrícola sobre os rios e reservatórios (SILVA COSTA et al., 2025).
Figura 31 – Densidade demográfica dos municípios do estado de Alagoas. Fonte: Elaborado
pela autora com base em dados da IBGE (2022).
Figura 32 – Vazão retirada para abastecimento urbano e uso rural nos municípios do estado
de Alagoas (2020). Fonte: Elaborado pela autora com base em dados da ANA.
84
Em relação às tendências futuras para o estado de Alagoas, os mapas de
1980, 2020 e a projeção para o ano de 2040 (Figuras 33 e 34) revelam um sinal
preocupante para o planejamento e gestão dos recursos hídricos, com aumento
significativo da vazão nos anos em questão. Há um aumento significativo nas
vazões retiradas para irrigação e nas vazões totais, concentrado principalmente
nas bacias do setor leste e na porção sul do estado, que por sua vez afeta as
bacias dos rios Piauí e São Miguel/Coruripe (SCHEIBEL et al., 2024; CAROLINO
et al., 2024).
Esse aumento contínuo da pressão antrópica sob a ótica econômica entra
em choque direto com os resultados físicos encontrados na análise climática
deste estudo. Como visto anteriormente nas Figuras 20 (a) e 21 (a), as linhas de
regressão linear obtidas das séries históricas de chuva (1960–2016) apontaram
para uma tendência de redução gradual dos volumes anuais de precipitação em
boa parte das RH de Alagoas, o que corroborou com estudos de modelagem
regional de cenários futuros de chuva para o ENEB (ANDRADE et al., 2021;
DANTAS et al., 2022). Esse desalinhamento entre a oferta natural de água que
tende a diminuir e a pressão antrópica que avança em direção ao ano de 2040
85
reforça a necessidade urgente de estratégias integradas de gestão (ANA, 2024).
Sem ações de mitigação e controle de perdas, o estado poderá enfrentar
cenários severos de escassez e aumento nos conflitos pelo uso da água,
ameaça à segurança hídrica das populações rurais e urbanas (SPERA et al.,
2020; ANDRADE et al., 2021; RIBEIRO; TEIXEIRA, 2022).
Figura 33 – Vazão (m3/s) retirada para irrigação nos municípios do estado de Alagoas nos
anos de 1980, 2020 e projeção para 2040. Fonte: Elaborado pela autora com base em dados
da ANA.
86
Figura 34 – Vazão total retirada nos municípios do estado de Alagoas nos anos de 1980, 2020
e projeção para 2040. Fonte: Elaborado pela autora com base em dados da ANA.
87
6 CONCLUSÕES
As conclusões obtidas no estudo são:
A regionalização das bacias hidrográficas de Alagoas via análise
multivariada revela a existência de dois grupos homogêneos pluviométricos
distintos. O grupo G1, associado às regiões mais úmidas do estado, com maiores
totais pluviométricos, seguido de maior frequência de eventos extremos de
chuva e maior regularidade na distribuição sazonal. Em contrapartida, o grupo
G2 com características típicas do semiárido, seguido de menores acumulados
anuais, maior irregularidade temporal das chuvas e maior susceptibilidade à
ocorrência de déficits pluviométricos prolongados.
A análise dos perfis médios mensais e da estatística exploratória
evidencia que ambos os grupos apresentam sazonalidade com magnitudes
distintas e ainda com implicações no regime de chuva nas bacias hidrográficas
de Alagoas. O grupo G1 com elevada variabilidade durante a estação chuvosa,
associada à ocorrência de eventos extremos de precipitação, ao contrário do
grupo G2 com irregularidade sazonal, caracterizado pela concentração das
chuvas em poucos episódios e maior variabilidade relativa em relação à sua
climatologia.
A aplicação do algoritmo DBSCAN é eficiente na identificação de anos
secos, chuvosos e de transição que ocorrem nas bacias hidrográficas, pois
permite identificar padrões temporais consistentes com a variabilidade climática
observada na série histórica. Os achados obtidos no estudo indicam que os
eventos
extremos
são
diferenciados
entre
os
grupos
homogêneos
pluviométricos, devido os mecanismos atmosféricos responsáveis pelos
excedentes pluviométricos não atuam de forma uniforme em todo o estado. Além
disso, a maior dispersão observada no grupo G2 reforça a complexidade e a
irregularidade do regime pluviométrico das regiões semiáridas e, principalmente
o uso da água oriundas destas bacias hidrográficas para as atividades e
necessidades da população que nelas habitam.
88
A análise espacial dos índices de seca confirma a alta influência da
variabilidade climática interanual sobre as regiões hidrográficas de Alagoas,
independente da adoção da categorização do ENOS via ONI e RONI. Os
episódios de El Niño são associados à redução da precipitação e à intensificação
das condições de seca, sobretudo nas regiões hidrográficas do interior do
estado, enquanto os episódios de La Niña favorecem condições mais úmidas e
maior disponibilidade hídrica. Os achados obtidos no estudo também
demonstram que uso de mais de um índice de seca são ferramentas
complementares para o monitoramento da variabilidade hidroclimática e para a
identificação de eventos extremos.
A
integração
das
informações
climáticas
com
indicadores
socioeconômicos e de demanda hídrica evidencia que a vulnerabilidade hídrica
não depende exclusivamente da disponibilidade de água. Aspectos relacionados
à densidade populacional, ao uso dos recursos hídricos e às demandas
passadas e futuras exercem influência significativa sobre a capacidade de
adaptação das regiões hidrográficas frente aos eventos extremos, que por sua
vez tem sido intensificado com as mudanças climáticas em curso. Dessa forma,
a vulnerabilidade identificada no estudo resulta da interação entre fatores
naturais e antrópicos, e portanto, reforça a necessidade de abordagens
integradas no planejamento dos recursos hídricos.
Por fim, conclui-se que a regionalização das regiões hidrográficas,
associada à análise dos extremos pluviométricos e dos fatores socioeconômicos,
constitui uma importante ferramenta para subsidiar ações de monitoramento,
planejamento e gestão dos recursos hídricos em Alagoas. Os achados obtidos
contribuem para o entendimento da dinâmica hidroclimática estadual e fornecem
subsídios para estratégias de adaptação e mitigação frente aos impactos
decorrentes da variabilidade climática e dos eventos extremos decorrentes das
mudanças climáticas.
89
7 REFERÊNCIAS BIBLIOGRÁFICAS
ABDOLMANAFI, A., SAGHAFIAN, B., & AMINYAVARI, S. (2025). Classification
of design precipitation intensities for different return periods in Iran. Earth
Science Informatics,18(3), 308.
ABREU, M. C., DE SOUZA FRAGA, M., LYRA, G. B., DE OLIVEIRA JUNIOR, J.
F., DE JESÚS VILLAR-HERNÁNDEZ, B., DE SOUZA, A., & ZERI, M.
(2023). Long-term trend analysis in annual, seasonal and monthly rainfall in
East Northeast of Brazil and the influence of modes of climate variability.
International Journal of Climatology, 43(16), 7463-7480.
AGÊNCIA NACIONAL DE ÁGUAS – ANA. Bases de Dados Hidrográficos do
Brasil: BHB250 e DHN250. Brasília: Agência Nacional de Águas e
Saneamento Básico; Instituto Brasileiro de Geografia e Estatística, 2021.
Disponível
em:
https://www.gov.br/ana/pt-br/assuntos/noticias-e-
eventos/noticias/ana-e-ibge-lancam-ineditas-bases-de-dadoshidrograficos-do-brasil. Acesso em: 27 ago. 2025.
