Escolar Documentos
Profissional Documentos
Cultura Documentos
Rio de Janeiro
Agosto de 2019
PADRÕES E TENDÊNCIAS HIDROCLIMÁTICAS DE CHUVA IDENTIFICADOS
POR SENSORIAMENTO REMOTO NA BACIA DO RIO MADEIRA - AMAZÔNIA
Examinada por:
________________________________________________
Prof. Otto Corrêa Rotunno Filho, Ph. D.
________________________________________________
Dr. Daniel Medeiros Moreira. D. Sc.
________________________________________________
Prof. Celso Bandeira de Melo Ribeiro, D. Sc.
________________________________________________
Prof. Daniel Andrés Rodriguez, D. Sc.
________________________________________________
Prof. José Otavio Goulart Pecly, D. Sc.
________________________________________________
Dr. Luciano Nóbrega Rodrigues Xavier, D. Sc.
________________________________________________
Prof. Wilson dos Santos Fernandes, D. Sc.
________________________________________________
Dr. Augusto Cesar Vieira Getirana, D. Sc.
iii
Dedico este trabalho de pesquisa a minha família,
em especial a minha mãe Santina Sikora de Souza.
iv
AGRADECIMENTOS
Deixo expressa aqui minha gratidão ao meu pai Santos de Souza (in memoriam),
por me incentivar nos estudos, e a minha mãe Santina Sikora de Souza, por me
acompanhar em todas as etapas de minha vida, sempre me apoiar nos caminhos que segui
e ser a responsável por todas as minhas conquistas. Agradeço muito aos meus pais por
serem os melhores pais do mundo.
Reconheço todo o carinho e préstimos dos meus irmãos Sandra Andrea de Souza
e José Fernando de Souza.
v
Quero deixar registrado, de forma extensiva, abrangente e calorosa, o profundo
agradecimento aos meus amigos.
vi
“Não acho que quem ganhar ou perder,
nem perder ou ganhar, vai ganhar ou
perder. Vai todo mundo perder.”
(ROUSSEFF, D.)
vii
Resumo da Tese apresentada à COPPE/UFRJ como parte dos requisitos necessários para
a obtenção do grau de Doutor em Ciências (D.Sc.)
viii
Abstract of Thesis presented to COPPE/UFRJ as a partial fulfillment of the requirements
for the degree of Doctor of Science (D.Sc.)
ix
SUMÁRIO
x
CAPÍTULO 4 – ÁREA DE ESTUDO ........................................................................... 89
4.1 CHUVA E CLIMA................................................................................................ 92
4.2 HIDROGRAFIA E SEDIMENTOLOGIA............................................................ 98
4.3 CONTEXTO FISIOGRÁFICO E GEOLÓGICO ................................................. 99
4.4 TIPOS DE SOLO ................................................................................................ 101
4.5 USO E OCUPAÇÃO DA TERRA ...................................................................... 104
4.6 DESMATAMENTO E SEUS IMPACTOS NA HIDROLOGIA ........................ 110
xi
6.5 QUANTO À DINÂMICA DO DESMATAMENTO E QUANTO ÀS
MODIFICAÇÕES NOS EVENTOS PLUVIOMÉTRICOS NA REGIÃO DA
BACIA ...................................................................................................................... 179
6.6 RECOMENDAÇÕES ......................................................................................... 180
xii
LISTA DE FIGURAS
xiii
Figura 5.6 – Diagrama de resíduos mensais obtidos pelos métodos: a) média
aritmética, b) polígonos de Thiessen, c) inverso da distância ponderada, d) vizinho
natural, e) krigagem, f) de função de base radial multiquadrada.................................. 133
Figura 5.7 – Dendgograma de agrupamento das estações pluviométricas.................... 138
Figura 5.8 – Distribuição especial do agrupamento de estações pluviométricas.......... 139
Figura 5.9 – Histogramas precipitação média mensal – a) grupo 1; b) grupo 2; c)
grupo 3; d) grupo 4........................................................................................................ 140
Figura 5.10 – Análises de eficiência: a) coeficiente de regressão (r2); b) erro padrão
médio (EPM); c) índice de concordância de Willmott..................................................143
Figura 5.11 – Diagrama de dispersão dos dados............................................................147
Figura 5.12 – Análise de ondeletas para os grupos de estações.................................... 149
Figura 5.13 – Análise de ondeletas - Coerência (WTC)............................................... 151
Figura 5.14 – Análise de ondeletas - Cruzada (XWT).................................................. 152
Figura 5.15 – Probabilidade de detecção (POD) de todos os produtos por classes de
eventos...........................................................................................................................155
Figura 5.16 – Razão de alarme falso (FAR) de todos os produtos por classes de
eventos...........................................................................................................................156
Figura 5.17 – Métrica fBIAS de todos os produtos por classes de eventos................. 157
Figura 5.18 – Análise dos erros EPM e ENM para a modelagem de eventos extremos
de chuva obtidos a partir do contraste entre dados de pluviômetros e dados CHIRPS...158
Figura 5.19 – Resíduos padronizados da comparação entre as modelagens de eventos
extremos por meio de pluviômetros e por meio do produto CHIRPS.......................... 159
Figura 5.20 – Relevo da Bacia do Rio Madeira........................................................... 161
Figura 5.21 – Histórico de uso e ocupação do solo na bacia do rio Madeira............... 162
Figura 5.22 - Eventos extremos de chuva na bacia hidrográfica do rio Madeira de
1981 a 2017.................................................................................................................. 164
Figura 5.23 – Tendência da magnitude dos eventos extremos na bacia hidrográfica do
rio Madeira.............................................................................................................. 166
Figura 5.24 – Análise de tendência para a bacia do rio Madeira: a) evapotranspiração
no período 2002 a 2017; b) precipitação no período de 1981 a 2017; c) amplitude da
temperatura no período 2001 a 2017; temperatura média no período 2001 a 2017..... 170
Figura 5.25 – Matriz de correlação de Tendências climáticas para a bacia do rio
Madeira......................................................................................................................... 171
xiv
Figura 5.26 – Grau de entropia em bits da precipitação e evapotranspiração para a
bacia do rio Madeira..................................................................................................... 173
xv
LISTA DE TABELAS
xvi
CAPÍTULO 1 – INTRODUÇÃO
1
agenda de sustentabilidade da ONU (Organização das Nações Unidas), documento que
destaca que se deveria, no horizonte de 2030, envidar esforços para se procurar reduzir a
exposição e a vulnerabilidade da população aos eventos naturais extremos.
Assim, a chuva é uma variável que requer detalhado conhecimento na região
amazônica, contudo tal forçante hidrológica constitui uma das estimativas mais
complexas, visto que sua medição é mais comumente realizada com apoio de estações
pluviométricas locais. Tal método de medição de superfície não é capaz de representar
adequadamente a grande variabilidade espaço-temporal do campo pluviométrico (Daly et
al., 2008; Michaelides et al., 2009; Kidd and Levizzani, 2011; Tapiador et al., 2012).
Dentre as limitações associadas a esse procedimento de mensuração, pode-se
elencar o baixo período de amostragem, a densidade irregular e o grande número de dados
faltantes nas séries históricas (Clarke e Dias, 2003; Streck et al., 2009; Nóbrega, 2008;
Pereira et al., 2013). Destaca-se, também, sob esse prisma, o próprio princípio físico da
técnica de medição, a qual tenta mensurar um fenômeno contínuo no espaço limitado por
meio de alguns pontos do terreno. Efetivamente, a mensuração de uma grande área em
um ponto de captação que abrange poucos centímetros quadrados (cm2), muitas vezes,
não oferece condições de representar, de forma fidedigna, a distribuição espacial
pluviométrica por acabar não captando eventos chuvosos isolados e com intensidades
variadas, principalmente, em terrenos com topografia complexa (Pereira et al., 2013;
Varikoden et al., 2012).
O desafio ganha contornos mais nítidos na região amazônica brasileira, que possui
uma área de 5.500.000 km², contando com apenas 613 pluviômetros que cobrem um
espaço de aproximadamente 24,5 m², ou seja, apenas 4,46 X 10-10 % do espaço que requer
ser mensurado. Naturalmente, produzem-se análises limitadas do escoamento superficial,
do déficit hídrico e do balanço de energia da região (ANA, 2018; Pereira et al., 2013).
Nesse contexto, surge, como uma possível solução, de forma complementar, o uso
de outras técnicas para caracterização pluviométrica, como as bases de informação
oriundas do sensoriamento remoto orbital, por possibilitar observações em quaisquer
partes do planeta Terra, com emprego de pequenos intervalos de tempo, contribuindo para
melhor compreensão da precipitação em regiões que não possuem rede satifatória de
observações (Huffman et al., 2007).
Nesse campo de investigação, várias bases de precipitação vêm sendo estudadas
para a região amazônica, utilizando-se comparações, por vezes, determinísticas,
comparando-se médias de séries históricas de pluviômetros e dados de satélites, como
2
enfatizam os estudos de Nóbrega (2008), Souza (2008) e Paiva et al. (2012), os quais
delimitam correspondentes análises sem envolver necessariamente a abordagem da
representatividade e identificação dos vários ciclos de frequência e tendências espaço-
temporais que a chuva possui. Alternativa tem sido explorada por meio da representação
de produtos de chuva em modelos hidrológicos, como no estudo de Correa et al. (2017),
que não dispunham de referencial ou parâmetros de medição de chuva na região, não
atendendo, portanto, ao que se desejaria estabelecer como uma verdade dita absoluta ou
mesmo relativa para efeitos comparativos, gerando, assim, respostas mediante potenciais
validações baseadas predominantemente em simples ajustamentos matemáticos por
equações que tentam representar a transformação de chuva em vazão por modelos
hidrológicos.
Diante desse contexto, o trabalho busca integrar dados de satélite de chuva no
monitoramento espaço-temporal do fenômeno pluviométrico em complementaridade ao
conjunto dados de dados observacionais de pluviômetros na região amazônica. Mais
especificamente, a pesquisa concentrou-se no exame da bacia do rio Madeira. Em
particular, a bacia encontra-se parcialmente contida no Brasil, onde se dispõe de dados de
pluviômetros, o que não é o caso para o restante da bacia e particularmente de suas
nascentes e parte mais a montante, denotando a importância do dado de sensoriamento
remoto para investigar o comportamento da chuva na escala da bacia. Maiores detalhes
são fornecidos na sequência do texto.
1.2 MOTIVAÇÃO
A região amazônica delimitada no Brasil (5.500.000 km2) possui suma
importância no cenário nacional e mundial, tanto no campo ambiental quanto
socioeconômico, notavelmente dotada de uma das maiores biodiversidades do planeta,
sobretudo por se estender por mais de 50% do território nacional, oficialmente com área
de 8.500.000 km2, representando aproximadamente 68% de toda a disponibilidade de
recursos hídricos do país, perfazendo cerca de 16% dos recursos hídricos disponíveis de
água doce no planeta (IBGE, 2017;ANA, 2018). Vislumbra-se, ainda, que os rios da
região são importantes vias de transporte. A região amazônica brasileira insere-se na
bacia amazônica, que abrange aproximadamente 6.000.000 km2, englobando outros
países da América Latina - Brasil (63%), Peru (17%), Bolívia (11%), Colômbia (5,8%),
Equador (2,2%), Venezuela (0,7%) e Guiana Francesa (0,2%) (ANA, 2018).
3
A ocupação da região, predominantemente pela atividade pecuária, tem induzido
ao desmatamento, com conversão de grandes áreas florestadas em pastagem, afetando,
principalmente, as bacias dos tributários da margem direita do rio Amazonas, inseridas,
em grande parte, nos estados do Acre, de Rondônia e do Mato Grosso (Lima Filho, 1990).
