Variabilidade temporal e espacial na precipitaçÃo da costa leste do nordeste no período 1992-97



Baixar 79.46 Kb.
Encontro20.07.2016
Tamanho79.46 Kb.
VARIABILIDADE TEMPORAL E ESPACIAL NA PRECIPITAÇÃO DA COSTA LESTE DO NORDESTE NO PERÍODO 1992-97

Sergio de Oliveira BERNARDO1, Luiz Carlos Baldicero MOLION2




ABSTRACT


Analysis of principal components (PC) was performed using rainfall data of seven SPV airport gages along the Eastern Coast of Northeastern Brazil (ENE) for the period 1992-97. It was found that the first two PC explained 63% of the variability of the rainfall anomalies. The correlation coefficients (CC) between the first two PC and the tradicional global climate indices were low in magnitude but showed that rainfall is reduced in the northern part of ENE during El Niño events and it is enhanced in the southern part. An interesting result, that deserves more attention, was the correlation between the first PC and QBO that presented the highest CC in this study. In principle, there is no apparent stratospheric mechanism which would linked to the NEB rainfall interannual variability. The results suggested also that the rainfall in the southern part of ENE is produced by large scale dynamic mechanisms which are distinct from the ones of the northern part of ENE.

Key wors: rainfall, variability, principal components analysis, Eastern Coast of Northeastern Brazil


RESUMO


Foi feita uma análise de componentes principais (CP) utilizando dados de precipitação de sete aeroportos ao longo da Costa leste do Nordeste do Brasil (ENE) controlados pelo SPV no período 1992-97. As duas primeiras CP explicaram 63% da variabilidade das anomalias de precipitação. Os coeficientes de correlação (CC) entre as duas primeiras CP e os índices tradicionais de clima global foram baixos, porém sugeriram que a precipitação seja reduzida na parte norte do ENE durante os eventos El Niño e aumentada em sua parte sul. Um resultado surpreendente, e que merece maior atenção, foi o CC entre a primeira CP e a QBO ter sido o de maior magnitude neste estudo. Aparentemente, não existe um mecanismo físico estratosférico que esteja relacionado com a variabilidade interanual da precipitação no ENE. Resultados sugeriram, também, que os mecanismos dinâmicos produtores de chuvas no sul do ENE são distintos dos do norte do ENE.
Palavras Chave: Precipitação, variabilidade, análise de componentes principais, Costa Leste do Nordeste do Brasil.
INTRODUÇÃO

A precipitação pluvial relaciona-se com a convecção local. Esta, por sua vez, é caracterizada por movimentos ascendentes de ar úmido, resultante da ocorrência de pressões atmosféricas mais baixas junto à superfície da Terra, seja em conseqüência do aquecimento do ar em contato com essa superfície, seja pela ação de fenômenos transientes, de caráter puramente dinâmico, como os sistemas frontais ou frentes frias, e perturbações ondulatórias no campo dos ventos Alísios. A convecção é essencialmente controlada, ou seja, intensificada ou inibida, pela circulação geral da atmosfera, fenômenos de escala global resultante da interação complexa com a superfície do planeta, particularmente relacionada à distribuição de continentes e oceanos, topografia e cobertura vegetal, e o fornecimento desigual de energia solar (MOLION & BERNARDO, 2002) .

Sobre a Região Nordeste do Brasil (NEB), consegue-se distinguir, de acordo com STRANG (1972), três macroregimes pluviométricos distintos, a saber: do norte, com picos dos índices de pluviosidade entre os meses de fevereiro a abril; do sul, com máximos entre novembro e fevereiro e o da Costa Leste do Nordeste (ENE), com precipitação mais intensa entre os meses de maio a julho.