AGÊNCIA NACIONAL DE ÁGUAS — ANA. Panorama da gestão de recursos
hídricos no Brasil 2024. Brasília: ANA, 2024. Disponível em:
https://www.snirh.gov.br/portal/centrais-de-conteudos/conjuntura-dosrecursos-hidricos/conjuntura2024_04122024.pdf
AGÊNCIA NACIONAL DE ÁGUAS E SANEAMENTO BÁSICO (ANA).
Conjuntura dos Recursos Hídricos no Brasil: informe 2024. Brasília:
ANA, 2024. Disponível em: ANA Biblioteca Digital.
AGÊNCIA NACIONAL DE ÁGUAS E SANEAMENTO BÁSICO (ANA). Impactos
da mudança climática nos recursos hídricos das diferentes regiões do
Brasil. Brasília: ANA, 2024. Disponível em: ANA Notícias Oficiais.
https://www.gov.br/ana/pt-br/assuntos/noticias-e-eventos/noticias/analanca-estudo-sobre-impactos-da-mudanca-climatica-nos-recursoshidricos-das-diferentes-regioes-do-brasil/resumo-executivo_26012024.pdf
ALAHACOON, N., & EDIRISINGHE, M. (2022). A comprehensive assessment of
remote sensing and traditional based drought monitoring indices at global
90
and regional scale. Geomatics, Natural Hazards and Risk, 13(1), 762799.
ALVES, J. E., Gonçalves, T. S., & Nascimento, S. A. M. (2022). Precipitação na
Bacia Hidrográfica do Rio Cachoeira, Nordeste do Brasil: tendências e
variabilidade (1970-2020). Boletim do Museu Paraense Emílio Goeldi.
Ciências
Naturais,
17(2),
527-542.
http://doi.org/10.46357/
bcnaturais.v17i2.841
ANDRADE, C. W. L.; MONTENEGRO, S. M. G. L.; MONTENEGRO,
A.A.A.; LIMA, J.R.D.S.; SRINIVASAN, R.; JONES, C. A. Climate change
impact assessment on water resources under RCP scenarios: A case study
in Mundaú River Basin, Northeastern Brazil. International Journal of
Climatologia. 2021; 41(Suppl.1): p10451061https://doi.org/10.1002/joc.6751
ANDREOLI, R. V.; KAYANO, M. T. Tropical Pacific and South Atlantic effects on
rainfall variability over Northeast Brazil. International Journal of Climatology,
v. 26, n. 13, p. 1895–1912, 2006. DOI: 10.1002/joc.1341
ARBELAITZ, O.; GURRUTXAGA, I.; MUGUERZA, J.; PÉREZ, J. M.; PERONA,
I. An extensive comparative study of cluster validity indices. Pattern
Recognition, v. 46, n. 1, p. 243–256, 2013.
BACK, Á. J., CADORIN, S. B., & GALATTO, S. L. (2020). Extreme rainfall and
IDF equations for Alagoas State, Brazil. Ambiente E Agua - an
Interdisciplinary
Journal
of
Applied
Science,
15(6),
1.
https://doi.org/10.4136/ambi-agua.2544
BARROS, A. H. C.; ARAÚJO FILHO, J. C.; SILVA, A. B.; SANTIAGO, G. A. C. F.
Climatologia
do
Estado
de
Alagoas.
Boletim
de
Pesquisa
e
Desenvolvimento. Embrapa. Recife, 2012.
BEVEN, K. J. (2012). Rainfall-runoff modelling: the primer. John Wiley & Sons.
91
BIRANT, D.; KUT, A. ST-DBSCAN: An algorithm for clustering spatial–temporal
data. Data & Knowledge Engineering, v. 60, n. 1, p. 208–221, 2007. DOI:
10.1016/j.datak.2006.01.013
BLAIN, C.G.; BRUNINI, O. Quantificação da seca agrícola pelo Índice
Padronizado de Evapotranspiração Real (IPER) no estado de São Paulo.
Bragantia, v. 65, n. 4, p. 517-525, 2006.
BOLAN, S.; PADHYE, L. P.; JASEMIZAD, T.; GOVARTHANAN, M.;
KARMEGAM, N.; WIJESEKARA, H.; AMARASIRI, D.; HOU, D.; ZHOU, P.;
BISWAL, B.K.; BALASUBRAMANIAN, R.; WANG, H.; SIDDIQUE, K.H.M.;
RINKLEBE, J.; KIRKHAM, M.B.; BOLAN, N. Impacts of climate change on
the fate of contaminants through extreme weather events. Sci Total
Environ. 2024 Jan 20; 909:168388. doi: 10.1016/j.scitotenv.2023.168388.
Epub 2023 Nov 11. PMID: 37956854.
BORAH, Gongutri. Urban Water Stress: Climate Change Implications for Water
Supply in Cities. Water Conservation Science and Engineering, v. 10, n.
1, e20, 2025.
BRASIL. Conselho Nacional de Recursos Hídricos (CNRH). Resolução nº 32, de
15 de outubro de 2003. Institui as Divisões Hidrográficas Nacionais. Diário
Oficial da União, Brasília, DF, 17 nov. 2003.
BROWN, Adrienne R. et al. Democracy in practice: a global systematic review of
democracy and water governance research. Journal of Environmental
Policy
&
Planning,
v.
28,
n.
3,
p.
413-447,
2026.
DOI:
https://doi.org/10.1080/1523908X.2026.2640938.
CAI, W.; MCPHADEN, M.J.; GRIMM, A. M.; RODRIGUES, R. R.; TASCHETTO,
A. S.; GARREAUD, R. D.; DEWITTE, B.; POVEDA, G.; HAM, Y.G.;
SANTOSO, A.; NG, B.; ANDERSON, W.; WANG, G.; GENG, T.; JO, H.S.;
MARENGO,
J.A.;
ALVES,
L.M.;
OSMAN,
M.;
LI,
S.;
WU,
L.;
KARAMPERIDOU, C.; TAKAHASHI, K. e VERA, C. Climate impacts of the
El Niño–Southern Oscillation on South America. Nat Rev Earth Environ 1,
215–231 (2020). https://doi.org/10.1038/s43017-020-0040-3
92
CARETTA, M. A.; MUKHERJI, A.; ARFANUZZAMAN, M.; BETTS, R. A.;
GELFAN, A.; HIRABAYASHI, Y.; LISSNER, T. K.; LIU, J.; LOPEZ GUNN,
E.; MORGAN, R.; MWANGA, S.; SUPRATID, S. Water. In: PÖRTNER, H.O. et al. (ed.). Climate Change 2022: Impacts, Adaptation and Vulnerability.
Contribution of Working Group II to the Sixth Assessment Report of the
Intergovernmental Panel on Climate Change. Cambridge: Cambridge
University Press, 2022. p. 551–712.
CAROLINO, M. P.; BARROS JÚNIOR, G.; BARBOSA, W. B. A. A
sustentabilidade hídrica das bacias hidrográficas. REGA - Revista de
Gestão de Água da América Latina, v. 21, e2, 2024.
CEPED. (2013) Atlas brasileiro de desastres naturais 1991 a 2012.
Florianópolis: Centro Universitário de Estudos e Pesquisas sobre Desastres,
UFSC.
CHOI, J., SON, SW. Seasonal-to-decadal prediction of El Niño–Southern
Oscillation and Pacific Decadal Oscillation. npj Clim Atmos Sci 5, 29
(2022). https://doi.org/10.1038/s41612-022-00251-9
CHOI, J.; SON, S. W. Impact of the Pacific Decadal Oscillation on hydroclimatic
variability over South America. Climate Dynamics, v. 59, p. 1815-1832,
2022.