Especificamente na bacia do rio Madeira, um dos principais contribuintes do rio
Amazonas, o fenômeno de desmatamento desenvolve-se, em parte, pelo notável
desenvolvimento de projetos de colonização implantados pelo Instituto Nacional de
Colonização e Reforma Agrária (INCRA) no início da década de 70 do século XX, que
ocorreram sem planejamento e de forma desordenada.
Atualmente, são desenvolvidas, na região amazônica, atividades industriais
voltadas ao beneficiamento de produtos do extrativismo e de matérias-primas animal e
agrícola. Empresas de laticínios estão localizadas na cidade de Pontes e Lacerda (MT),
enquanto indústrias madeireiras das áreas de laminação de compensados estão localizadas
nas cidades de Cacoal, Ji-Paraná, Porto Velho e Vilhena, em Rondônia. Outros exemplos
de atividades industriais pontuais ocorrem na bacia do rio Xingu no Pará, com o abate de
gado bovino em Altamira e produção de laticínios em Tucumã (ANA, 2018).
Complementarmente, em um cenário de variabilidade climática e conjectura sobre
potenciais mudanças climáticas, o estudo de Wang et al. (2017), em sua análise quanto à
paleoclimatologia da região amazônica, interpreta que a resiliência da floresta em
sobreviver a fenômenos de seca, como os vistos durante o período mais seco da última
era do gelo, entre 24 mil e 18 mil anos atrás, pode ser fragilizada por interferências de
natureza antrópica, no microclima, como exemplificado por desmatamento, queimada e
expansão da agricultura.
A interação entre esse novo cenário de cobertura da terra e as zonas remanescentes
florestais, geradoras de efeito de borda, também merecem destaque nesse contexto, pois
podem gerar alterações na estrutura hidroclimática da região, como modificações de
temperatura, de velocidade e de turbulência do vento, de umidade relativa do ar, bem
como de umidade do solo (Jiang et al., 2009).
Diante do contexto proposto, os processos físicos, termodinâmicos e dinâmicos
que compõem o ciclo hidrológico da Amazônia têm recebido especial atenção em várias
pesquisas desenvolvidas por diversos grupos nacionais e internacionais. Porém, há
lacunas importantes ainda não abordadas na literatura científica revisada em virtude da
ordem de grandeza de sua área de abrangência, notadamente sobre a produção de água e
de sedimentos, o que está a demandar uma maior atenção em diversos aspectos da
4
modelagem matemática, sobretudo no que concerne à aquisição de dados observacionais
e satelitais em diferentes escalas espaço-temporais e correspondente validação.
No que tange à obtenção de dados, a região apresenta um precário monitoramento
in situ. Assim, sensoriamento remoto torna-se uma técnica utilizada por muitos autores
e instituições com crescente avanço e proposições de uma nova ordem mundial de agenda
de pesquisa em hidrologia, temática que entra em consonância com o programa de
estudos discriminados em décadas hidrológicas, como é o caso da primeira década
hidrológica (UNESCO, 1972, 1974), de predição em bacias não monitoradas (década do
PUB – Predictions in Ungaged Basins – 2003-2013) (Sivapalan et al., 2003) e sua
correspondente evolução (2013-2022) (IAHS, 2013), abrangendo, mais recentemente, a
discussão dos novos meios de aquisição de dados hidrológicos e meteorológicos e de
mensuração de propriedades associadas a processos físicos diversos (IAHS, 2013).
Artigos como Entekhabi et al. (1999), Wood et al. (2012) e Beven e Cloke (2012)
exploram os tópicos e agendas a serem exploradas no futuro próximo. As questões
científicas levantadas nesses trabalhos, que abrangem o monitoramento, entendimento,
mensuração e modelagem físico-matemática dos componentes do ciclo hidrológico, com
destaque especial para o uso de dados de sensoriamento remoto, estão em articulação com
a proposição do presente trabalho.
Parte do uso das informações de sensoriamento remoto implica obtenção de
forçantes climatológicas como a chuva (Nobrega, 2008; Silva, 2009). Por outro lado, os
trabalhos publicados sobre a região amazônica usam diferentes fontes de informações,
baseando-se no grau de eficiência de sua aplicabilidade em diferentes regiões do globo.
No entanto, registre-se que essas fontes foram, muitas vezes, apenas testadas de forma
global e não examinadas rigorosamente no que diz respeito à aderência de representação
das características da região, o que pode notadamente indicar ou sugerir uma provável
eficácia reduzida ou limitação em modelagens hidrometeorológicas desenvolvidas para a
Amazônia.
Em um primeiro momento, apontam-se duas potenciais e importantes
contribuições da pesquisa proposta.
A primeira contribuição visa delimitar a adequabilidade de algumas bases de
dados observacionais e de satélite para uma melhor representação da chuva da região
amazônica, avaliando, por meio de técnicas matemático-estatísticas, diferentes fontes de
dados baseadas sobretudo em sensoriamento remoto.
5
Como uma segunda contribuição, vislumbra-se, por meio dos dados validados,
entender os aspectos hidrológicos característicos da região amazônica, com enfoque na
bacia do rio Madeira, adotando-se, como referencial, os fenômenos extremos registrados
pelas séries pluviométricas e as tendências de comportamento dessa variável.
Neste ponto, cabe destacar formulação de hipótese que se somou ao
desenvolvimento original inicialmente proposto para a tese, integrando as duas
contribuições previamente apresentadas, oferecendo um caráter de originalidade
adicional não antevisto inicialmente.
Mais especificamente, a análise da distribuição espaço-temporal pluviométrica
para a região em contraposição com o mapa de cobertura e uso do solo, permitiu
evidenciar um comportamento, sob o ponto de vista da análise em larga escala da bacia
do rio Madeira, que implica efeitos disruptivos no balanço hídrico da região em função
do desmatamento, notadamente em regiões em dito efeito de borda de remanescentes
florestais, que se evidencia quando justaposto a áreas desmatadas contíguas.
Tal percepção é de difícil confirmação imediata e requer estudos aprofundados
para outras porções da bacia do Madeira e em toda a extensão da bacia amazônica. Há
estudos, na literatura, apresentando a tese de que aumento do desmatamento implica
aumento da vazão. Identificou-se, nesta tese, que essa afirmativa deve ser firmemente
questionada, introduzindo-se a necessidade de se melhor avaliar a escala em que o
balanço hídrico é realizado. Complementarmente, a identificação do efeito de diminuição
da chuva e impactos no balanço hídrico face ao desmatamento requer uma atenção
especial em função de diversas escalas que operam ao se efetuar o balanço na pequena,
na média e na larga escala.
Na sequência, explicitam-se o objetivo geral do trabalho e os correspondentes
objetivos específicos que nortearam o desenvolvimento da pesquisa.
1.3 OBJETIVOS
1.3.1 Objetivo Geral
A diretriz fundamental do estudo obedece a premissa de representar o
comportamento espaço-temporal do fenômeno pluviométrico por meio de produtos de
sensoriamento remoto na bacia do rio Madeira (1.324.727 km2), de natureza transnacional
na medida em que suas nascentes encontram-se fora do Brasil, que representa cerca de
um terço da bacia amazônica, que, por sua vez, ocupa cerca de 6.000.000 km2. O
6
pressuposto é que se necessita monitorar adequadamente a chuva para melhor conhecê-
la, em especial no papel que desempenha para melhor determinar o balanço hídrico e o
balanço de energia na escala da bacia. Nesse sentido, nada mais desafiante do que estudar
a região amazônica e, em particular, a bacia do rio Madeira, que é afetada pela severa
limitação rede observacional de dados in situ.
O estudo baseia-se, primeiramente, em analisar e validar a acurácia de dados de
sensoriamento remoto no papel de representar a chuva da bacia do rio Madeira com vistas
a melhor monitorá-la. Diante da proposição, prioriza-se a aplicação de esforços iniciais
na descrição de bases de dados de sensoriamento remoto que estão disponíveis,
detalhando-se vantagens e desvantagens de cada produto, tamanho da série e resolução
espaço-temporal, entre outros aspectos.
Posteriormente, produzem-se análises comparativas entre os produtos de satélite
com estações in situ, na busca por semelhanças na representação da chuva a partir dessas
estações, bem como seus ciclos e frequências, permitindo contrastar as bases de dados
empregadas na pesquisa. Cabe observar que há uma limitação no monitoramento do
território brasileiro em termos de dados de chuva locais, tendo em vista que a rede de
pluviômetros é esparsa. Adicionalmente, a atualização da base de dados não é imediata,
ocorrendo defasagem, por vezes, de meses.
Nesse sentido, justificam-se análises conduzidas, nesta pesquisa, partindo-se do
referencial de dados de sensoriamento, identificando tendências de ocorrências dos
fenômenos pluviométricos, como enfoque em acumulados pluviométricos mensais e nos
extremos de precipitação na bacia do rio Madeira, com vistas a disponibilizar novas
perspectivas de análise em regiões onde dados de campo atualizados e disponíveis são
limitados ou praticamente inexistentes.
Por essa razão, enfatiza-se a grande contribuição do sensoriamento remoto pode
oferecer, permitindo o monitoramento onde não há dados, provendo informações com
maior detalhamento para espacialização de variáveis hidrológicas e obtenção de
informações de forma mais ágil e robusta, com menor custo para fins operacionais.
Na sequência, expõem-se, em síntese, os objetivos específicos definidos para
desenvolvimento da tese.
7
1.3.2 Objetivos Específicos
A partir da relevância da questão científica proposta e discussões reflexivas acerca
do tópico central, a presente tese propõe-se a cumprir os objetivos específicos dispostos
a seguir:
• conduzir estudo sobre o potencial dos dados pluviométricos existentes em
descrever a distribuição espacial da chuva na bacia do rio Madeira; efetuar o
preenchimento de dados faltantes em séries históricas, explorando-se, assim, qual
é a melhor forma de interpolação espacial de chuva para região;
• analisar se os dados de chuva oriundos de sensoriamento remoto (3B42, 3B42RT,
CHIRP e CHIRPS) possuem magnitudes e comportamentos semelhantes aos
dados de pluviômetro da bacia em estudo;
• verificar se os dados de sensoriamento remoto são capazes de descrever o
comportamento da série histórica de eventos extremos para a bacia;
• investigar os eventos extremos na bacia, verificando suas intensidades, os anos de
ocorrência, os períodos de retorno e a tendência de ocorrência;
• explorar as tendências e delimitar as relações de variabilidade espaço-temporal
dos eventos pluviométricos em contraste com a evapotranspiração e a temperatura
na região da bacia;
8
O estudo encontra-se organizado em forma de capítulos. O primeiro capítulo
aborda as motivações e as justificativas desta pesquisa, bem como as metas propostas a
serem alcançadas, discutindo-se, complementarmente, as premissas e as contribuições da
tese.
No Capítulo 2, discorre-se sobre os aspectos de revisão da literatura, que
fundamentam os diversos conteúdos abordados no trabalho. São apresentados conceitos,
definições e procedimentos sobre a estimativa e a análise de precipitação por imagens de
satélite e dados convencionais, explorando-se diversas análises matemático-
probabilísticas.
O Capítulo 3 é dedicado à exposição da abordagem metodológica. A metodologia
empregada é descrita. Em um primeiro momento, enfocam-se os aspectos de
espacialização da pluviometria, avaliando-se o melhor modelo geoespacial para descrever
a correspondente variabilidade na bacia do rio Madeira, adotando-se, como referência, a
rede de pluviômetros com dados disponíveis e consistidos. Posteriormente, são realizadas
comparações determinísticas e estocásticas dos dados de chuva oriundos de estações
pluviométricas conjuntamente com os disponibilizados por sensoriamento remoto, além
de analisar a acurácia de dados de sensoriamento remoto em representar os fenômenos
pluviométricos extremos. Em sequência, são aplicadas técnicas de análise de tendência
nos eventos extremos de chuva e nos dados hidrometeorológicos, que são, então
relacionados com a mudança de cobertura da terra.