A precipitação é resultante, essencialmente, da covergência do fluxo de umidade sobre o continente. O vapor d’água é transportado para os níveis superiores por meio de movimentos convectivos, ou ascendentes, produzido por uma baixa pressão em superfície, que resulta do aquecimento diferencialterra-oceano, ou por forçantes mecânicas, tais como a orografia (montanhas e planaltos) local e sistemas frontais. Tanto a orografia quanto os sistemas frontais funcionam como uma alavanca ou cunha, os quais forçam a subida da massa de ar úmido. Ao se elevar, essa parcela encontra menores pressões fazendo com que ela se expanda rapidamente (adiabaticamente), com conseqüente redução de temperatura. Se esse resfriamento continuar, até que a massa atinja a temperatura de ponto de orvalho, ocorre a condensação, formação de nuvens e chuva. Na presença de partículas higroscópicas, as gotículas unem-se a essas aumentando seu volume. Mas, por sua vez, a variabilidade interanual da distribuição de chuvas sobre o NEB, tanto em escalas espacial quanto temporal, está intimamente relacionada com as mudanças nas configurações das circulações atmosférica e oceânica, de características anômalas, externas à Região. Resultados sugerem que a temperatura da superfície do mar (TSM) do Atlântico e Pacífico condicionam os totais pluviométricos anuais da região Norte e Nordeste do Brasil (LIMA, 1991; XAVIER & XAVIER, 1998; MOURA et al., 1999a e 1999b). O impacto causado pelo fenômeno El Niño-Oscilação Sul (ENOS), um exemplo de perturbação climática de escala global, pode ser sentido principalmente pela modificação no regime e no total de precipitação que, dependendo da intensidade do evento, pode resultar em secas severas, interferindo, de forma expressiva, nas atividades humanas da região.




MATERIAIS E MÉTODOS


Os dados utilizados no presente trabalho foram mensais de precipitação de aeroportos, obtidos do Serviço de Proteção ao Vôo (SPV) no período de janeiro de 1992 a dezembro de 1997. As localizações dos aeroportos são listadas na Tabela 1.
Tabela 1. Identificação e localização das sete estações do SPV, distribuídas sobre a Costa Leste do Nordeste.

N. º Sinótico

Cidade

UF

Lat. (S)

Lon. (W)

82599

Natal

RN

05°54’30”

35°14’57”

82899

Recife

PB

08°07’35”

34°55’22”

82993

Maceió

AL

09°31’02”

35°47’01”

83095

Aracaju

SE

10°59’00”

37°04’00”

83248

Salvador

BA

12°54’31”

38°19’21”

83349

Ilhéus

BA

14°48’54”

39°02’00”

83497

Caravelas

BA

17°39’00”

39°15’00”

A Análise de Componentes Principais (CP) foi desenvolvidas por PEARSON (1901), é uma técnica estatística de análise multivariada que busca, através de transformações lineares, descrever a interrelação das variáveis em estudo, explicando estrutura de interdependência dessas e criando, assim, um novo conjunto com o número de variáveis inferior ao conjunto original. Ela é utilizada no reconhecimento de padrões. Cria-se uma matriz de dados e obtém-se um espaço vetorial, definido por vetores ortogonais, cuja dimensão pode ser inferior ao espaço original de variáveis, os quais possuem as tendências das séries espaço-temporais envolvidas. Ao se estabelecerem as relações de linearidade do espaço original, não são necessárias todas as variáveis para explicar sua variância total, mas um conjunto substancialmente menor de variáveis que auxilia na identificação das novas variáveis bases (WILKS, 1962; SOUZA et al., 1992; MEGLEN, 1992; CEBALLOS & BOTTINO 1997; FUNG & LeDREW, 1997; MARULLO et al., 1999).

Para o cálculo das Componentes Principais (CP) de um conjunto de dados, inicialmente deve-se obter os autovalores e os autovetores a partir da matriz de correlação ou da matriz de variância-covariância entre as variáveis desse conjunto. Os autovetores dessa matriz indicam as direções das maiores variações e suas projeções representam as CP. Seus correspondentes autovalores representam as amplitudes dessas variações em relação as suas respectivas CP. Deve-se notar que uma dada CP representa um modo principal de variação temporal, que pode ser associado a um dado evento para todo o conjunto de dados analisado, mostrando o padrão dominante de variação durante esse evento.

Para seleção das primeiras CP mais significativas, a princípio, utilizou-se o critério de Kaiser, que afirma que a contribuição qualquer variável relevante para explicar a variância total deve ser igual ou maior que as varáveis originais, ou seja, sem nenhuma transformação sobre elas. Desde que cada variável seja padronizada, isto é, obtidas a partir da matriz de correlação, faz com que cada variável tenha o mesmo peso para contribuição na explicação da variância total. Assim, para uma i-ésima componente principal, com autovalor (i), de obedecer o critério de i  1 (CEBALLOS & BOTTINO, 1997).

A partir da matriz das CP, pode-se calcular a matriz dos
“loadings”, matriz de correlação entre as CP e cada série original de anomalias normalizadas de uma determinada variável. Através dos “loadings”, pode-se determinar quais são as principais componentes que podem explicar a variância da variável em estudo de uma dada localidade. Uma alta correlação entre uma CP e uma determinada estação (variável), representa uma boa concordância entre essa CP e a estação, indicando que esta componente pode explicar parte da variância desta estação.