CHOI, M., JACOBS, J. M., ANDERSON, M. C., & BOSCH, D. D. (2013).
Evaluation of drought indices via remotely sensed data with hydrological
variables. Journal of Hydrology, 476, 265-273.
CHORLEY, R. J. (1962) Geomorphology and general systems theory.
Geological survey professional paper 500 b. Washington: United States
Government Printing Office, 11p.
COSTA, D. D., UVO, C. B., ROLIM DA PAZ, A., DE OLIVEIRA CARVALHO, F.,
& FRAGOSO JR, C. R. (2018). Long-term relationships between climate
oscillation and basin-scale hydrological variability during rainy season in
eastern Northeast Brazil. Hydrological Sciences Journal, 63(11), 16361652. https://doi.org/10.1080/02626667.2018.1523614
93
COSTA, I. S.; MEDEIROS, E. S.; SILVA, A. Q.; MEDEIROS, C. C. B.; OLIVEIRA,
L. A. Mapeamento da precipitação em uma Região do Nordeste Brasileiro
por meio de técnicas geoestatística. Revista Ibero Americana de
Ciências
Ambientais,
v.12,
n.5,
p.761-769,
2021.
DOI:
http://doi.org/10.6008/CBPC2179-6858.2021.005.0059
COSTA, Julio César Calixto; LIRA, Rubiana do Nascimento; SANTOS, Cícero
Gomes dos; SANTOS, Márcio Aurélio Lins dos; SILVA, Thaís Rayane
Gomes da. Estimativa da erosividade das chuvas na bacia hidrográfica do
Rio Coruripe em Alagoas. Revista Brasileira de Climatologia, v. 37, n. 21,
p. 1-20, 2025. DOI: https://doi.org/10.55761/abclima.v37i21.18961.
COSTA, M. D. S., OLIVEIRA-JÚNIOR, J. F. D., SANTOS, P. J. D., CORREIA
FILHO, W. L. F., GOIS, G. D., BLANCO, C. J. C., ... & JARDIM, A. M. D. R.
F. (2021). Rainfall extremes and drought in Northeast Brazil and its
relationship with El Niño–Southern Oscillation. International Journal of
Climatology, 41, E2111-E2135.
COUTINHO, P. E., & CATALDI, M. (2021). Assessment of water availability in
the period of 100 years at the head of the São Francisco River basin, based
on climate change scenarios. Revista Engenharia Na AgriculturaREVENG, 29(Contínua),
107–121.
https://doi.org/10.13083/reveng.v29i1.11641
CUARTAS, L. A., FUJITA, T., CAMPOS, J. A., UVO, C. B., NIKRAVESH, G.,
OLSSON, J., & PEIXOTO, J. (2024). Hydrometeorological drought analysis
through Two-variate Standardized Index for the Paraná River Basin,
Brazil. Journal of Hydrology: Regional Studies, 54, 101886.
CUNHA, A. P. M. A. et al. O monitoramento da seca meteorológica no Brasil:
evolução e desafios. Revista Brasileira de Climatologia, v. 27, n. 14, p.
210-228, 2020.
CUNHA, A. P. M. A. et al. Secas no Brasil: impactos, monitoramento e
perspectivas futuras. Parcerias Estratégicas, v. 26, n. 53, p. 203-228,
2021.
94
CUNHA, A. P. M. A., ZERI, M., DEUSDARÁ LEAL, K., COSTA, L., CUARTAS,
L. A., MARENGO, J. A., RIBEIRO-NETO, G. (2019). Extreme Drought
Events
over
Brazil
from
2011
to
2019.
Atmosphere,
10(11),
642. doi:10.3390/atmos10110642
DA SILVA, D. F., SOUSA, F. D. A. S. D., & KAYANO, M. T. (2010). Escalas
temporais da variabilidade pluviométrica na bacia hidrográfica do rio
Mundaú. Revista Brasileira de Meteorologia, 25, 324-332.
DA SILVA, D. F.; KAYANO, M. T.; SOUSA, F. DE A. S. DE. Uso De Ferramentas
Estatísticas Para Acompanhamento Climático E Prevenção De Riscos Na
Bacia Hidrográfica Do Rio Mundaú (Brasil). Revista Territorium (Portugal),
v. 17, p. 17-26, 2010b.
DA SILVA, D. F.; SOUSA, F. DE A. S. DE; KAYANO, M. T. Uso De Iac E
Ondeletas Para Análise Da Influência Das Multiescalas Temporais Na
Precipitação Da Bacia Do Rio Mundaú. Engenharia Ambiental (Online), v.
6, p. 180-195, 2010a.
DA SILVA, D.F., LIMA, M.J.S, SOUZA NETO, P.F, GOMES, H.B, SILVA, F.D.S,
ALMEIDA, H.R.R.C, PEREIRA, M.P.S, COSTA, R.L., 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,
449-464.
https://doi.org/10.26848/rbgf.v13.2.p449-464
DANTAS, L. G., DOS SANTOS, C. A., SANTOS, C. A., MARTINS, E. S., &
ALVES, L. M. (2022). Future changes in temperature and precipitation over
northeastern
Brazil
by
CMIP6
model.
Water,
14(24),
4118.
https://doi.org/10.3390/w14244118
EL-SHEIMY, N.; VALEO, C.; HABIB, A. Digital Terrain Modeling: Acquisition,
Manipulation, and Applications. Boston/ EUA. Artech House, p 270,
2005.
ESTER, M.; KRIEGEL, H.-P.; SANDER, J.; XU, X. A density-based algorithm for
discovering clusters in large spatial databases with noise. In: Proceedings
95
of the 2nd International Conference on Knowledge Discovery and Data
Mining (KDD-96), Portland, OR: AAAI Press, 1996. p. 226–231.
EVARISTO, J., JAMEEL, Y., TORTAJADA, C., WANG, R. Y., HORNE, J.,
NEUKRUG, H. M., DAVID, C. C., FASNACHT, A. M., ZIEGLER, A. D., &
BISWAS, A. K. Water woes: the Institutional Challenges in Achieving SDG
6. Sustainable Earth Reviews, 6(1). https://doi.org/10.1186/s42055-02300067-2. (2023)
EVERITT, Brian S.; LANDAU, Sabine; LEESE, Morven; STAHL, Daniel. Cluster
analysis. 5. ed. Chichester: John Wiley & Sons, 2011. 346 p.
FERNANDES, D. S. HEINEMANN, A. B. PAZ, R. L. da AMORIM, A. de O.
CARDOSO, A. S. Índices para a quantificação da seca. Santo Antônio de
Goiás: Embrapa Arroz e Feijão, 2009.
FIRMINO, M. V. DA S. L., RODRIGUES, D. T. & CABRAL JÚNIOR, J. B. (2024).
Climatologia Dos Eventos Extremos De Precipitação Em Maceió, Alagoas.
Revista
Contexto
Geográfico,
9(22),
96–106.
https://doi.org/10.28998/contegeo.9i.22.16974
FIRMINO, M. V. S. L.; RODRIGUES, D. T.; CABRAL JÚNIOR, J. B. Climatologia
dos eventos extremos de precipitação em Maceió, Alagoas. Revista
Contexto Geográfico, v. 9, n. 22, p. 96–106, 2024.
FREIRE, N. C. F., & NATENZON, C. E. (2019). Analyzing social vulnerability to
natural disasters in Northeast Brazil: catastrophic flooding cycles at Alagoas
Littoral zone. In Social-ecological Systems of Latin America: Complexities
and Challenges (pp. 213-227). Cham: Springer International Publishing.