No Capítulo 4, enfatizam-se as principais características da bacia do rio Madeira,
incluindo os aspectos de grandezas físicas da bacia e do corpo hídrico principal,
apresentando-se um breve relato do histórico da ocupação da área, o que guarda relações
com desastres ambientais que são registrados na região. Em especial, desenvolve-se
balanço hídrico para a sub-bacia do rio Machadinho, mediante o emprego do modelo
hidrológico SWAT (Soil and Water Assessment Tool). Propõe-se avaliar a interferência
das mudanças na cobertura da terra em uma sub-bacia do rio Madeira (bacia hidrográfica
do rio Machadinho) sobre a dinâmica local do ciclo hidrológico (vazão, chuva e
evapotranspiração) usando análise de tendências e o modelo SWAT.
No Capítulo 5, apresentam-se e discutem-se os principais resultados encontrados
nesta pesquisa. Primeiramente, apresenta-se o potencial de geoepacialização da chuva
mediante emprego da rede pluviométrica da bacia, seguido da avaliação dos produtos de
sensoriamento remoto. Na sequência, são relacionadas a ocorrência de eventos extremos
e as tendências climáticas com o processo de supressão da mata natural na região.
9
O Capítulo 6 sintetiza as principais conclusões deste estudo, bem como
recomendações, de forma a nortear e instigar o desenvolvimento de investigações futuras
utilizando a abordagem metodológica proposta nesta dissertação.
Ao final, são apresentados as referências bibliográficas e os Anexos de 1 a 7, os
quais abrangem conceitos complementares.
No Anexo 1, abordam-se a detecção e a compreensão de ciclos e tendências nas
séries históricas hidrometeorológicas dos pluviômetros utilizados neste estudo, a fim de
verificar a existência de padrões hidroclimáticos, contribuindo, assim, na análise do clima
regional. Nesse sentido, é explorada a caracterização da variabilidade temporal da
precipitação na bacia hidrográfica do rio Madeira, evidenciando o seu comportamento ao
longo do período 2000-2015. Dados de 38 estações pluviométricas, provenientes do
centro de dados da Agência Nacional de Águas (ANA), foram reunidos para consolidar
uma base de dados que foi tratada mediante o emprego do método estatístico denominado
de filtro de Hodrick-Prescott (HP), que permite a decomposição da série temporal em
componentes de tendência e de ciclos.
No Anexo 2, mostra-se a avaliação da adequabilidade de ajuste de distribuições
teóricas de probabilidade a eventos pluviométricos extremos a partir de dados de chuva
das estações pluviométricas instaladas na parte brasileira da bacia do rio Madeira, de
modo que tais informações possam ser utilizadas oportunamente como suporte na criação
de curvas intensidade-duração-frequência (IDF) da região. Assim, foram utilizadas 37
estações pluviométricas com séries históricas acima de 10 anos de extensão entre os anos
de 2000 a 2015, conforme disponibilizadas pela Agência Nacional de Águas (ANA). As
séries temporais foram submetidas, inicialmente, ao teste de aderência Kolmogorov-
Smirnov (KS), a fim de verificar o ajuste face às distribuições normal, log-normal,
exponencial, gama, Gumbel, Weibull e logística.
No Anexo 3, verifica-se o comportamento dos eventos extremos, e são estimadas
as curvas IDF a partir dos dados de precipitação do CHIRPS para toda parte de globo
terrestre abrangido por essa fonte de dados. Primeiramente, foi verificado se os dados se
adequavam à distribuição de Gumbel usando o teste de aderência Kolmogorov-Smirnov
(KS). Após esse teste, os dados foram modelados por Gumbel e desagregados pelos
quocientes de Cetesb (1989). Além disso, é verificada, nessa sessão, a tendência de
ocorrência dos eventos extremos no nível global utilizando o teste Mann-Kendal.
10
No Anexo 4, perfaz-se uma revisão teórica de conteúdos complementares aos
assuntos tratados na tese, com vistas a tratar de informações referentes ao relevo da bacia
hidrográfica do rio Madeira.
No Anexo 5, avaliam-se diferentes modelos digitais de elevação (MDEs), SRTM
(Shuttle Radar Topography Mission), TOPODATA e HydroShelds, para subsidiar a
escolha do modelo mais apropriado para representar a hidrografia e o relevo da bacia do
rio Madeira. A avaliação incluiu a comparação de hidrografias geradas pelos produtos
com a base nacional cartográfica mediante a determinação do erro entre pontos cotados
pelo ICESAT e pelo IBGE e píxeis definidos nos MDEs estudados.
Por fim, no Anexo 6, mostra-se a caracterização morfométrica de unidades
drenantes da bacia hidrográfica do rio Madeira com apoio de sistema de informação
geográfica (SIG) e da tecnologia de sensoriamento remoto. Mais especificamente,
empregou-se a base de dados de imagens HydroSHEDS para estimar informações físicas
associadas com a bacia de estudo, como fator de forma, coeficiente de compacidade,
índice de circularidade, elevação, declividade da bacia, declividade do curso de água
principal e densidade de drenagem.
11
CAPÍTULO 2 – REVISÃO BIBLIOGRÁFICA
𝑃 = 𝐸 + 𝑄 ± ∆𝑆 (2.1)
onde:
P – precipitação (mm);
E – evapotranspiração (mm), expressa a ocorrência simultânea dos processos de
evaporação no solo e de transpiração das plantas (Thornthwaite e Wilm, 1955);
Q – escoamento superficial (mm), também denominado de deflúvio, define-se como o
deslocamento da água na superfície da terra com origem a partir do instante em que o
volume de água que alcança o solo excede a sua taxa de infiltração ou a sua capacidade
de armazenamento;
∆S – taxa de água que infiltra ou submerge no sistema (mm); tal variável apresenta na
equação tanto o sinal de adição como de subtração, porque pode ser tanto uma fonte de
saída como de entrada de água; entretanto, em análises de séries longas do sistema, essa
parcela pode ser desconsiderada, por se entender que a porção de acréscimo ou
12
decréscimo seja de ordem de magnitude bem menor do que a referente aos demais termos
da equação.
Segundo Baldissera (2005), cada termo do balanço hídrico pode ser alterado por
ações antrópicas, como o desmatamento, a mudança do uso e ocupação do solo e a
construção de barragens, atingindo níveis locais e regionais. Consequentemente, qualquer
atividade humana que altere os fatores básicos que determinam o balanço hídrico acaba
por influir na disponibilidade dos recursos hídricos de uma bacia hidrográfica.
Assim, é nítida a importância da estimativa das variáveis representativas de
processos hidrológicos para um eficiente planejamento e gerenciamento dos recursos
hídricos, pois serve como aporte em simulações de mudanças no uso do solo e seus
impactos nos recursos hídricos.
Todavia, segundo Dias (2014), o monitoramento de dados hidrológico no Brasil
apresenta precariedade, que gera uma lacuna de informações no que tange ao tópico
relativo ao gerenciamento de recursos hídricos de bacias hidrográficas. Ainda conforme
a autora, parte do problema pode ser atribuído à instalação de redes de monitoramento
que visam, de forma mais imediata, a operação para o desenvolvimento de um
determinado empreendimento, o que implica operações em curto espaço de tempo e
localização espacial não otimizada.
Na Figura 2.1, observa-se a rede de monitoramento de dados hidrológicos no
Brasil. Constata-se significativa discrepância na distribuição geográfica da rede.
13
Fonte: Ana (2018)
Figura 2.1 – Estações hidroclimatológicas instaladas no Brasil
14
uso, evidenciando, assim, que há uma limitada eficiência do monitoramento hidrológico
no país.
Vários estudos buscam fontes alternativas para quantificar e qualificar os
processos hidrológicos em bacias hidrográficas perante tais problemáticas. Ganham
destaque as técnicas de sensoriamento remoto que possibilita a obtenção de informações
sobre alvos na superfície terrestre (objetos, áreas, fenômenos), através do registro da
interação da radiação eletromagnética com a superfície, realizado por instrumentos
denominados de sensores, sem que haja contato direto com o alvo investigado.
Portanto, com base no que foi explicitado previamente, as variáveis do ciclo
hidrológico integradas no contexto da abordagem com suporte de sensoriamento remoto
serão examinadas nos parágrafos subsequentes, com exceção da chuva que ganhará
destaque mais adiante no texto da tese.
- Evapotranspiração
Os processos da evapotranspiração abrangem a transformação da água no estado
líquido em vapor, sendo esses a evaporação direta e a transpiração vegetal. Dentre as
várias funções que tentam modelar esse fenômeno, a mais aplicada e reconhecida como
método padrão desde publicação do boletim 56 da FAO é a equação de Penman-Monteith
(Equação 2.2). Esta metodologia é utilizada para calcular a evapotranspiração de
superfícies vegetadas e não vegetadas, sendo obtida pela combinação dos métodos de
balanço de energia e transferência de massa.
δ 1 γ 900
ETo = δ+γ∗ (R n − G) λ + δ+γ∗ (es − ea ) (T+273) (2.2)
15
sem necessidade de definir o tipo de cultura agrícola e o teor de água no solo
(Bastiaanssen et al.,1998; Su, 2002; Allen et al., 2007).
Dentre os modelos desenvolvidos usando sensoriamento remoto, na literatura
encontram-se: Índice de Balanço de Energia de Superfície (SEBI), de Menenti e
Choudhury (1993); Sistema de Balanço de Energia de Superfície (SEBS), de Su (2002);
Índice de Balanço de Energia de Superfície Simplificado (S-SEBI), desenvolvido por
Roerink et al. (2000); Algoritmo de Balanço de Energia de Superfície para Terra
(SEBAL), de Bastiaanssen et al. (1998a e 1998b); Mapeamento de Evapotranspiração em
Alta Resolução com Calibração Internalizada (METRIC), criado por Allen et al. (2007);
e Balanço de Energia de Superfície Simplificado Operacional (SSEBop), desenvolvido
por Senay et al. (2013).
Dentre estes o SSEBop ganha destaque na região amazônica, por ser testada e dita
eficiente, em comparação aos dados medidos, no estudo de Senay et al. (2014). E
globalmente, em testes similares Senay et al. (2007) também encontraram boa precisão
na determinação da evapotranspiração real nos testes.
Essa base de informações geoespaciais comporta o período de 2002 até os dias
atuais e utiliza dados multiespectrais, obtidos via sensoriamento remoto, associados a
dados meteorológicos complementares para estimar a fração de evapotranspiração (ETf)
da superfície, conforme Equação 2.3.
𝑇ℎ −𝑇𝑠 𝑇 −𝑇
𝐸𝑇𝑓 = = 𝑇ℎ−𝑇𝑠 (2.4)
𝑑𝑇 ℎ 𝑐
16
Os valores de ETf negativos são convertidos a zero, enquanto o valor máximo de
ETf é limitado a 1,05. Pixels com presença de nuvens são desconsiderados.
O valor de Tc é calculado a partir da temperatura do ar, conforme a Equação 2.5 e
Equação 2.6.
𝑇𝑐 = 𝑐(𝑇𝑎 ) (2.5)
𝑇𝑠 |𝑁𝐷𝑉𝐼≥0,8
𝑐= (2.6)
𝑇𝑚𝑎𝑥
17
relata, também, que a resolução espacial dos dados está ligada à distância entre as linhas
de passagem.
Na região amazônica, a aplicação dessa técnica vem ganhando destaque nos
últimos anos, e os trabalhos de Moreira (2010) e Silva (2009) são exemplos dessa
implementação.
Silva (2009) propôs o desenvolvimento de uma metodologia de utilização dos
dados de altimetria espacial, notadamente dos satélites ENVISAT e ERS-2, para análise
da variabilidade espaço-temporal dos processos hídricos nas zonas úmidas da bacia
Amazônica pelo acoplamento de imagens MODIS. Os resultados desse trabalho
mostraram uma validação entre traços no ponto de cruzamento ou com dados in situ com
erros médios quadráticos que variaram de 12 a 226 cm para o satélite ENVISAT
(algoritmos Ice-1 e Ice-2) e de 32 a 197 cm para o satélite ERS-2 (algoritmo Ice-2). No
mais, a análise integrada de informações altimétricas e de imagens MODIS evidenciou a
sazonalidade do ciclo hidrológico em zonas úmidas.