Os sinais do loadings e da CP podem ser interpretados da seguinte maneira: correlações e amplitudes de mesmo sinal definem anomalias positivas enquanto sinais opostos de correlações e amplitudes estão relacionados às anomalias negativas, com é mostrado na Tabela 2.


Tabela 2. Interpretação de anomalias tendo como base o coeficiente de correlação (loading) e a amplitude da componente principal.

Correlação

Amplitude

Anomalia

+

+

Positiva





+



Negativa



+

O tratamento prévio dos dados de superfície das estações do SPV de precipitação, no período janeiro de 1992 a dezembro de 1997, consistiu na remoção do ciclo anual por meio de sua padronização, ou seja, calculou-se a anomalia mensal de cada ano com relação à média do respectivo mês e padronizaram-se as anomalias pelo desvio-padrão da série. As séries padronizadas foram submetidas ao cálculo das primeira e segunda Componentes Princiais (CP) e seus loadings foram mostrados na Tabela 3 . Também foram utilizados alguns índices estimadores da variabilidade climática global, obtidos do site do Climate Diagnostics Center (CDC) e que foram listados na Tabela 4. Esses índices foram correlacionados com as duas primeiras CP das anomalias de precipitação. As correlações obtidas estão contidas na Tabela 5.


Tabela 3. Loadings das primeira e segunda componentes para as anomalias de precipitação.

Cidade

Loadings-01

Loadings-02

Natal

0,79

0,13

Recife

0,78

0,12

Maceió

0,87

0,25

Aracaju

0,69

0,37

Salvador

0,60

-0,33

Ilhéus

0,49

-0,54

Caravelas

0,27

-0,77

Tabela 4 – Índices de variabilidade do clima global.



Parâmetros

Sigla

Índice de Oscilação Pacífico-América do Norte

PNA

Índice de Oscilação Sul

SOI

Índice do Pacífico Oeste

WP

Índice Multivariado de ENOS

MEI

Índice Trans El Niño

TNI

Oscilação Decadal do Pacífico

PDO

Oscilação do Atlântico Norte

NAO

Oscilação do Pacífico Leste

EPO

Oscilação Quasi-Bienal

QBO

TSM do Centro Leste do Pacífico Leste

Niño 3. 4

TSM do Extremo Leste do Pacífico

Niño 1+2

TSM do Leste do Pacífico

Niño 3

TSM do Pacífico Tropical Central

Niño 4



RESULTADOS E DISCUSSÕES

Utilizando-se os índices climáticos da Tabela 4, estabeleceram-se as possíveis relações existentes entre esses índices e as CP das anaomalias de precipitação dos dados do SPV, por meio do cálculo dos coeficientes de correlação (CC) entre as séries de precipitações mensais dessas estações e as duas primeiras componentes principais do conjunto de dados.


Tabela 5 – Coeficientes de Correlação entre os índices climáticos e a primeira e segunda Componentes Principais para anomalias de precipitação.




MEI

Nina12

Nina3

Nina34

Nina4

PDO

SOI

NAO

QBO

TNI

WP

PNA

1ª CP

-0,25

-0,17

-0,18

-0,12

-0,02

-0,24

-0,03

0,08

-0,40

-0,26

0,17

0,00

2ª CP.

-0,11

0,01

0,00

-0,04

-0,07

-0,16

0,26

0,09

-0,17

0,06

-0,25

-0,03



Nota-se que, de maneira geral, os CC foram baixos em módulo, com os índices MEI , PDO e TNI apresentando praticamente o mesmo CC com a primeira CP, enquanto WP apresentou CC semelhante com o Índice do Pacífico Oeste (WP). Esses índices são formas diferentes de se estimar a intensidade do fenômeno ENOS. Os CC foram negativos, indicando que as anomalias de precipitação foram negativas durante os eventos da fase quente do ENOS (El Niño). Um fato curioso foi o CC, entre o Ìndice da Oscilação Quase-Bienal (QBO) e a primeira CP, ter apresentado o maior módulo. Em princípio não se vê um aparente mecanismo estratosférico que possa estar relacionado com as chuvas da Costa Leste do NEB. Talvez seja uma mera coincidência estatística. De qualqueer modo, essa possível relação merece um trabalho exploratório mais minucios.