GEBRECHORKOS, S. H., PENG, J., DYER, E., MIRALLES, D. G., VICENTESERRANO, S. M., FUNK, C., BECK, H. E., ASFAW, D. T., SINGER, M. B.,
AND DADSON, S. J.: Global high-resolution drought indices for 1981–2022,
Earth Syst. Sci. Data, 15, 5449–5466, https://doi.org/10.5194/essd-155449-2023, 2023.
96
GOLDEN GATE WEATHER SERVICES. El Niño and La Niña Years and
Intensities. 2022. Disponível em <https://ggweather.com/enso/oni.htm>.
GOMES, H. B., AMBRIZZI, T., PONTES DA SILVA, B. F., HODGES, K., SILVA
DIAS, P. L., HERDIES, D. L., ... & GOMES, H. B. (2019). Climatology of
easterly wave disturbances over the tropical South Atlantic. Climate
Dynamics, 53(3), 1393-1411.
GOMES,
R.
C.;
BIANCHI,
C.;
OLIVEIRA,
V.
P.
V;
Análise
da
multidimensionalidade dos conceitos de bacia hidrográfica. GEOgraphia,
vol. 23, n. 51, 2021. DOI: 10.22409/GEOgraphia2021.v23i51.a27667
GOMES, R., & Lima, K. C. (2021). Influence of the modes of climate variability in
the Tropical Pacific and Atlantic on accumulated rainfall and reservoir water
volumes in the Northeast Brazil. International Journal of Climatology,
41(11), 5331–5349. doi:10.1002/joc.7132
GONÇALVES, S. T. N., VASCONCELOS, F. D. C., SAKAMOTO, M. S.,
SILVEIRA, C. D. S., & MARTINS, E. S. P. R. (2021). Índices e metodologias
de monitoramento de secas: uma revisão. Revista Brasileira de
Meteorologia, 36(3 suppl), 495-511.
GRIMM, A. M.; ALMEIDA, A. S.; BENETI, C. A. A.; LEITE, E. A. The combined
effect of climate oscillations in producing extremes: the 2020 drought in
southern Brazil. Brazilian Journal of Water Resources. Versão On-line.
ISSN 2318-0331. RBRH, Porto Alegre, v. 25, e48, 2020
GRIMM, A. M.; TEDESCHI, R. G. ENSO and extreme rainfall events in South
America. Journal of Climate, Boston, v. 22, n. 7, p. 1589–1609, 2009. DOI:
10.1175/2008JCLI2429.1.
GUAN, B.; WANG, Q.; ZHAO, Y.; LI, Haihong; CHANG, Huanyu; YANG, Wenjing
[inserir demais coautores se necessário]. Analysis of the meteorological
factors and atmospheric circulation factors over SPEI drought index in
Haihe River Basin, China. Atmospheric Research, v. 325, e108182, 2025.
DOI: https://doi.org/10.1016/j.atmosres.2025.108182.
97
GUIMARÃES, D. F. S.; VASCONCELOS, M. A. de; VIDAL, T. do C. S.;
PEREIRA, H. dos S. The relation between extreme climate events and river
environmental
disasters
in
Amazonas.
Research,
Society
and
Development, [S. l.], v. 10, n. 9, p. e25510917882, 2021. DOI:
10.33448/rsd-v10i9.17882.
HASTENRATH, S.; HELLER, L. Dynamics of climatic hazards in Northeast Brazil.
Quarterly Journal of the Royal Meteorological Society, v. 103, n. 435, p. 77–
92, 1977. DOI: 10.1002/qj.49710343505
HAYES, M. J. et al. The Lincoln Declaration on Drought Indices: Universal
Meteorological Drought Index Recommended. Bulletin of the American
Meteorological
Society,
v.
92,
n.
4,
p.
485–488,
2011.
DOI:
https://doi.org/10.1175/2010BAMS3103.1.
HEIM JUNIOR, R. R. A Review of Twentieth-Century Drought Indices Used in the
United States. Bulletin of the American Meteorological Society, v. 83, n. 8,
p. 1149-1166, 2002. DOI: https://doi.org/10.1175/1520-0477-83.8.1149.
HORTON, R. E. (1945) Erosional development of streams and their drainage
basins: a hydrophysical approach to quantitative morphology. Geol Soe.
Am. Bull., v.56, n.3, p. 275-370.
IPCC – INTERGOVERNMENTAL PANEL ON CLIMATE CHANGE. Climate
Change 2022: Impacts, Adaptation and Vulnerability. Cambridge:
Cambridge University Press, 2022.
IPCC, 2021: Climate Change 2021: The Physical Science Basis.
Contribution of Working Group I to the Sixth Assessment Report of
the Intergovernmental Panel on Climate Change[Masson-Delmotte, V.,
P. Zhai, A. Pirani, S.L. Connors, C. Péan, S. Berger, N. Caud, Y. Chen, L.
Goldfarb, M.I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J.B.R. Matthews,
T.K. Maycock, T. Waterfield, O. Yelekçi, R. Yu, and B. Zhou (eds.)].
Cambridge University Press, Cambridge, United Kingdom and New York,
NY, USA, In press, doi:10.1017/9781009157896.
98
IPCC, 2023: Summary for Policymakers. In: Climate Change 2023: Synthesis
Report. Contribution of Working Groups I, II and III to the Sixth
Assessment Report of the Intergovernmental Panel on Climate
Change [Core Writing Team, H. Lee and J. Romero (eds.)]. IPCC, Geneva,
Switzerland, pp. 1-34, doi: 10.59327/IPCC/AR6-9789291691647.001
JOLLIFFE, I. T.; CADIMA, J. Principal component analysis: a review and recent
developments. Philosophical Transactions of the Royal Society A:
Mathematical, Physical and Engineering Sciences, v. 374, p. 20150202,
2016. DOI: 10.1098/rsta.2015.0202
JONG, P., BARRETO, T. B., TANAJURA, C. A. S., OLIVEIRA-ESQUERRE, K.
P., KIPERSTOK, A., & ANDRADE TORRES, E. (2021). The Impact of
Regional Climate Change on Hydroelectric Resources in South America.
Renewable Energy, 173, 76–91. doi:10.1016/j.renene.2021.03.077
KAUFMAN, L.; ROUSSEEUW, P. J. FINDING GROUPS in Data: An Introduction
to Cluster Analysis. New York: Wiley, 1990.
KAYANO, M. T.; ANDREOLI, R. V. Clima da região Nordeste do Brasil. In:
CAVALCANTI, I. F. A. et al. (org.). Tempo e clima no Brasil. São Paulo:
Oficina de Textos, 2009. p. 213–233.
KILIÇ, Z. Water on People and Women Life. World Journal of Advanced
Research and Reviews, v. 26, n. 1, p. 2922-2930, 2025. DOI:
https://doi.org/10.30574/wjarr.2025.26.1.1388.
KOUSKY, V. E.; GAN, M. A. Upper tropospheric cyclonic vortices in the tropical
South Atlantic. Tellus, v. 33, n. 6, p. 538–551, 1981.
LAVELL, A.; OPPENHEIMER, M.; DIOP, C.; HESS, J.; LEMPERT, R.; LI, J.;
MUIR-WOOD, R.; MYEONG, S. Climate change: new dimensions in
disaster risk, exposure, vulnerability, and resilience. In: Managing the Risks
of Extreme Events and Disasters to Advance Climate Change Adaptation
[Field, C.B., V. Barros, T.F. Stocker, D. Qin, D.J. Dokken, K.L. Ebi, M.D.