Já o estudo de Moreira (2010) objetivou empregar uma rede de calibração
altimétrica a partir de estações fluviométricas e dados de receptores GPS na região
Amazônica. Os resultados desse autor evidenciaram uma forte correlação entre
movimentos verticais e o ciclo hidrológico na Amazônia, bem como a aplicabilidade da
técnica GPS como suporte a estudos hidrológicos e na avaliação de dados de satélites e
de modelos de geoide.
O histórico dessa metodologia vivenciou os seus primórdios na década de 70,
especificamente entre 1973 a 1974, com a missão chamada de SKYLAB, que, segundo
Seeber (2003), possuía uma precisão de 1 a 2 metros. Posteriormente, conforme a linha
histórica levantada por Moreira (2010), os principais satélites lançados com essa mesma
função foram GEOS-3 (1975), SEASAT-1 (1978), GEOSAT (1985), ERS-1 (1991),
ERS-2 (1995), Topex/Poseidon (1992), Jason-1 (2001), Envisat (2002) e Jason-2 (2008).
O supracitado autor revela, ainda, que, no decorrer dessas missões, foi observada uma
grande melhoria na precisão dos altímetros, os quais passaram a ser no nível centimétrico.
Adicionalmente, houve um maior refinamento no cálculo de órbita do satélite, bem como
na evolução no procedimento de modelagem dos efeitos atmosféricos na propagação do
sinal.
Nos passos futuros da altimetria espacial, está a missão Surface Water Ocean
Topography (SWOT), com previsão de ocorrência para o ano de 2020. Essa proposta é o
resultado gerado pela colaboração entre a agência francesa Centre National d'Études
18
Spatiales (CNES) e a National Aeronautics and Space Administration (NASA), que
utilizará a tecnologia denominada altimetria interferométrica, fornecendo uma imagem
bidimensional (Alsdorf et al., 2007). Além disso, fornecerá estimativas de descarga em
escala continental para ajudar a reduzir os erros de escoamento anual do modelo atual que
variam de 10 a 80%, e geralmente são 40% (Arnell e Gosling, 2013).
O SWOT tem como estimativa uma faixa imageada de 120 km de largura e mais
ou menos 10 km de variação vertical total para os níveis de água da superfície do mar –
Sea Surface Heights (SSH) e para os níveis das águas continentais. Silva (2010) postula
que, nos oceanos, a SSH será definida a cada 2 km2 com uma precisão de 0,5 cm quando
calculada a média da área. Em domínio continental, apresentará uma resolução horizontal
de 100 m para os rios e de 1 km2 para lagos, zonas úmidas e reservatórios, com uma
precisão de 10 cm para os níveis de água e 105 cm.km-1 para a declividade.
As estimativas geradas pelo SWOT não deverão ser tão precisas quanto medições
in situ (Biancamaria et al., 2015). Por outro lado, a natureza espacialmente contínua das
medidas SWOT fornecerá dados em bacias atualmente não monitoradas, bem como
medidas de fenômenos espacialmente distribuídos, como a propagação de ondas ao longo
dos rios (Pavelsky et al., 2014; Paiva et al., 2015).
19
coalisão e coalescência, que promoverão a sua união, formando gotas de água maiores
que serão capazes de vencer a resistência do ar e precipitar.
As chuvas podem ser classificadas de acordo com as condições que produzem o
movimento vertical das massas de ar, o qual é fator primordial na sua formação, seja em
chuvas ciclônicas, orográficas ou convectivas (Puyol e Villa, 2006).
As chuvas ciclônicas ocorrem quando duas massas de ar com temperaturas
diferentes, devido ao aquecimento desigual da superfície terrestre, confrontam-se,
gerando, dessa forma, uma superfície de contato, também denominada de frente. Se tais
movimentos de massas de ar ocorrerem no sentido que a massa de ar com temperatura
menor (frente fria) “empurre” a massa de ar mais quente (frente quente), essa precipitação
pluviométrica é chamada de chuva ciclônica frontal; no entanto, se as duas massas de ar
(fria e quente) forem atraídas de forma simultânea em direção a uma área de baixa
pressão, tal fenômeno denominar-se-á de chuva ciclônica não-frontal (Raghunath, 2006).
Cabe destacar que tais chuvas são de longa duração, intensidade baixa a moderada, e se
distribuem sobre grandes áreas (Villela e Matos, 1975).
No que concerne às chuvas orográficas, essas têm sua formação quando ventos
quentes e úmidos, geralmente providos de áreas oceânicas, deparam-se com barreiras
naturais, o que obriga que tais ventos se elevem, sendo eles resfriados adiabaticamente
nesse processo, formando chuvas de pequena intensidade, grande duração e pequena área
de espalhamento (Tucci, 2009).
A formação das chuvas convectivas ocorre devido às convecções térmicas, ou
seja, em função da brusca ascensão do ar úmido aquecido pela superfície terrestre, que
gera, por sua vez, uma condensação quase instantânea. Tais eventos acontecem
normalmente no fim de dias quentes. Ressalta-se que o fenômeno resulta em chuva de
pequenas áreas de abrangência, alta intensidade e curta duração.
20
Nos parágrafos subsequentes, alguns desses fenômenos serão explorados.
21
O estudo de Kodama (1992) foi um dos primeiros a analisar esse fenômeno
meteorológico ao caracterizar três bandas de nebulosidade também denominadas de zonas
de precipitações subtropicais (ZPS), de natureza quase estacionária, nomeadamente, no
leste da Ásia, conhecida como Baiu Front, e nas porções subtropicais da Zona de
Convergência do Pacífico Sul (ZCPS) e do Atlântico Sul, recebendo esta última a
designação de ZCAS. O autor ainda observou que a ZPS pode ser caracterizada por zonas
de convergência de umidade e por zonas baroclínicas com um cavado subtropical de altos
níveis associados para oeste da ZPS.
Segundo Liebmann et al. (1999), diversos podem ser os fatores locais que
favorecem a ocorrência da ZCAS, destacando-se a confluência entre o ar da alta
subtropical do Atlântico sul e o ar de latitudes mais altas (próximas da linha do Equador),
convergência de umidade e a presença de cavado a leste da Cordilheira dos Andes, que
propicia o escoamento de umidade da região amazônica em forma de jato em direção ao
Atlântico sul.
Conforme Molion et al. (2004), existem dois fatores importantes para a existência
da ZCAS. O primeiro é o efeito termodinâmico resultante do aquecimento continental
pelo Sol, do calor latente (evaporação) liberado dos movimentos ascendentes e da
divergência que se estabelece nos altos níveis. Já o segundo trata do efeito dinâmico, que
está relacionado com a penetração de sistemas frontais do hemisfério sul.
O estudo de Carvalho et al. (2004) separa a ZCAS por suas intensidades e aspectos
espaciais em quatro categorias: intensa, fraca, oceânica e continental. A categoria de
ZCAS intensa está associada a anomalias de radiação de onda longa emergente negativa
sobre uma grande área da América do Sul tropical, estendendo-se do oeste da Amazônia
ao Atlântico. No que tange às ZCAS de natureza fraca, ocorrem anomalias positivas sobre
a América do Sul tropical e negativa sobre o sudeste da América do Sul. Os aspectos
oceânicos e continentais são relacionados a um padrão de trem de onda em latitudes
médias.
A intensidade das ZCAS pode ser afetada pelo El Niño-Oscilação Sul (ENOS) e
anomalias da temperatura da superfície do mar (TSM). O primeiro foi relatado por
Ferreira et al. (2004), ao estudar os padrões atmosféricos dos eventos de ZCAS no período
entre 1980 e 2000 para os meses do trimestre dezembro-janeiro-fevereiro (DJF), ao longo
do qual os fenômenos ENOS estavam em atividades mais destacadas. Esses autores
concluíram que, durante o período de ENOS na fase quente, a atividade convectiva sobre
o oceano, na região da ZCAS, é mais intensa.
22
A TSM atua em enfraquecer as ZCAS quando as anomalias são frias e a
intensificar e deslocar as ZCAS para o norte quando as anomalias são quentes. Essa
constatação éefetuada no estudo de Chaves e Nobre (2004), os quais utilizaram estudos
numéricos conduzidos com o objetivo de compreender a relação de causa e efeito entre a
TSM do Atlântico e a ZCAS.
Complementarmente, Seabra (2004) explora padrões de precipitação de eventos
chuvosos produzidos por ZCAS. Em particular, explora regiões ao longo da trajetória das
ZCAS. Assim, são estudadas a região Amazônica. Mais recentemente, Panduro (2018)
estuda o fenômeno pluviométrico na região sudeste do Brasil e na Amazônia. Explora o
modelo de desagregação espacial estocástica multicascata no trabalho com base de dados
TRMM (Tropical Rainfall Measurement Mission), objetivando obter produtos com
resolução mais detalhada do que aquelas providas pelo produto original (0,25 grau).
Nesse estudo, estuda, inicialmente, o impacto do fenômeno ZCAS na região sudeste do
Brasil, explicando ciclos e tendências da precipitação histórica na região, com enfoque
na bacia do Cantareira, região que foi profundamente afetada por secas no período entre
2014 e 2016 (Panduro, 2018; Panduro et al. ,2018). Complementarmente, Araujo (2016)
reconhece a importância das ZCAS quando estuda os padrões de precipitação e umidade
do solo na região sudeste do Brasil, notadamente no balanço hidrológico da bacia do rio
Piabanha, situada na região montanhosa do estado do Rio de Janeiro, sub-bacia do rio
Paraíba do Sul.
Ao final desta seção, cabe destacar o trabalho de André (2016), que se constitui
em um referencial importante no que concerne ao fenômeno ZCAS. Propôs indicador
iZCAS. Explorou em detalhes a física do fenômeno para propor tal índice. O estudo
contemplou
23
Pacífico Leste. Além disso, sua fase fria ou fase negativa, chamada de La Niña, é gerada
quando ocorre um resfriamento das águas e um aumento na pressão atmosférica na região
leste do Pacífico.
Kayano e Andreoli (2006) relatam que uma das formas de se determinar a fase e
a intensidade do ENOS é a estimativa do Índice de Oscilação Sul (IOS), calculado pela
diferença entre as anomalias normalizadas de pressão no nível do mar entre duas regiões
distintas: Taiti e Darwin. Nessa estimativa, o IOS é pode ser positivo ou negativo, o que
indicaria um ENOS na fase quente ou fria respectivamente. Outra estimativa, apresentada
por esse autor, trata dos índices de temperatura da superfície do mar (TSM) da região
equatorial do Pacífico, com características de sinais parecidas ao IOS.
O estudo de Souza et al. (2015) usou dados mensais de precipitação de 238
estações distribuídas nos estados do Amazonas, Amapá, Pará e Maranhão, no período de
1920 a 2011, para analisar as relações entre o ENOS e a precipitação na Amazônia num
contexto espacial e temporal por meio dos campos de anomalias de precipitação e
transformada de ondeletas Morlet. Os resultados desse estudo mostraram que a
distribuição espacial das anomalias positivas e negativas é bastante heterogênea devido
às interações das diferentes dimensões de tempo e escala do fenômeno ENOS e das
condições de superfície da Amazônia. Além disso, os eventos de ENOS foram modulados
por oscilações de precipitações de múltiplas escalas de tempo, tais como: decadal,
interdecadal, anual e intrasazonal.