As duas primeiras CP para as anomaliasde precipitação das sete estações de superfície dos aeroportos controlados pelo SPV explicaram 62,24% da variância total, sendo que a primeira CP foi responsável por cerca de 44,72% e a segunda 17,52%. Seus autovalores foram aproximadamente 3,13 e 1,23, respectivamente. A primeira CP das anomalias de precipitação para Costa Leste do Nordeste, mostrada na Figura 1, explicou aproximadamente 45% da variância total das sete estações. Observa-se que os loadings para essa componente, mostrados na coluna

Figura 1 – Primeira componente das anomalias mensais de precipitação das sete estações de aeroportos localizados na Costa leste do NEB, no período de 1992 a 1997.


“loadings-01” da Tabela 3, são bastante representativos para a parte norte da Costa Leste do Nordeste, com valores entre 60-90%, de Salvador (BA) até Natal (RN). A parte sul da Bahia parece sofrer influências de outros tipos de sistemas diferentes dos observados no setor norte. No norte da Costa Leste do Nordeste, a precipitação de Maceió (AL) foi a de maior explicação pela primeira CP, com CC de 90% aproximadamente.

A segunda CP (Figura 2) apresentou uma explicação da variância total de aproximadamente 18%, mostrando uma característica contrária à observada na primeira componente. Essa componente representou melhor o sul da Bahia, com as anomalias de precipitação de Caravelas apresentando o melhor CC, cerca de 80%. Pode-se observar, na coluna “loadings-02” da Tabela 3, que, em média, os CC cresceram em módulo, do norte para o sul do NEB, sendo esse um aspecto inverso ao observado na coluna “loadings-01”. Os CC entre essas duas componentes e os índices climáticos da Tabela 5 foram inferiores a 0,4, ou seja, pareceu não existir forte relação, ou sensibildades entre as componentes e os índices .


Figura 2 – Segunda componente das anomalias de precipitação das sete estações de aeroportos no período de 1992 a 1997.


Analisando-se a Figura 1 e a Tabela 3, verifica-se que a segunda CP das anomalias mensais de precipitação das estações do SPV representou muito bem a parte sul da Bahia. Na Tabela 3 (coluna Loading-02), os CC para as anomalias de Ilhéus e Caravelas atingiram valores entre -50% e -80%. Note-se o sinal negativos dos CC. Ou seja, na Figura 2 é aparente queessas duas localidades apresentaram, em média, anomalias positivas de precipitação, em anos de El Niño, (1993, 1997) e anomalias negativas em anos de La Niña (1995-1996). Deve-se observar que os loading da segunda componente cresceram em módulo à medida que se vai para o sul do NEB, mostrando que as regiões mais ao sul apresentaram anomalias positivas de precipitação em anos de El Niño.

CONCLUSÕES


As análises das componentes principais (SPV) sugerem que os mecanismos de grande escala produtores de chuva na Costa Leste do NEB (Salvador-Natal) foram de natureza distinta dos que atuaram na parte sul da Bahia, mostrando contraste entre as regiões. Fato notório foi o índice da ooscilação quase-bienal (QBO) ter apresentado o coeficiente de correlação mais significativo (-0,40) com a primeira componente principal, ainda que relativamente pequeno, em módulo. Fisicamente, parece não haver uma relação óbvia entre a estratosfera e as anomalias de precipitação no NEB. Ou seja, o coeficiente de correlção mais alto seria um mero artefato etatístico. Seria interessante, portanto, se deenvolver um trabalho que explorasse melhor esse aspecto.

REFERÊNCIAS BIBLIOGRÁFICAS


CEBALLOS, J. C. & BOTTINO, M. J. The discrimination of scenes by principal components analysis of multi-spectral imagery. Int. J. Remote Sensing, v. 18, n. 11, p. 2437-2449, 1997.

FUNG, T.; LeDREW, E. Application of Principal Components Analysis To Change Detection. Photogrammetric Engineering and Remote Sensing, vol. 53, n. 12, p. 1649-1658, 1987.

LIMA, M. C. de. Variabilidade da precipitação no litoral Leste da Região Nordeste do Brasil. São José dos Campos, 1991, 222 f. Dissertação (Mestrado em Meteorologia)–INPE.

MARULLO, S.; SANTOLERI, R.; RIZZOL, P. M.; BERGAMASCO, A. The sea surface temperature field in the Eastern Mediterranean from advanced very high resolution radiometer AVHRR data Part II. Interannual variability. Journal of Marine Systems, 20, p. 83-112, 1999.