Mastrandrea, K.J. Mach, G.-K. Plattner, S.K. Allen, M. Tignor, and P.M.
Midgley (eds.)]. A Special Report of Working Groups I and II of the
99
Intergovernmental Panel on Climate Change (IPCC). Cambridge
University Press, Cambridge, UK, and New York, NY, USA, p. 25-64,
2012.
LI, M. H.; VU, T. M.; CHEN, P. Y. Multiple drought indices and their
teleconnections with ENSO in various spatiotemporal scales over the
Mekong River Basin. Science of the Total Environment, v. 854, art.
158589, 2023.
LIMA, A. O., LYRA, G. B., ABREU, M. C., OLIVEIRA-JÚNIOR, J. F., ZERI, M., &
CUNHA-ZERI, G. (2020). Extreme rainfall events over Rio de Janeiro State,
Brazil: Characterization using probability distribution functions and
clustering
analysis.
Atmospheric
Research,
105221.
doi:10.1016/j.atmosres.2020.105221
LIMA, M. C. G., DE SOUZA, W. M., & DE QUEIROGA MIRANDA, R. (2021).
Efeitos da variabilidade climática e cenários futuros na bacia hidrográfica
do
Rio
Mundaú-Pernambuco/Alagoas. Revista
Brasileira
de
Climatologia, 28, 743-765.
LIU, Z.; ZHOU, W. Glo3DHydroClimEventSet(v1.0): A global-scale event set of
hydroclimatic extremes detected with the 3D DBSCAN-based workflow
(1951–2022). International Journal of Climatology, v. 43, p. 7722–7744,
2023. DOI: 10.1002/joc.8289
LOPES, J. L. DE S.; DOMINGOS, L. L. População em perigo: rios urbanos e
áreas vulneráveis a inundações – o caso do município de União dos
Palmares, Alagoas, Brasil . PerCursos, Florianópolis, v. 21, n. 46, p. 113–
135,
2020.
DOI:
10.5965/1984724621462020113.
Disponível
em:
https://periodicos.udesc.br/index.php/percursos/article/view/17409
LUCENA, R. L. Semiaridity and Rainfall Variability in Northeastern Brazil.
International Journal of Semi-Arid, v. 6, n. 6, p. 87-97, 2023. DOI:
https://doi.org/10.56346/ijsa.v6i6.164.
LYRA, G. B.; OLIVEIRA-JÚNIOR, J. F.; Zeri, M. Cluster analysis applied to the
spatial and temporal variability of monthly rainfall in Alagoas state,
100
Northeast of Brazil. International Journal of Climatology, v. 34, p. 35463558, 2014.
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, 157-171.
https://doi.org/10.1007/s00703-016-0461-1
LYRA, M. J. A. et al. Extreme precipitation events over the east coast of northeast
Brazil: Synoptic study and MPAS simulation. Weather and Climate
Extremes,
[S.
l.],
v.
45,
e100688,
2024.
DOI:
https://doi.org/10.1016/j.wace.2024.100688.
LYRA, M. J. A.; GOMES, H.B.; HERDIES, D. L.; RAMIREZ, E.; CAVALCANTE,
L. C. V.; DE FREITAS, I. G. F.; ARAVÉQUIA, J. A.; FIGUEROA, S. N.; DA
SILVA, M. C. L.; DOS SANTOS SILVA, F. D.; GOMES, H. B.;
VENDRASCO, E. P.; CALVETTI, L.; MANTOVANI, J. A.; PENDHARKAR,
J.; COELHO, W. DE QUADRO, M. F. L.; ROBERTI, D. R.; BENETI, C. A.
A. Extreme precipitation events over the east coast of northeast Brazil:
Synoptic study and MPAS simulation, Weather and Climate Extremes,
Volume
45,
2024,
100711,
ISSN
2212-0947,
https://doi.org/10.1016/j.wace.2024.100711.
MACHADO, C. J. S. (2003). Recursos hídricos e cidadania no Brasil: limites,
alternativas e desafios. Ambiente & Sociedade, 6, 121-136.
MARENGO, J. A. et al. Climate change and drought in Northeast Brazil: current
trends and future projections. Climate Research, v. 89, p. 1-18, 2022.
MARENGO, J. A. et al. Vulnerabilidade socioambiental a eventos extremos de
precipitação e inundações no Nordeste do Brasil. Revista de Gestão de
Água
da
América
Latina
(REGA),
v.
20,
e12,
2023.
DOI:
https://doi.org/10.21168/rega.v20e12.
MARENGO, J. A.; TORRES, R. R.; ALVES, L. M. Drought in Northeast Brazil —
past, present, and future. Theoretical and Applied Climatology, v. 129, n. 3–
4, p. 1189–1200, 2017. DOI: 10.1007/s00704-016-1840-8
101
MARENGO, J.A. and Espinoza, J.C. (2016) Extreme seasonal droughts and
floods in Amazonia: causes, trends and impacts. International Journal of
Climatology, 36(3), 1033– 1050. https://doi.org/10.1002/joc.4420.
MATTA, Gagan; PANT, Gaurav; KUMAR, Pawan; PAL, Rama. Navigating Water
Scarcity for Global Climate Change and Ramifications. World Water Policy,
v. 11, e70055, 2025. DOI: https://doi.org/10.1002/wwp2.70055.
McKEE, T. B.; DOESKEN, N. J.; KLEIST, J. 1993. The relationship of drought
frequency and duration of time scales. In: CONFERENCE ON APPLIED
CLIMATOLOGY. 1993, Anais. Anaheim: American Meteorological
Society, p.179-186.
MEDEIROS, Yasmin da Silva et al. Desafios da gestão integrada de recursos
hídricos no Brasil: uma análise das disparidades socioeconômicas entre as
regiões hidrográficas. Revista de Gestão Ambiental e Sustentabilidade,
v. 11, n. 1, e21456, 2022.
MELO, Mário L. Os Agrestes: estudos dos espaços nordestinos do sistema
gadopoliculura de uso dos recursos. Recife: SUDENE, 1980. 554p.
MISHRA, R. K. (2023). Fresh water availability and its global challenge. British
Journal of Multidisciplinary and Advanced Studies, 4(3), 1-78.
MOHAMMED, R., SCHOLZ, M., & ZOUNEMAT-KERMANI, M. (2017). Temporal
hydrologic alterations coupled with climate variability and drought for
transboundary river basins. Water Resources Management, 31(5), 14891502.
MOLION, L. C. B.; BERNARDO, S. O. Uma revisão da dinâmica das chuvas no
Nordeste Brasileiro. Revista Brasileira de Meteorologia, v. 17, n. 1, p. 1–10,
2002.
MOURA, A. D.; SHUKLA, J. On the dynamics of droughts in northeast Brazil:
observations, theory and numerical experiments with a general circulation
model. Journal of the Atmospheric Sciences, v. 38, n. 12, p. 2653–2675,
1981. DOI: 10.1175/1520-0469(1981)038<2653:OTDODI>2.0.CO;2
102
MULLAPUDI, A., VIBHUTE, A. D., MALI, S., & PATIL, C. H. (2023). A review of
agricultural drought assessment with remote sensing data: Methods,
issues, challenges and opportunities. Applied Geomatics, 15(1), 1-13.
NETO, R. M. B., DO AMARAL CUNHA, A. P. M., DA SILVA, R. M., DE OLIVEIRA,
G., & SANTOS, C. A. G. (2026). How does the reference period influence
meteorological drought analysis and monitoring? A case study in Northeast
Brazil using a century of data. Science of The Total Environment, 1010,
181124.