Mais recentemente, estudo de Treitman (2018), entre outros, explora a
determinação das fases do ENOS no que concerne ao planejamento do setor elétrico
mediante modelagem estocástica. Nesse estudo as vazões estão diminuindo
significativamente na região Nordeste e crescendo nas regiões Sudeste e Sul. Os modelos
conseguem capturar satisfatoriamente a distribuição da precipitação e da vazão nas
diferentes regiões brasileiras, além de suas variabilidades sazonais. As projeções futuras
são de redução dos volumes de chuva e das afluências naturais no setor centro-norte do
Brasil e discreta elevação na região sul do país. Diante de cenários críticos futuros, faz-
se necessário avaliar a capacidade de regularização dos reservatórios das usinas
existentes, visando à produtividade energética do país.
24
e rural, notadamente de saneamento, de drenagem e de impermeabilização de superfícies,
que permitem, então, oferecer condições mais adequadas para dimensionamento de obras
e serviços da natureza hidráulico-hidrológica. Dados históricos e confiáveis de
precipitação permitem que o projetista considere e mitigue os riscos existentes com a
execução da obra e oportunize a escolha da melhor alternativa em termos de custo-
benefício, considerando apropriadamente questões técnicas de desempenho e de
segurança da correspondente intervenção antrópica.
Dentre as forçantes hidrológicas de maior impacto na vida humana, está a
precipitação, que representa, via de regra, a principal entrada de água no sistema de
balanço hídrico-hidrológico, determinando as componentes de vazão e de evaporação,
intimamente ligadas à sua ocorrência e consequente pronunciada influência sobre áreas
povoadas, seja expressando-se por secas ou enchentes, com repercussões no
abastecimento de água, saneamento e drenagem, na produção de energia e de alimentos
e na efetiva gestão do território sob a ótica de bacias hidrográficas.
Chuvas intensas são fenômenos meteorológicos que provocam cheias nos
sistemas de drenagem, onde as vazões de pico atingem valores próximos da capacidade
máxima desses sistemas. Essas ocorrências também são denominadas chuvas extremas
ou máximas, e apresentam significativa lâmina precipitada durante pequeno intervalo de
tempo.
Geralmente, as chuvas intensas são capazes de suscitar grande quantidade de
escoamento superficial, podendo causar grandes prejuízos em áreas agrícolas, como a
inundação de terras cultivadas, a erosão do solo, a perda de nutrientes, o assoreamento e
a poluição de corpos de água (Cecílio et al., 2009). Dessa forma, é importante conhecer
as características dessas precipitações com o objetivo de evitar os problemas supracitados
e corroborar no planejamento de práticas de conservação do solo e da água, no manejo de
bacias hidrográficas e no dimensionamento de estruturas hidráulicas em geral.
O trabalho de Barcellos (2009) é ilustrativo da importância temática de
determinar, no nível operacional, probabilidade de detecção de eventos extremos na
cidade do Rio de Janeiro. No estudo, foi proposta uma metodologia de alerta de chuvas
intensas para a cidade do Rio de Janeiro através da identificação de variáveis
meteorológicas que indicam a formação de tempestades, sendo estas: a pressão ao nível
médio do mar, a convergência do vento em 1000hPa, a divergência do vento em 250hPa,
ômega em 500hPa, a convergência de umidade em 1000hPa, a instabilidade convectiva,
o índice K e o índice CK. A autora identificou que a probabilidade de detecção do sinal
25
da chuva intensa em 24 horas é maior do que em 48 horas. Além disso, as análises dos
indicadores, individualmente, mostraram que, em escala sinótica e em mesoescala, as
variáveis que mais se destacaram foram o índice CK e a instabilidade convectiva. Apesar
das limitações da pesquisa, a metodologia proposta prevê com razoável índice de acerto
e deve ser utilizada em conjunto com uma série de outras ferramentas meteorológicas de
monitoramento utilizadas pelos centros operacionais.
O trabalho de Sousa (2013) estuda eventos intensos pluviométricos em caso de
bloqueio atmosférico, como o ocorrido em Santa Catarina utilizando
dados diários de radiação de onda longa emergente (ROLE) e das componentes
zonal e meridional do vento, nos níveis de 850 hPa e 200 hPa, e altura
geopotencial em 200 hPa, provenientes do banco de dados de reanálises do NCE
PNCAR, para a caracterização da estrutura dinâmica de padrões ondulatórios
atmosféricos desde o oceano Pacífico até a América do Sul. O autor encontrou
a influência do sinal intrassazonal precursor no ramo sul da Zona de Convergência
do Pacífico Sul (ZCPS), indicando que a transferência de energia através
da teleconexão ZCPS-alta ocorre em fases quase opostas, dependendo da escala de
tempo do modo de variabilidade.
Sob o ponto de vista hidrológico, o trabalho de Warsawski (2013) aborda eventos
extremos na região serrana sob o ponto de vista probabilístico. Tal estudo empregou
algumas técnicas na estimativa de valores extremos de vazão e avaliou,
comparativamente, seus resultados, obtidos com dados da bacia do rio Bengala, situado
no município de Nova Friburgo – RJ. Conforme o autor, a abordagem não estacionária
empregada requer uma formulação mais consistente no sentido de permitir obter
resultados que correspondam melhor à realidade das vazões extremas. Por outro lado, a
análise de frequência conjugada mostrou desempenho adequado, incentivando o seu
maior emprego.
Silva (2019) examina a previsibilidade tempestades severas com base em
radiossondas e radar meteorológico. Em particular, Silva et al. (2017) analisam a
atmosfera usando radiossondas lançadas à tarde (entre as 12 e as 19 horas, horário local)
e identificou que a atmosfera apresentou as maiores taxas de aquecimento na camada
atmosférica mais próxima da superfície durante a tarde nos dias de nuvens diurnas (CC).
Comportamento semelhante foi observado para os dias da Zona de Convergência do
Atlântico Sul (ZCAS). Nos dias com presença do sistema frontal (FS), no entanto, foram
26
observados valores mais baixos de temperatura no período da tarde em relação aos
medidos pelas sondagens matinais.
O autor supracitado em seu estudo Silva et al. (2018) procurou caracterizar os
padrões sinópticos termodinâmicos e dinâmicos que desencadeiam episódios de chuvas
intensas e as correspondentes inundações do rio Quitandinha no estado do Rio de Janeiro.
Mais especificamente, o estudo revisou os eventos do período entre janeiro de 2013 e
dezembro de 2014 usando dados de reanálise. Os autores perceberam que os eventos de
inundação estavam relacionados à presença da Zona de Convergência do Atlântico Sul
(SACZ), sistemas frontais (FS) e tempestades convectivas (CS). Esses sistemas
mostraram um comportamento semelhante nos componentes de vento de alta frequência,
principalmente com relação aos ventos do noroeste antes da precipitação e a um forte
componente do vento do sudoeste durante eventos de chuva. As análises de agrupamento
indicaram que o principal componente para a formação de precipitação em relação aos
sistemas
Alternativamente, uma potencial solução para a caracterização e estimativa das
precipitações é a utilização de curvas intensidade-duração-frequência (IDF), que
consistem em modelos matemáticos semiempíricos que prevêem a intensidade
precipitada por meio da duração e da distribuição temporal. Eltz et al. (1992) afirmam
que a análise de frequência é uma técnica estatística importante no estudo das chuvas,
devido à grande variabilidade temporal e espacial das precipitações pluviais, as quais não
podem ser previstas em bases puramente determinísticas.
Esses modelos procuram incorporar as principais características da chuva,
permitindo gerar estimativas que visam atender a características específicas da
precipitação na localidade para a qual o modelo é concebido, por meio de análises
estatísticas, em função de chuvas intensas poderem ser potencialmente ajustadas por meio
do emprego de distribuições estatísticas.
O estudo Fadhel et al. (2017), por sua vez, alerta para as incertezas associadas a
esse tipo de modelagem de extremos, principalmente sob a ótica dos problemas
potencialmente oriundos de mudanças climáticas, visto que os quartis extremos de
precipitação representados pelas curvas IDF estarão sujeitos a alterações ao longo do
tempo. Como suporte na avaliação de mudanças esperadas entre as curvas IDF do clima
atual e de um clima futuro, projetadas por um modelo climático regional, os autores
encontraram, como resultado, que a incerteza na porcentagem de mudança nas chuvas
estimadas em comparação com as chuvas no clima atual varia significativamente.
27
Além disso, outra questão que requer atenção é a escassez de conhecimento de
características das chuvas no território brasileiro. Mesmo em regiões que apresentam
satisfatória densidade de postos pluviométricos, os dados disponíveis são insuficientes
para uma utilização em diferentes durações, sobretudo na escala de minutos ou horária,
tendo em vista que apresentam frequências de coleta da ordem do dia (Cardoso et
al.,1998).
O último estudo de chuvas intensas conduzido e reconhecido, no nível nacional,
remonta à década de 80 do século XX (Pfastetter, 1982), que empregou apenas 98
estações pluviométricas in situ, que constitui, ainda hoje em dia, referência para a
engenharia nacional quando o assunto é construção de obras de drenagem e intervenções
hidráulicas em perímetros urbanos e áreas rurais.
Uma provável causa para tal escassez é o fato de o país apresentar uma área muito
extensa, o que dificulta o registro de tais dados. A ausência de estudos relacionados a
esses registros dificulta a elaboração de projetos na área de recursos hídricos em locais
distantes dos grandes centros urbanos brasileiros (Pereira et al., 2007).
Cabe enfatizara dificuldade de realizar estudos sobre o tópico de chuvas extremas
na medida em queos volumes precipitados são essencialmente quantificados por estações
pluviométricas mediante registros diários de chuvas, constituindo-se, em geral, nas
informações acessíveis e passíveis de utilização, não somente pelo tamanho das séries,
mas também pela densidade das redes de coleta (Hernandez, 2008).
Todavia, sob essa perspectiva, a região amazônica possui uma rede de estações
pluviométricas com pelo menos duas severas limitações, ou seja, a sua densidade irregular
e o grande número de dados faltantes nas séries históricas dos postos que compõem a rede
de medição, o que merece atenção. Note-se que a área da bacia amazônica em território
brasileiro abrange cerca de 5.500.000 km², possuindo apenas 613 pluviômetros, que
cobrem, levando-se em conta, o somatório total das áreas de interceptação de um
pluviômetro tradicional, uma área de aproximadamente 24,5 m², ou seja, apenas 4,46 .10-
10
% de território passível de mensuração direta. Assim, a mensuração da chuva ao longo
dessa grande área por relativamente poucos pontos de captação, embora extremamente
relevante, representa enorme desafio para bem representar a efetiva distribuição espacial
pluviométrica, com natural dificuldade de captar eventos chuvosos diversos, que estão
sujeitos a características climáticas, fisiográficas e de cobertura da terra que variam no
espaço e no tempo.
28
Diversos trabalhos têm sido desenvolvidos com propostas de métodos mais
eficientes para o ajuste estatístico de dados de precipitação máxima. Entretanto existe
uma defasagem entre a teoria e a prática, que dificulta a aplicação de novas técnicas (Daud
et al., 2002).
Algumas metodologias foram desenvolvidas no Brasil para a obtenção de chuvas
intensas de menor duração a partir de dados pluviométricos, sendo que tais metodologias
empregam coeficientes para transformar chuvas de um dia em chuvas de menor duração.
Dentre essas metodologias, estão a das isozonas, proposta por Torrico (1975), e a
da desagregação da chuva de 24 horas, da Companhia de Tecnologia de Saneamento
Ambiental do Estado de São Paulo - CETESB (1979), sendo o uso desta última bastante
eficiente, tendo sido aplicada em diversos estudos dentre os quais cabe destacar Cardoso
et al. (1998), Oliveira et al. (2000), Oliveira et al. (2011) e Pereira et al. (2007).
No entanto, no que se refere à metodologia das isozonas, Costa e Rodrigues
(1999), ao compararem os resultados obtidos por esse método com os obtidos por meio
de equações de chuvas intensas, encontraram desvios entre 7,5% e 54%,
desaconselhando, dessa forma, o seu uso como metodologia de cálculo.