MEGLEN, R. R. Examining large databases: a chemometric approach using Principal Component Analysis. Mar. Chem., v. 39, p. 217-237, 1992.

MOLION, L. C. B, BERNARDO, S. O. Dinâmicas das Chuvas no Nordeste Brasileiro. In: Congresso Brasileiro de Meteorologia, XI, 2000, Rio de Janeiro. Anais... Rio de Janeiro: SBMET, 2000. 1 CDROM

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, G. B. de A.; LACERDA, F. F.; ARAGÃO, J. O. R. de.; PASSAVANTE, J. Z. de O.; SOUZA, I. A. de.; LACERDA, F. R.; FERREIRA, M. A. F.; FERREIRA, F. F.; SILVA, C. V. Relação entre Temperatura da Superfície do Oceano Atlântico (área do Dipolo) e Pacífico com Anomalias de Precipitação do Setor Leste do Nordeste do Brasil: Parte I. In: Congresso Brasileiro de Agrometeorologia, XI, 1999, Florianópolis. Anais... Florianópolis: SBMET, 1999a. 1 CDROM.

______. Relação entre Temperatura da Superfície do Oceano Atlântico (área do Dipolo) e Pacífico com Anomalias de Precipitação do Setor Leste do Nordeste do Brasil: Parte II. In: Congresso Brasileiro de Agrometeorologia, XI, 1999, Florianópolis. Anais... Florianópolis: SBMET, 1999b. 1 CDROM.

PEARSON, K. On lines and planes of closest fitto systems of points in space. Phil. Mag., v. 6, p. 559-72, 1901.

SOUZA, J. L.; AMORIM, R. F. C.; CARVALHO, S. M. R.; PEREIRA, J. O.; CURI, P. R. Agrupamento de estações pluviométricas do estado de Alagoas, utilizando-se análise multivariada. Revista Brasileira de Meteorologia, v. 7, n. 2, p. 603-612, 1992.

STRANG, D. M. G. D. Análise Climatológica das normais pluviométricas do Nordeste do Brasil. São José dos Campos, CTA, 29p. 1972.

WILKS, S. S. Mathematical Statistics, John Wiley & Sons, Inc., p. 664, 1962.

XAVIER, T. M. B. S., XAVIER, A. F. S. Análise do papel das temperaturas oceânicas no Atlântico e Pacífico, e outras covariáveis nas chuvas do Ceará. In: Congresso Brasileiro de Meteorologia, X, 1998, Brasília. Anais... Brasília: SBMET, 1998. 1 CDROM.



1M.Sc. pelo programa de Pós-Graduação em Meteorologia da UFAL, Bolsista da CAPES, Universidade Federal de Alagoas, Campus A. C. Simões, BR 104 - Norte, Km 97, Tabuleiro dos Martins - Maceió - AL, CEP 57072-970. Bers@ccen.ufal.br.

2PhD. Prof. Tit. Departamento de Meteorologia, Universidade Federal de Alagoas. Molion@ccen.ufal.br.


Catálogo: cbm-files
cbm-files -> ContribuiçÃo do dca/ufcg ao plano nacional de controle da desertificaçÃo dayane Carvalho da Costa1, José Ivaldo Barbosa de Brito2
cbm-files -> A divulgaçÃo do índice ultravioleta como prevençÃo ao excesso de exposiçÃo ao sol: uma contribuiçÃo da meteorologia para o desenvolvimento de políticas públicas para a saúde no paíS
cbm-files -> ANÁlise das chuvas intensas ocorridas nos meses de janeiro e fevereiro de 2004 no estado de pernambuco
cbm-files -> Metodologia aplicada na fase preliminar no desenvolvimento de um sistema de recursos hídrico para o estado do rio de janeiro
cbm-files -> Variabilidade Intrasazonal no Verão: Modulação pela Variabilidade Interdecadal
cbm-files -> Resultados de um Estudo Estatístico das Propriedades Ópticas das Partículas de Aerossol de Queimadas via aeronet
cbm-files -> Fluxos de onda longa descendente à superfície: conceitos e parametrizaçÕes para estimativas por satélite
cbm-files -> Sobre o nordeste do brasil
cbm-files -> ANÁlise do ambiente convectivo na região sudoeste da amazônia: um estudo de caso
cbm-files -> SeparaçÃo de fatores para estudo dos efeitos do albedo e emissividade sobre o ciclo diurno de temperatura


Compartilhe com seus amigos:


©principo.org 2019
enviar mensagem

    Página principal