NOAA. Climate Variability: Oceanic Niño Index. Online. 2009. Disponível na
Internet:https://www.climate.gov/news-features/understandingclimate/climate-variability-oceanic-ni%C3%B1oindex#:~:text=The%20Oceanic%20Ni%C3%B1
o%20Index%20(ONI,Pacific%2C%20near%20the%20International%20Dat
eline.
OLIVEIRA-JÚNIOR, J. F. ; GOIS, G.; SILVA, I. J. L.; JARDIM, A. M. R. F.; SILVA,
M. V.; SHAH, M.; JAMJAREEGULGARN, P. Wet and dry periods in the
state of Alagoas (Northeast Brazil) via Standardized Precipitation Index.
Journal of Atmospheric And Solar-Terrestrial Physics, v. 224, p.
105746, 2021.
OLIVEIRA-JÚNIOR, J. F., SILVA JUNIOR, C. A., TEODORO, P. E., ROSSI, F.
S., BLANCO, C. J. C., LIMA, M., GOIS, G., CORREIA FILHO, W. L. F.,
BARROS SANTIAGO, D., & SANTOS VANDERLEY, M. H. G. (2021b).
Confronting CHIRPS dataset and in situ stations in the detection of wet and
drought conditions in the Brazilian Midwest. International Journal of
Climatology, 41, 4478–4493. https://doi.org/10.1002/joc.7080
OLIVEIRA, Danilo Henrique Morais Castro. Extremos de precipitação e vazão
associados às características naturais e antrópicas das regiões
hidrográficas do São Francisco e do Paraná. 2018. 102f. Dissertação
(Mestrado em Ciências Climáticas) - Centro de Ciências Exatas e da Terra,
Universidade Federal do Rio Grande do Norte, Natal, 2018.
103
PALMER, W. C. Meteorological drought. Washington: U. S. Department of
Commerce, 1965. 65 p. (Research paper, 45).
PAULA, G. M. O fenômeno El Niño Oscilação Sul e a Erosividade das chuvas
em Santa Maria – RS. Dissertação (Mestrado em Engenharia Agrícola) –
Engenharia Agrícola, Área de concentração Engenharia de Água e Solo,
da Universidade Federal de Santa Maria. 2009.
PEREIRA, Emerson R. R.; DE FREITAS, Joherlan C.; DE ANDRADE, Antonio
R. S.; DE MACEDO, Monica L. A.; NETO, Manoel F. S. Variabilidade do
número de dias de chuva no estado de Alagoas. Revista Brasileira de
Tecnologia Aplicada nas Ciências Agrárias. Guarapuava-PR, v. 5, n. 1,
p. 7-26, 2012. DOI: https://doi.org/10.5777/paet.v5i1.1696
PERERA, A. T. D., Nik, V. M., Chen, D., Scartezzini, J.-L., & Hong, T.
(2020). Quantifying the impacts of climate change and extreme climate
events
on
energy
systems.
Nature
Energy,
5(2),
150–
159. doi:10.1038/s41560-020-0558-0
PIROLI, E. L. (2022). Água e bacias hidrográficas: planejamento, gestão e
manejo
para
enfrentamento
das
crises
hídricas.
https://doi.org/10.7476/9786557142981
PORTO, M. F., & PORTO, R. L. L. (2008). Gestão de bacias hidrográficas
Estudos Avançados, 22, 43-60.
RAO, V.B.; LIMA, M. C.; FRANCHITO, S.H. Seasonal and Interanual Variations
of Rainfall over Eastern Northeast Brazil. Journal of Climate, v. 6, n. 9, p.
1754-1763, 1993.
RAZIEI, T. Revisiting the Rainfall Anomaly Index to serve as a Simplified
Standardized Precipitation Index. Journal of Hydrology, v. 602, e126761,
2021. DOI: https://doi.org/10.1016/j.jhydrol.2021.126761.
REBOITA, M. S. et al. Climate aspects of Brazil: present climate and future
projections. Revista Brasileira de Climatologia, v. 28, p. 1-28, 2021.
104
REBOITA, M. S., OLIVEIRA, KELVEM R.; CORRÊA, Pedro Y. C.; RODRIGUES,
R. Influência dos diferentes tipos do fenômeno El Niño na precipitação da
América do Sul. Revista Brasileira de Geografia Física, v.14, n.02, p.
729-742, 2021.
REBOITA, M. S.; PAMPUCH, Luana Albertani; DRUMOND, Anita; ROCHA,
Rosmeri Porfírio da. Impacts of teleconnection patterns on South America
climate.
Atmosphere,
v.
12,
n.
6,
e680,
2021.
DOI:
https://doi.org/10.3390/atmos12060680.
REIS, F. A. S.; PEREIRA, Liri L.; AMADO, Franco D. R.; STRACTERI, Juliana;
LISBOA, Gerson S. Aplicação da estatística descritiva: análise da
precipitação pluviométrica no município de Canavieiras, BA. Gaia Scientia,
v. 14, n. 3, p. 128-138, 2020.
RIBEIRO, R. Z., & TEIXEIRA, D. (2022). Desafios no Processo de Obtenção da
Segurança Hídrica Frente a Aplicação dos Instrumentos de Gestão da
Água. Revista Brasileira de Geografia Física, 15(5), 2371–2397.
https://doi.org/10.26848/rbgf.v15.5.p2371-2397
ROCHA, L. H. S.; SILVA, D. F.; SOUZA NETO, P. F. Variabilidade pluviométrica
em Alagoas e sua coerência com a variabilidade climática dos
oceanos. Revista Brasileira de Climatologia, v. 36, n. 21, p. 145-165,
2025.
RODRIGUES, D. T., Gonçalves, W. A., Spyrides, M. H. C., Andrade, L. de M. B.,
de Souza, D. O., de Araujo, P. A. A., Silva, C. M. S. e. (2021). Probability of
occurrence of extreme precipitation events and natural disasters in the city
of
Natal,
Brazil.
Urban
Climate,
35,
100753.
doi:10.1016/j.uclim.2020.100753
RODRIGUES, D. T., Gonçalves, W. A., Spyrides, M. H. C., Santos e Silva, C. M.,
& Souza, D. O. (2020). Spatial distribution of the level of return of extreme
precipitation events in Northeast Brazil. International Journal of
Climatology. doi:10.1002/joc.6507
105
ROOY, M. P. van. A rainy anomaly index independent of time and space. Notos,
Pretoria, v. 14, n. 1, p. 43-48, 1965.
ROSA, A. M. R., & DE MIRANDA GUARDA, V. L. (2019). Gestão de recursos
hídricos
no
Brasil:
um
histórico. Revista
Direito
Ambiental
e
sociedade, 9(2).
ROUSSEEUW, Peter J. Silhouettes: A graphical aid to the interpretation and
validation of cluster analysis. Journal of Computational and Applied
Mathematics, v. 20, p. 53-65, 1987.
SANTOS, F. S.; GOMES, H. B.; BARROS, G. V. P.; ALVES, L. E. R.; DA SILVA,
D. F.; COSTA, R. L.; SILVA, F. D. S.; OLIVERIA-JÚNIOR, J.F. Análise
Sazonal dos Parâmetros Biofísicos Utilizando o Sensor MODIS para o
Estado de Alagoas. Revista Brasileira de Meteorologia, v. 35, n. Especial,
955 968, 2020. doi: http://dx.doi.org/10.1590/0102-77863550093
SANTOS, J. S., DE OLIVEIRA-JÚNIOR, J. F., DA SILVA COSTA, M.,
CARDOSO, K. R. A., SHAH, M., SHAHZAD, R., ... & DA SILVA JÚNIOR,
R. S. (2023). Effects of extreme phases of El Niño–Southern Oscillation on
rainfall
extremes
in
Alagoas,
Brazil.