Assim, com o emprego da técnica da desagregação da chuva de 24 horas da
CETESB (1979), torna-se possível sanar os problemas apontados por Silva et al. (2003)
quanto ao pequeno período de observações disponível no que se refere à estimativa dos
parâmetros da equação de intensidade-duração-frequência (IDF) da precipitação, que,
conforme Silva et al. (2003), é a principal forma para caracterizar as chuvas intensas.
Tucci (2009) ainda ressalta que esse método é de grande aplicabilidade face à existência
do grande número de pluviômetros com séries longas espalhados por quase todo o
território nacional.
Em um estudo mais recente Abreu (2018), explorou-se a avaliação do método das
relações de chuvas de diferentes durações locais juntamente com os quocientes do estudo
de CETEB (1979), buscando tendências em função do período de retorno e com validação
no âmbito nacional. Com base no empregode dados pluviográficos e pluviométricos de
estações distribuídas no estado de Minas Gerais, o autor concluiu que a desagregação de
chuva por quocientes não apresenta equivalência em relação aos dados observados, mas
os erros obtidos pelos modelos são considerados aceitáveis na previsão de chuvas intensas
de diferentes durações, o que viabiliza a sua utilização em regiões com poucas
informações pluviográficas.
29
No trabalho de Coutinho et al. (2019), avaliou-se a influência da metodologia de
desagregação de precipitações máximas diárias para a obtenção de hidrogramas de
projeto usando a construção de curvas IDFs no semiárido nordestino. Segundo os autores,
as comparações entre as IDFs geradase as estimativas de referência ditas reais não
apresentaram grandes divergências entre si.
Já o trabalho de Teodoro et al. (2014), que utilizou, como área de estudo, o
município de Aquidauana/MS, avaliou a influência de diferentes coeficientes de
desagregação na determinação de equações IDF. Os autores constataram que os
coeficientes de desagregação de chuvas diárias influenciam consideravelmente na
determinação dos parâmetros da equação IDF.
Nesse contexto, é notório que o uso da metodologia de desagregação de chuva não
constitui um referencial absoluto, mas as aproximações por ela fornecidas tornam
possível a proposição de equações IDF para a maioria das regiões em escalas sub-diárias,
onde, de fato, não há dados coletados em escalas menores do que o dia. Assim, essa
versatilidade torna o procedimento referência na literatura, como ilustram os trabalhosde
Garcia et al. (2011), Silva et al. (2010), Souza et al. (2016), Aragão et al. (2013),
Lorenzoni et al. (2013), Campos et al. (2014) e Campos et al. (2015), entre outros.
31
1962). Nos estudos mais recentes, existem ainda as diretrizes estabelecida por Dias
(2014) e os conceitos concebidos por Souza et al. (2018). Esses dois últimos trabalhos,
em particular, elaboram uma reflexão sobre como melhor configurar uma rede de
medições por meio do mapeamento de áreas potenciais para a locação de estações, com a
identificação e a seleção de variáveis geoambientais utilizadas nos processos de locação
de estações.
Nesse cenário, outras formas de estimativa de chuva na superfície terrestre podem
se mostrar mais promissoras. O uso de radares meteorológicos no solo, por exemplo,
oferece estimativas espaciais da precipitação sobre grandes áreas e em tempo
aproximadamente real. No radar meteorológico, a taxa de precipitação em um
determinado ponto é correlacionada à intensidade de um sinal de retorno retroespalhado
pelas gotas de chuva, e a distância do ponto ao radar é correlacionada ao tempo de retorno
do sinal (Conti, 2012).
Pereira Filho et al. (2002) afirmam haver um crescimento no número desses
aparelhos no Brasil. Por exemplo, o Sistema de Vigilância da Amazônia (SIVAM)
instalou 10 radares na bacia amazônica, que, no entanto, cobrem apenas uma fração da
bacia. Para cobrir todo o país, seriam necessários 140 radares, investimento que uma
nação em desenvolvimento só pode fazer no longo prazo (Pereira Filho et al., 2002).
Estudos como o de Calvetti et al. (2003), realizado no radar instalado em Curitiba-
PR, apontou, no entanto, que esse mensurador pluviométrico possui várias limitações,
tais como a subestimação pluviométrica por atenuação do sinal devido à distância e por
barreiras físicas, como irregularidades na topografia. Além disso, Conti (2002) alerta para
o fato de que o radar deve ser calibrado periodicamente com dados conhecidos de
precipitação, necessitando ser ajustado por postos pluviométricos convencionais.
Sob esse prisma, pesquisas na COPPE/UFRJ têm continuamente buscado
identificar o aperfeiçoamento das técnicas da estimativa da precipitação por radar.
Barbosa (2000) e Lou (2004) investigaram as estruturas de correlação espacial dos valores
de chuva obtidos pelos postos pluviométricos localizados na bacia do Alto-Tietê e pelas
estimativas feitas pelo radar de São Paulo por meio da relação Z-R. Com o objetivo de
seguir uma abordagem geoestatística, as autoras conduziram sua pesquisa através de uma
análise estrutural realizada com dados de dois eventos chuvosos com origem em
diferentes sistemas meteorológicos: uma frente fria que atingiu a região do radar no dia
01/01/95 e um sistema convectivo ocorrido no dia 05/01/95. Lou (2004), utilizando dois
modelos geoestatísticos, krigagem bayesiana, abordado inicialmente em Barbosa (2000),
32
e simulação condicional por indicadores sequenciais (krigagem indicatriz), para a
estimativa da chuva, verificou que mediante modelagem de krigagem bayesiana,
confirmando resultados preliminares obtidos em Barbosa (2000), e via krigagem
indicatriz foi possível reproduzir estimativas observadas de precipitação bastante
reveladoras do potencial de utilização de um referencial geoestatístico no estudo da
variabilidade espacial de eventos chuvosos. Referências adicionais nessa área podem ser
encontradas em Barbosa (2000) e Lou (2004). Mais recentemente, Caseri et al. (2015)
emprega o referencial geoestatístico evidenciando o potencial de aplicação no
mapeamento de riscos e alertas de enchentes.
Mais recentemente, Calvetti (2012) obteve previsões probabilísticas de
precipitação foram obtidas a partir de um conjunto de simulações pelo modelo WRF e
utilizadas como condição de contorno no modelo hidrológico TopModel para a previsão
hidrometeorológica na bacia do rio Iguaçu, situada no estado do Paraná. Nas simulações
de cheias, durante o período de elevação do volume de precipitação, o erro médio
aritmético do conjunto de previsões foi menor do que cada um dos membros utilizados
nesse conjunto, indicando melhor destreza do conjunto médio em relação a qualquer
previsão determinística. Na dissipação dos sistemas precipitantes, alguns membros
obtiveram resultados melhores que o conjunto médio, e, em geral, as previsões são
confluentes. Contudo, os autores observaram que o modelo hidrológico é bastante
sensível a previsão de precipitação, e, portanto, a melhoria das previsões é diretamente
proporcional a diminuição dos erros nas previsões de precipitação.
Salviano (2019) realizou modelagens hidrológicas na bacia hidrográfica do rio
Muriaé usando o modelo hidrológico TOPMODEL com medições de precipitação de
estimativa de vazão da rede telemétrica da Rede Hidrometeorológica Nacional,
estimativas de precipitação por satélite com o método CMORPH, precipitação medida
pela telemetria e a estimada por satélite por meio da análise objetiva estatística
(ANOBES). O autor verificou que na região as simulações com CMORPH tenderam a
subestimar as vazões, enquanto com ANOBES o desempenho foi melhor, em especial
para períodos de cheia.
Por fim, cabe o destaque ao trabalho de Polifke (2019), que trata da integração, no
nível operacional, das escalas sinótica, regional e local. Na escala local, foram
empregadas informações de radiossondas e dados de radar meteorológico disponíveis
para a região metropolitana e região serrana do Rio de Janeiro. Nessa pesquisa em
particular, examina-se a questão de previsão de tempestades severas na região serrana do
33
Rio de Janeiro. Entre diversas inovações apresentadas no trabalho, explora-se, de forma
original, a relação Z-R na forma da construção de uma relação Z-N. A relação Z-R refere-
se à relação entre refletividade (Z - db) e taxa de precipitação (R- mm/h). Desde o trabalho
original e conhecido de Marshal e Palmer (1976), diversas relações foram propostas,
observando-se coeficientes de ajuste diferenciados conforme as relações físicas
predominantes no tipo de sistema precipitante, seja mais convectivo, ou seja, mais
estatiforme. No caso do trabalho de Polifke (2019), são usados dados de radar
meteorológico da cidade do Rio de Janeiro para examinar o comportamento de
inundações na bacia do rio Quitandinha, sub-bacia do rio Piabanha, situada na região
montanhosa do Rio de Janeiro, sob a forma da relação entre refletividade e nível de água
do rio na bacia do Quitandinha, o que se mostrou viável e de importância operacional
para a região de Petrópolis-RJ.
34
As bases pluviométricas geradas por sensoriamento remoto, quando comparadas
com outros instrumentos clássicos de mensuração, como é o caso de pluviômetros e
radares meteorológicos, acabam se tornando fonte complementar importante para a
medição mais precisa do fenômeno da precipitação.
Por outro lado, as fontes de dados providas por satélite merecem também ser
investigadas quanto a sua precisão e incertezas em estudos sobre a chuva. Em síntese, tais
incertezas podem ser categorizadas em aleatórias (intrínsecas) e sistemáticas. Enquanto o
primeiro tipo advém das imprecisões das leituras e das medições, ou seja, função de
oscilações naturais geradas nos resultados obtidos pela técnica, o segundo tipo resulta de
mudanças na técnica de medição empregada, envolvendo calibrações com grau de
precisão limitado de instrumentos de medição, modos de transmissão e ainda
processamento dos dados.
Assim, a identificação das diferenças entre as estimativas por satélite em contraste
com outras fontes de dados de chuva requer atenção para delimitar incertezas associadas
aos diferentes tipos de produtos de satélite e aos dados coletados por estações locais ou
ainda obtidos por meio de radar meteorológico, de forma que haja complementaridade na
análise conjunta do fenômeno mediante o emprego de dados de diferentes origens e
obtidos em escalas espaço-temporais distintas.
Na literatura, bases de dados adquiridas por sensoriamento remoto da chuva
destacam-se por possuírem séries históricas maiores do que 10 anos, resolução temporal
mínima diária e cobertura quase global, o que oferece robustez e confiabilidade na
aquisição do dado, estando discriminadas em detalhes na Tabela 2.1.
35
Tabela 2.1 – Base de dados de chuva provindos de sensoriamento remoto
Resolução Resolução
Produto Aquisição Tipo Limite Disponibilidade
Espacial Temporal
CHIRP V2.0 - Climate Hazards group
www.chg.ucsb.edu/data/chirps/ R 0,05° < 50° 1 dia 1981 – D.A.
Infrared Precipitationa
CHIRPS V2.0 - Climate Hazards group
www.chg.ucsb.edu/data/chirps/ R 0,05° < 50° 1 dia 1981 – D.A.
Infrared Precipitation with Stationsa
CMORPH V1.0 - CPC MORPHing
www.cpc.ncep.noaa.gov S 0,07° < 60° 30 min 1998 – D.A.
technique
CMORPH-CRT V1.0 - CPC
www.cpc.ncep.noaa.gov S 0,07° < 60° 30 min 1998 – 2015
MORPHing technique bias corrected
CPC Unified - Climate Prediction
www.esrl.noaa.gov/psd/data/gridded/ R 0,5° Global 1 dia 1979 – D.A.
Center Unifieda
ERA-Interim - European Centre for
www.ecmwf.int/en/research/climate-
Medium-range Weather Forecasts R ~0,75° Global 3h 1979 – 2017
reanalysis/era-interim
ReAnalysis Interim
GPCP-1DD V1.2 - Global
Precipitation Climatology Project 1- www.precip.gsfc.nasa.gov S 1° Global 1 dia 1996 – 2015
Degree Daily Combination
GPM - IMERG v04 - Global
Precipitation Measurement: IMERG www.giovanni.gsfc.nasa.gov/giovanni/ R 0,1° < 90° 1 dia 2000- D.A.
Algorithm
GSMaP V5/6 - Global Satellite
Mapping of Precipitation - Moving
www.sharaku.eorc.jaxa.jp/GSMaP/ S 0,1° < 60° 1h 2000 – D. A.
Vector with Kalman standard V5 and
V6
GridSat V1.0 - P derived from the
Gridded Satellite - B1 thermal infrared www.ncdc.noaa.gov/gridsat/ S 0,1° < 50° 3h 1983 – 2016
archive
Continua...
36
Tabela 2.1 – Continuação.
Resolução Resolução
Produto Aquisição Tipo Limite Disponibilidade
Espacial Temporal
JRA-55 - Japanese 55-year ReAnalysis www.jra.kishou.go.jp/JRA-55 R ~0,56° Global 3h 1959 – D.A.
MSWEP V2.0 - Multi-Source
www.gloh2o.org R 0,1° Global 3h 1979 – D.A.
Weighted-Ensemble Precipitation
MSWEP V1.2 - Multi-Source
www.gloh2o.org S 0,25° Global 3h 1979 – 2015
Weighted-Ensemble Precipitation
MSWEP-ng V1.2 - Multi-Source
Weighted-Ensemble Precipitation: no- www.gloh2o.org R 0,25° Global 3h 1979 – 2015
gauge
MSWEP-ng V2.0 - Multi-Source
Weighted-Ensemble Precipitation: no- www.gloh2o.org R 0,1° Global 3h 1979 – D.A.
gauge
NCEP-CFSR - National Centers for
Environmental Prediction: Climate www.cfs.ncep.noaa.gov/cfsr/ R ~0,31° Global 1h 1979 – 2010
Forecast System Reanalysis
PERSIANN - Precipitation Estimation
from Remotely Sensed Information www.chrs.web.uci.edu S 0,25° < 60° 1h 2000 – D.A.
using Artificial Neural Networks
PERSIANN-CCS - Precipitation
Estimation from Remotely Sensed
Information using Artificial Neural www.chrs.web.uci.edu S 0,04° < 60° 1h 2003 – D.A.
Networks - Cloud Classification
System
Continua...
37
Tabela 2.1 – Conclusão.
Resolução Resolução
Produto Aquisição Tipo Limite Disponibilidade
Espacial Temporal
PERSIANN-CDR V1R1 -
Precipitation Estimation from
Remotely Sensed Information using www.chrs.web.uci.edu S 0,25° < 60° 6h 1983 – 2016
Artificial Neural Networks - Climate
Data Record
SM2RAIN-ASCAT - P inferred from
Advanced Scatterometer - satellite www.hydrology.irpi.cnr.it S 0,5° Global 1 dia 2007-2015
a
near-surface soil moisture
TMPA 3B42 V7 - TRMM Multi-
www.mirador.gsfc.nasa.gov/ S 0,25° < 50° 3h 2000 – 2015
satellite Precipitation Analysis
TMPA 3B42RT V7 - TRMM Multi-
www.mirador.gsfc.nasa.gov S 0,25° < 50° 3h 2000 – 2015
satellite Precipitation Analysis
WFDEI-CRU - WATCH Forcing Data
www.eu-watch.org R 0,5° Global 3h 1979 – 2015
ERA-Interim
* adados somente disponíveis somente na litosfera; D.A. – Dias Atuais; S – Satélites; R – Reanálise.
38
Uma breve descrição de algumas dessas fontes de informações, com algumas de
suas aplicações, é apresentada nos próximos parágrafos.
39
Por exemplo, o estudo de Dinku et al. (2018) avaliou CHIRP e CHIRPS para a
região da África Oriental em escalas de tempo diária, decadal (10 dias) e mensal. A
avaliação foi feita comparando os produtos de satélite com os dados de pluviometria de
cerca de 1.200 estações. Os produtos CHIRP e CHIRPS também foram comparados com
dois produtos similares de chuvas operacionais por satélite: o Climatology de Chuvas
Africanas versão 2 (ARC2) e as Aplicações Tropicais de Meteorologia usando Dados de
Satélite (TAMSAT). Os resultados mostram que os produtos CHIRP e CHIRPS são
significativamente melhores que o ARC2, denotando maior habilidade e baixo ou nenhum
viés. Verificou-se, também, que esses produtos eram ligeiramente melhores do que a
versão mais recente do produto TAMSAT nas escalas decadal e mensal, enquanto o
TAMSAT obteve um melhor desempenho na escala de tempo diária. O desempenho dos
diferentes produtos de satélite apresenta alta variabilidade espacial com fraco
desempenho nas regiões costeiras e montanhosas.
No Brasil, o estudo de Paredes-Trejo et al. (2017) concentrou-se na região
nordeste do país com base na precipitação mensal derivada do CHIRPS v.2, comparando-
se esse produto com a observação de 21 estações terrestres no período 1981-2013. Várias
métricas baseadas em comparação pareada foram aplicadas pelos autores para avaliar o
desempenho do CHIRPS na estimativa da quantidade de chuva e na capacidade de
detecção de chuva. Os resultados do estudo mostraram que os dados do CHIRPS se
correlacionam bem com observações para todas as estações, mas tendem a superestimar
os baixos e subestimar os altos valores de precipitação. Embora o CHIRPS alcance
melhores resultados durante a estação úmida da região, sua capacidade de detecção de
chuva é baixa. Saliente-se que o melhor desempenho global foi observado no bioma de
cerrado, mas não detectou chuva em outros biomas. Por fim, o estudo concluiu que o
conjunto de dados CHIRPS pode ser um substituto útil para dados de precipitação
pluviométrica fora do semiárido do nordeste brasileiro.
40
precipitação, de qualidade relativamente alta, determinadas a partir de dados passivos de
microondas. Além disso, a forma e a intensidade dos dados de precipitação são
modificadas ou ajustadas durante o tempo entre as varreduras de sensores de microondas,
executando uma interpolação linear ponderada pelo tempo. O processo produz análises
de precipitação derivadas de microondas, espacial e temporalmente, independentemente
do campo de temperatura infravermelho (Joyce et al., 2004; Janowiak et al., 2005).
Segundo Joyce et al. (2004), o CMORPH mostrou melhorias substanciais tanto
na média simples das estimativas de microondas quanto nas técnicas que combinam
informações de microondas e infravermelho, mas que derivam estimativas de precipitação
a partir de dados infravermelhos quando informações passivas de microondas não estão
disponíveis.
A versão do CMORPH-CRT V1.0 difere do CMORPH V1.0 no que se refere ao
emprego de estações pluviométricas para calibrar o aparato metodológico da segunda
base de dados.
Os estudos de Ebert et al. (2007) e de Joyce et al. (2004) avaliaram o emprego do
CMORPH para o território australiano. Ambos os estudos relataram que esse banco de
informações supera outros produtos de sensoriamento remoto na região tropical da
Austrália em termos de correlação espacial diária validada por pluviômetros.
Behrangi et al. (2011) e Kidd et al. (2012) relataram que o CMORPH tendeu a
superestimar a quantidade de precipitação durante os períodos chuvosos, tanto para os
Estados Unidos, no primeiro estudo, como para a Europa, no segundo, apresentando,
assim, maior confiabilidae na identificação da ausência de eventos pluviométricos.
Na região amazônica, o trabalho de Pereira Filho et al. (2014) efetua a comparação
de estimativas de precipitação do CMORPH com informações de pluviômetros na bacia
Amazônica nos anos de 2003 e 2004, segundo as escalas de tempo de acumulação diária,
mensal e anual. Os autores relatam que a correlação entre a precipitação derivada de
satélite e aquela determinada por estação pluviométrica aumenta com o período de
acumulação de diário para mensal, principalmente durante a estação chuvosa.
- CPC Unified
O CPC unified (Xie et al., 1997) é uma fonte de dados baseada em medidores da
precipitação diária construída em uma grade de latitude e longitude de 0,5 ° sobre todo o
globo. Essa fonte de dados inicia-se no ano de 1979 e é atualizada até o período atual.
41
Na criação dessa base, é usado um quantitativo de 2200 estações pluviométricas
pertencentes a vários órgãos de monitoramento. Com as informações dos pluviômetros,
primeiramente, os campos pluviométricos diários são calculados usando a técnica de
distância inversa de Shepard (1968), procedimento que se baseia no somatório dos seis
primeiros harmônicos da série temporal de 365 dias obtidos a partir dos valores médios
diários durante o período.
Os campos pluviométricos diários são, então, ajustados pela climatologia mensal
de precipitação do modelo de regressão de parâmetros, em declives independentes
(PRISM), para corrigir o viés causado por efeitos orográficos. Ao realizar esse
procedimento, a evolução sazonal da precipitação pode ser muito bem capturada
considerando-se os efeitos orográficos.
A análise diária da precipitação é definida interpolando a razão entre os totais
diários observados e a climatologia diária através do algoritmo de interpolação ótima (OI)
de Gandin (1965) e multiplicando a razão interpolada pela climatologia diária de
precipitação.
O estudo de Xie et al. (1997), além de apresentar a base de dados, também realiza
sua avaliação usando testes de validação cruzada com informações pontuais de
pluviômetros na Ásia. Segundo os autores, a qualidade fornecida pelos dados aumenta
com a densidade da rede do medidor. Comparando-se, no nível mensal, com outras fontes
de sensoriamento remoto disponíveis para a região, a distribuição média e o ciclo anual
apresentam padrões semelhantes, mas com estruturas mais detalhadas e magnitude um
pouco maiores.
.
- ERA ‐ Interim
O ERA ‐ Interim (Dee et al., 2011) é uma base de reanálise de informações
atmosféricas em nível de píxel de aproximadamente 0,75° x 0,75°, global e criada pelo
European Centre for Medium-Range Weather Forecasts (ECMWF). O produto cobre
desde o período iniciado em 1 de janeiro de 1989, sendo mantido até os dias atuais.
Os produtos de dados em grade incluem uma grande variedade de parâmetros de
superfície de três horas, descrevendo o clima, bem como as condições das ondas
oceânicas e da superfície da Terra e os parâmetros do ar superior em intervalos de seis
horas, cobrindo a troposfera e a estratosfera. Integrais verticais de fluxos atmosféricos
conjuntamente com médias mensais para muitos dos parâmetros e outros campos
derivados também foram produzidos (Dee et al., 2011).
42
Segundo Berrisford et al. (2011), o sistema ERA ‐ Interim é produzido com um
esquema de assimilação sequencial de dados, avançando no tempo usando ciclos de
análise de 12 horas. Em cada ciclo, as observações disponíveis são combinadas com
informações anteriores de um modelo de previsão para estimar o estado de evolução da
atmosfera global e de sua superfície subjacente. Essa atividade envolve o cálculo de uma
análise variacional dos campos atmosféricos básicos do ar superior (temperatura, vento,
umidade, ozônio, pressão da superfície), seguida de análises separadas de parâmetros
próximos à superfície (temperatura e umidade do ar a 2 metros de altura), umidade
temperatura do solo, neve e ondas do mar. As análises são usadas para inicializar uma
previsão de modelo de curto alcance, que fornece as estimativas de estados anteriores
necessários para o próximo ciclo de análise.
Além disso, segundo os autores supracitados, o ERA ‐ Interim é produzido com o
ECMWF IFS, que incorpora um modelo de previsão com três componentes totalmente
acoplados para atmosfera, superfície terrestre e ondas do oceano.
O estudo de Beck et al. (2017), ao analisar conjuntamente dados puramente de
satélites com fontes de reanálise para níveis globais, encontrou que a base de dados de
reanálise ERA-Interim juntamente com a JRA-55 obtiveram erros de tendência mais
baixos entre os conjuntos de dados de satélite testados.