International
Journal
of
Climatology, 43(16), 7700-7721.
SCHEIBEL, C. H., BATISTA, A., GEORGE, CLAUDIO, FREIRE, G., PEREIRA,
L., BENTO, F., DE, A., ALVES, P., FRANCISCO, SILVA, JOÃO, F. M.,
SANTOS,
A.,
TEODORO,
I.,
ELIAS,
&
VINÍCIUS,
M.
(2024).
Characterization of Water Bodies through Hydro-Physical Indices and
Anthropogenic Effects in the Eastern Northeast of Brazil. Climate, 12(9),
150–150. https://doi.org/10.3390/cli12090150
SCHROERING, Caitlin Hays. Water grabbing, privatization, and resistance
against commodification. In: SCHROERING, Caitlin Hays. Global
solidarities against water grabbing: Without water, we have nothing.
Manchester: Manchester University Press, 2024. p. 29-53.
SENEVIRATNE, S. I. et al. Weather and Climate Extreme Events in a Changing
Climate. In: MASSON-DELMOTTE, V. et al. (Ed.). Climate Change 2021:
106
The Physical Science Basis. Contribution of Working Group I to the Sixth
Assessment Report of the Intergovernmental Panel on Climate
Change. Cambridge: Cambridge University Press, 2021. cap. 11, p. 1513–
1766. Disponível em: https://www.ipcc.ch/report/ar6/wg1/chapter/chapter11/.
SEPLANDE - Secretaria de Estado do Planejamento e do Desenvolvimento
Econômico de Alagoas. 2014. Alagoas em Mapas. Mesorregiões
(2ºEdição).
Disponível
em:
https://dados.al.gov.br/catalogo/ne/dataset/mapas-de-caracterizacaoterritorial/resource/26b85113-5fe3-42ca-b144ec03986de62f?inner_span=True.
SGB/CPRM – Serviço Geológico do Brasil. Relatório técnico: enchentes em
Alagoas e Pernambuco (maio–junho de 2022). Recife: SGB/CPRM,
2022.
SILVA ALEXANDRE, F., DE SOUZA COSTA, S. O., DE OLIVEIRA, G. F.,
SOUZA, L. R., NETO, J. D. B. S., & GOMES, D. D. M. (2019). Mapeamento
da cobertura e uso da terra da bacia hidrográfica do alto curso do rio
Mundaú–Pernambuco/Alagoas. Revista GeoUECE, 8(14), 190-200.
SILVA COSTA, M., DE OLIVEIRA JUNIOR, J. F., DE BARROS, B. G., DA SILVA,
L. F. F. F., CARDOSO, K. R. A., DOS SANTOS SILVA, A. H., ... & SHAH,
M. (2025). Rainfall variability, land use and land cover dynamics, and
implications for climate risk through a theoretical-conceptual model for the
Eastern Northeast of Brazil. Journal of South American Earth
Sciences, 158, 105470.
SILVA DIAS, Maria Assunção Faus da. Eventos climáticos extremos. Revista
USP, v. 103, p. 33-40, 2014.
SILVA JUNIOR, R. S.; GAMA, M. C. C.; MARIANO, G. L.; OLIVEIRA JÚNIOR,
J.F.; SILVA, E. H. L.; SILVA, L. S. O.; CARDOSO, KELVY ROSALVO
ALENCAR. Avaliação De Eventos Extremos De Precipitação, Associados
107
A Desastres Naturais. Revista Brasileira De Geografia Física, v. 15, p.
2755-2767, 2022.
SILVA LIMA, M. J. DA, CAVALCANTE, I. B. DA S., MENDONÇA, H. D. S., DE
SOUZA NETO, P. F., DA SILVA, S. D., AMORIM, D. D. O. C., & Da Silva,
D. F. (2019). Classificação, quantificação e ocorrência de eventos
climáticos extremos nas três mesorregiões do estado de Alagoas (BR).
Ciência e Sustentabilidade, 4(2), 151. https://doi.org/10.33809/24474606.422018151-172
SILVA, A. S. et al. Distúrbios Ondulatórios de Leste no Nordeste Brasileiro: Um
Estudo de Caso Utilizando Modelagem Numérica de Mesoescala. Revista
Brasileira de Meteorologia, v. 36, n. 4, p. 637–649, 2021.
SILVA, B. F. P.; FEDOROVA, N. “Distúrbios Ondulatórios de Leste” Sobre o
Atlântico Tropical Sul: Revisão e Discussão Sobre Terminologia. Revista
Brasileira de Meteorologia, v. 38, n. 2, 2023.
SILVA, Bruce Francisco Pontes da. Contribuição dos Distúrbios Ondulatórios
de Leste para a chuva no Leste do Nordeste do Brasil: evolução
sinótica média e simulações numéricas. 2011. Dissertação (Mestrado
em Meteorologia) - Instituto de Astronomia, Geofísica e Ciências
Atmosféricas,
Universidade
de
São
Paulo,
São
Paulo,
2011.
doi:10.11606/D.14.2011.tde-04102011-221401.
SILVA, D. F. et al. Caracterização de eventos extremos e de suas causas
climáticas com base no Índice Padronizado de Precipitação para o Leste
do Nordeste. Revista Brasileira de Geografia Física, v. 13, n. 2, p. 449–
464, 2020.
SILVA, Djane Fonseca da; SOUSA, Francisco de Assis Salviano de; KAYANO,
Mary Toshie. Escalas temporais da variabilidade pluviométrica na bacia
hidrográfica do Rio Mundaú. Revista Brasileira de Meteorologia, v. 25, n. 3,
p.
324-332,
2010.
DOI:
https://doi.org/10.1590/s0102-
77862010000300004.
108
SILVA, F. L., FUSHITA, Â. T., DA CUNHA-SANTINO, M. B., JÚNIOR, I. B., &
JÚNIOR, J. C. T. V. (2021). Gestão de recursos hídricos e manejo de bacias
hidrográficas no Brasil: elementos básicos, histórico e estratégias. Revista
Brasileira de Geografia Física, 14(3), 1626-1653.
SILVA, M. R.; MOURA, Felipe P.; JARDIM, Carlos H. O diagrama de caixa
(Boxplot) aplicado à análise da distribuição temporal das chuvas em
Januária, Belo Horizonte e Sete Lagoas, Minas Gerais-Brasil. Revista
Brasileira de Geografia Física, v. 10, n. 1, p. 023-040, 2017.
SILVA, T. S. S., DE BRITO, P. L. C., DOS SANTOS, C. G., MAGALHÃES, I. D.,
DE SOUZA, R. B., & DE ALMEIDA, C. A. C. (2018). Diagnóstico ambiental
de nascentes na bacia hidrográfica do Rio Piauí, Alagoas. Revista Verde
de Agroecologia e Desenvolvimento Sustentável, 13(3), 399-403.
SILVA, V. P. R; PEREIRA, E. R. R; AZEVEDO, P. V; SOUSA, F. A. S; SOUSA,
I. F. Análise da pluviometria e dias chuvosos na região Nordeste do Brasil.
Revista Brasileira de Engenharia Agrícola e Ambiental. v.15, n.2,
p.131–\ 138, Campina Grande, PB, 2011.
SILVA., D., F., NETO., P., F., S., SILVA., S., D., LIMA., M., J., S., CAVALCANTE.,
I., B., S OLIVEIRA., S., T., MENDONÇA., H., S., BATISTA., B., A., ROCHA.,
L., H., S ALMEIDA., H., R., R., C., PEREIRA., M., P., S., ARAÚJO., L., E.
(2021). Identificação das causas climáticas dos eventos extremos e dos
impactos dos ENOS Canônico e Modoki nas macrorregiões de Alagoas.
Revista Brasileira de Geografia Física [online], 14.
SMEJKALOVÁ, V., ŠOMPLÁK, R., ROSECKÝ, M., & ŠRAMKOVÁ, K. (2023).
Machine learning method for changepoint detection in short time series
data. Machine Learning and Knowledge Extraction, 5(4), 1407-1432.
SOUSA JUNIOR, M. F.; ULIANA, E. M.; CARVALHO, M. A. C. C.; MENDES, M.
A. S. A.; LISBOA, L.. Monitoramento de seca meteorológica com dados
TRMM para uma região produtora de grãos do Brasil. Revista Ibero
Americana de Ciências Ambientais, v.12, n.2, p.249-264, 2021. DOI:
http://doi.org/10.6008/CBPC2179-6858.2021.002.0024
109
SOUZA, E. O.; COSTA, M. S.; OLIVEIRA JÚNIOR, J. F.; GOIS, G.; MARIANO,
G. L.; COSTA, C. E. S.; CORREIA FILHO, W. L. F.; SANTIAGO, D. B.
Estimativa e Espacialização da Erosividade em Mesorregiões Climáticas no
Estado de Alagoas. Revista Brasileira de Meteorologia, v. 35, p. 769-783,
2021.
SOUZA, Gabriel da Silva; BACK, Álvaro José; GALATTO, Sérgio Luciano. Índice
de irregularidade temporal das chuvas no território do Brasil. REGA Revista de Gestão de Água da América Latina, v. 21, e4, 2024.
SOUZA, J. C. O. (2011). Análise do Evento Climático Extremo Ocorrido na
Região Leste de Alagoas: Bacias Hidrográficas dos Rios Mundaú e Paraíba
do Meio. Revista Brasileira de Geografia Física, 4(2), 377-395.
SPERA, S. A.; GALFORD, G. L.; COE, M. T.; MACEDO, M. N.; MUSTARD, J. F.
Land-use change affects water recycling in Brazil's agricultural frontier.
Environmental
Research
Letters,
15
(3),
e034024,
2020.
DOI:
https://doi.org/10.1088/1748-9326/ab6375.
STRAHLER, A. N. (1979) Las aguas de escorrentía y de saturación. In:
STRAHLER, A. N. Geografía física. Barcelona: Ediciones Omega S. A.
p.449-475.
TIGKAS, D., Vangelis, H., & Tsakiris, G. (2014). DrinC: a software for drought
analysis based on drought indices. Earth Science Informatics, 8(3), 697–
709. doi:10.1007/s12145-014-0178-y
TIGKAS, D.; VANGELIS, H.; PROUTSOS, N.; TSAKIRIS, G. Incorporating aSPI
and eRDI in Drought Indices Calculator (DrinC) Software for Agricultural
Drought Characterisation and Monitoring. Hydrology. 2022, 9, 100. https://
doi.org/10.3390/hydrology9060100
tNATIONAL OCEANIC AND ATMOSPHERIC ADMINISTRATION (NOAA).
Relative Oceanic Niño Index (RONI): What’s Changing and Why It Matters.
NOAA National Weather Service – Climate Services, 2026. Disponível em:
https://www.cpc.ncep.noaa.gov
110
TUCCI, C. E. M. 1997. Hidrologia: ciência e aplicação 2.ed. Porto Alegre:
ABRH/Editora da UFRGS, 1997. (Col. ABRH de Recursos Hídricos, v.4).
ULLAH, H., NIAZ, R., HUSSAIN, I., ALSHANBARI, H. M., ALMAZAH, M., &
CHENG, H. (2026). Assessment of Climatological Trends, Spatial
Distribution and Driving Forces of Extreme Daily Precipitation Events. Pure
and Applied Geophysics, 1-35.
UNESCO. United Nations World Water Development Report 2024: Water for
Prosperity and Peace. Paris: UNESCO, 2024.
UNGA. Report of the open-ended intergovernmental expert working group on
indicators and terminology relating to disaster risk reduction. A/71/644.
Proceedings of the Seventy-First Session. Agenda Item 19c, p. 41, 2016.
UVO, C. B.; REPELLI, C. A.; ZEBIAK, S. E.; KUSHNIR, Y. The relationships
between tropical Pacific and Atlantic SST and Northeast Brazil monthly
precipitation. Journal of Climate, v. 11, n. 4, p. 551–562, 1998. DOI:
10.1175/1520-0442(1998)011<0551:TRBTPA>2.0.CO;2
VIEIRA, R. M. S. P.; TOMASELLA, J.; CUNHA, A. P. M. A.; BARBOSA, A. A.;
POMPEU, J.; FERREIRA, Y.; SANTOS, F. C.; ALVES, L. M.; OMETTO, J.
Global Assessment of Environmental and Socioeconomic Vulnerability to
Continuous Drought in Brazil. Sustainability, v. 15, n. 10, e8029, 2023.
https://doi.org/10.3390/su15108029.
VITORIO, E. L., SILVA, T., VILELA, I., SANTOS, E., & VELEDA, D. (2025).
Interannual rainfall variability in Northeast Brazil influenced by Pacific and
Atlantic climate modes. Dynamics of Atmospheres and Oceans, 101596.
WANDERLEY, H. S.; AMORIM, R. F. C.; CARVALHO, F. O. Variabilidade
espacial e preenchimento de falhas de dados pluviométricos para o estado
de Alagoas. Revista Brasileira de Meteorologia, v. 27, n. 3, p. 347–354,
2012. DOI: 10.1590/s0102-77862012000300009
111
WARD, J. H. Hierarchical grouping to optimize an objective function. Journal of
the American Statistical Association, v. 58, n. 301, p. 236–244, 1963. DOI:
10.1080/01621459.1963.10500845
WEI, T. et al. Pacific Decadal Oscillation and hydroclimate variability over tropical
South America. International Journal of Climatology, v. 41, n. 13, p.
6028-6045, 2021.
WILHITE, D. A.; GLANTZ, M. H. (1985) Understanding: the Drought
Phenomenon: The Role of Definitions, Water International, 10:3, 111-120.
http://dx.doi.org/10.1080/02508068508686328
WILKS, D. S. Statistical Methods in the Atmospheric Sciences. 4. ed. Amsterdam:
Elsevier, 2019.
WU, R.; WANG, Z.; CUI, C.; LI, Y.; TANG, M.; CHU, J.; HUANG, Z. Applicability
analysis of comprehensive drought index based on GRACE data in ten
major river basins in China. Journal of Hydrology, v. 645, 132275, 2024.
https://doi.org/10.1016/j.jhydrol.2024.132275.
YIHDEGO, Y., VAHEDDOOST, B., & AL-WESHAH, R. A. (2019). Drought indices
and indicators revisited. Arabian Journal of Geosciences, 12(3), 69.
ZHANG, Y.; LIU, Y.; CHEN, L.; SUN, J.; SUN, Y.; PENG, C.; WANG, Y.; DU, M.;
WU, Y. Characterizing Drought Patterns and Vegetation Responses in
Northeast China: A Multi-Temporal-Scale Analysis Using the SPI and NDVI.
Sustainability, 2025, 17, 5288. https://doi.org/10.3390/su17125288
112