- GPCP-1DD V1.2
A base de informações GPCP-1DD (Huffman et al., 2001) reproduz estimativas
diárias globalmente completas da precipitação em uma grade de 1° x 18° de latitude e de
longitude, respectivamente, long a partir dos dados observacionais. A técnica fornece
estimativas de precipitação ondee temperaturas de brilho definidas no infravermelho, em
períodos de 3 horas, são comparadas com um limiar, e todos os píxeis denominados de
"frios" recebem a atribuição de uma única taxa de precipitação.
Conforme Huffman et al. (2001), a abordagem empregada pelo GPCP-1DD V1.2
é uma adaptação do índice de precipitação ambiental por satélite geoestacionário
operacional. No caso, emprega-se o índice de precipitação combinado pelo limite (TMPI),
onde temperatura de brilho no infravermelho e a taxa de chuva condicional são
estabelecidos localmente por mês a partir da frequência de precipitação baseada em
sensor especial de microondas do satélite GPCP (Global Precipitation Climatology
Project) e de dados de postos pluviométricos consolidados no produto Gauge (SG), que
é determinado, por sua vez, na escala mensal e globalmente . Em latitudes mais altas, o
43
produto apresenta uma precipitação diária obtida via Televisão e Sonda Vertical
Operacional por Satélite de Observação no Infravermelho (TOVS).
O estudo de Boers et al. (2014) empregou o GPCP-1DD juntamente com outras
cinco fontes para comparar a capacidade dessesprodutos em representar as chuvas
extremas durante a estação das monções (dezembro a fevereiro) na América do Sul. Os
autores constataram em suas análises a limitação de todos os conjuntos de dados em bem
representar esse tipo de evento pluviométrico na área estudada, visto as grandes
discrepâncias encontradas para o desenvolvimento de sistemas convectivos de
mesoescala.
- GPM - IMERGM
O GPM - IMERG foi desenvolvido pela National Aeronautics and Space
Administration (NASA) juntamente com a Japan Aerospace Exploration Agency
(JAXA). Visa monitorar globalmente, por meio de satélites, as precipitações na
atmosfera, em alta resolução temporal de até 3 horas entre as observações (Hou et al.,
2014). Dentre as informações usadas na formação desse banco de dados, estão os satélites
TRMM e GPM-Core.
Nicolete (2017) avaliou, para o ano de 2015, as estimativas de precipitação do
satélite GPM (Global Precipitation Measurement) sobre a bacia do rio Tietê no estado de
São Paulo, comparando-as com estações pluviométricas. Os autores observaram uma
concordância satisfatória entre os valores de precipitação estimados e os observados, com
valores de correlação linear e coeficiente de determinação iguais a 0,82 e 0,64
respectivamente, evidenciando a potencialidade dos dados de precipitação obtidos por
sensoriamento remoto como complementares aos obtidos em campo.
Na região amazônica, Serrão et al. (2019) analisou as estimativas de precipitação
fornecidas pelo GPM-IMERG e comparou-as com as estimativas do algoritmo 3B43 do
Tropical Rainfall Measuring Mission (TRMM) para a bacia hidrográfica do rio Solimões
nos meses de abril/2014, julho/2014, outubro/2014 e janeiro/2015). Além disso, o estudo
validou essas estimativas com dados de precipitação em superficie, referentes ao banco
de dados do INMET (Instituto Nacional de Meteorologia). Os autores observaram que
todos os meses estudados tiveram excelentes índices estatísticos, sobressaindo-se o mês
de outubro, que apresentou o melhor desempenho. Porém, no verão, existe uma tendência
de subestimativa do satélite em relação ao observado pelo INMET. Para o inverno, o
44
GPM apresentou características de superestimativa da precipitação medida nas estações
meteorológicas do INMET.
- Produtos MSWEP
A família de produtos MSWEP foi lançada em junho de 2016, constituindo-se em
um conjunto de dados de precipitação global para o período de 1979 a 2015 com uma
resolução temporal de 3 horas e dimensão do píxel de 0,25° (Beck et al., 2017). Tal base
foi concebida especificamente para modelagem hidrológica, com o objetivo de superar a
escassez relacionada ao desempenho de produtos de satélite na representação da
precipitação em regiões montanhosas, tropicais e com derretimento de neve.
A base de informações utiliza diferentes tipos de dados, como medições de
pluviômetros, observações de satélite e estimativas de modelos atmosféricos. A média de
longo prazo do MSWEP é baseada no conjunto de dados CHPclim, onde a fonte padrão
é substituída por conjuntos de dados regionais mais precisos. Uma correção para os
efeitos orográficos é introduzida, inferindo-se a precipitação média de aquisição a partir
de observações de fluxo (Q) em 13.762 estações em todo o mundo. A variabilidade
temporal do MSWEP é determinada pela média ponderada das anomalias de chuva em
sete conjuntos de dados, a saber: dois baseados apenas na interpolação de observações do
medidor (CPC Unified e GPCC), três no sensoriamento remoto por satélite (CMORPH,
GSMaP-MVK e TMPA 3B42RT) e dois na reanálise de modelos atmosféricos (ERA-
Interim e JRA-55). Para cada célula da grade, o peso atribuído às estimativas baseadas
em medidores é calculado a partir da densidade da rede de medidores, enquanto os pesos
atribuídos às estimativas baseadas em satélite e reanálise são calculados a partir de seu
desempenho comparativo nos medidores circundantes (Beck et al., 2017).
O conjunto de dados do MSWEP foi validado em escala global no estudo de (Beck
et al., 2017). Foi usado o modelo conceitual chuva-vazão denominado HBV (Integrated
Hydrological Modeling System) com cinco conjuntos de dados de precipitação diferentes
em 9011 bacias hidrográficas (<50000 km2) em todo o mundo. O MSWEP obteve o maior
coeficiente de correlação diário (R) entre os cinco conjuntos de dados chuva para 60 %
das estações testadas.
- Produtos PERSIANN
O algoritmo PERSIANN usa um modelo de rede neural artificial (RNA) para
estimar a precipitação usando radiação na faixa do infravermelho. Sua precisão é
45
aprimorada pelo ajuste adaptativo dos parâmetros da rede pluviométrica, usando
estimativas de precipitação de um sensor passivo de microondas.
No nível de píxel, o algoritmo ajusta a média e o desvio padrão da temperatura de
brilho de um píxel bem como a textura de temperatura do píxel adjacente à taxa de
precipitação calculada (Hsu et al., 1997).
Dentre os produtos PERSIANN, destacam-se o PERSIANN-CDR (Ashouri et al.,
2015), para registro de dados climáticos, e o PERSIANN-CCS (Hong et al., 2004). O
primeiro foi desenvolvido a partir do algoritmo PERSIANN direcionado a empregar
dados matriciais captados no infravermelho obtidos por satélite (GridSat-B1) e
estimativas da polarização usando os dados mensais de precipitação adquiridos de píxeis
na escala de 2,5° do GPCP (Ashouri et al., 2015). O produto fornece informações de
precipitação diárias de 1983 a 2016 em dimensões quase globais (60°S – 60°N) com
resolução espacial de 0,25◦.
Já o segundo produto é processado por meio de estimativa de satélite baseado em
radiação eletromagnética na faixa do infravermelho, com base em técnicas de
processamento de imagem e reconhecimento de padrões para desenvolver um sistema de
classificação de nuvens baseado em trajetória (patch) (CCS). Esse modelo é baseado em
redes neurais com intensidade horária de precipitação, recobrindo todo o globo terrestre,
e seus píxeis são de 0,04° × 0,04°.
O trabalho de Mei et al. (2014) comparou os dados de pluviômetros em regiões
montanhosas dos Alpes italianos com o PERSIANN-CDR. Os autores descobriram que o
produto superestimou a chuva em regiões com baixa pluviosidade e subestimou em
regiões com alta precipitação.
Yang et al. (2016) e Zambrano-Bigiarini et al. (2017) avaliaram o produto usando
série pluviométricas de estações no Chile. Enquanto o primeiro estudo encontrou boas
estimativas e representação da variação sazonal, o segundo relata que os produtos
CMORPH e PERSIANN-CDR foram menos hábeis em representar as chuvas observadas
em relação outros produtos de sensoriamento testados na pesquisa.
46
O satélite usa vários instrumentos para detectar a chuva, incluindo radar, sensores
de imagem de microondas e sensores de raios.
Os principais sensores a bordo do TRMM, relacionados com a estimativa da
precipitação, são: TRMM Microwave Imager (TMI), Precipitation Radar (PR) e Visible
and Infrared Radiometer System (VIRS); além desses equipamentos, há ainda os sensores
para imageamento de relâmpagos (LIS) e sensor de energia radiante da superfície terrestre
e das nuvens (CERES) (TRMM, 2018). Na sequência, discorre-se sobre esses sensores.
O TMI é um sensor passivo de microondas projetado para fornecer informações
quantitativas de precipitação em uma ampla faixa sob o satélite TRMM. Baseia-se na lei
de radiação de Planck, que descreve a quantidade de energia que um corpo irradia, dada
a sua temperatura. Dessa forma, estima as quantidades diminutas de energia de
microondas emitida pela Terra e por sua atmosfera, quantificando o vapor de água, a água
da nuvem e a intensidade da chuva na atmosfera (TRMM, 2018).
O PR foi o primeiro instrumento espacial projetado para fornecer mapas
tridimensionais da estrutura de tempestade. Separa os ecos de chuva para amostras
verticais de cerca de 250 metros. Tem uma resolução horizontal no solo de cerca de 5 km
e uma largura de 247 km, sendo capaz de detectar taxas de chuva razoavelmente baixas,
de até 0,027 polegadas (0,7 milímetros) por hora. Essas medições produzem informações
importantes sobre a intensidade e a distribuição da chuva, sobre o tipo de chuva,
profundidade da tempestade e sobre a altura em que a neve derrete na chuva (TRMM,
2018).
O VIRS detecta radiação vinda da Terra em cinco regiões espectrais, variando de
visível a infravermelho, ou 0,63 a 12 micrômetros. A sua integração no TRMM é devido
a sua capacidade de delinear a chuva e servir como padrão de transferência para outras
medições que são feitas rotineiramente usando satélites POES e GOES (TRMM, 2018).
Muitos estudos têm validado o uso do TRMM para diversas localidades do
mundo, especialmente no Brasil. Os estudos descritos abaixo fazem uma avaliação do
uso em diversas regiões do país.
Nobrega et al. (2008) realizaram uma análise comparativa entre dados de
precipitação observados em 6 pluviômetros e dados de precipitação estimados pelo
satélite TRMM na bacia do rio Jamari no estado de Rondônia, utilizando o coeficiente de
correlação como estatística de comparação. Segundo esses autores, o TRMM
correlaciona-se melhor com uma rede mais densa de pluviômetros, sendo que, quando
comparado com os dados acumulados ao longo do período desse estudo, os valores do
47
TRMM foram praticamente idênticos aos da rede de pluviômetros. Adicionalmente, os
autores ainda destacam que o satélite foi hábil ao capturar a variabilidade sazonal da
precipitação sobre a bacia de forma satisfatória.
No estudo de Collischonn et al. (2007), foi analisado, na bacia do Paraguai
superior, situada no planalto da bacia do alto Paraguai, os campos de precipitação e as
precipitações médias obtidos por meio do satélite TRMM. Segundo os autores, os
resultados do estudo foram muito satisfatórios, pois foi mostrado que as estimativas desse
satélite podem ser uma fonte alternativa de dados em caso de escassez de informação
pluviométrica.
O trabalho de Anjos et al. (2017) analisou a qualidade das estimativas do satélite
TRMM no município de Petrolândia em Pernambuco, caracterizando as variações das
chuvas convectivas e estratiformes, relacionando-as com fenômenos climáticos e eventos
extremos. Os autores observaram que os dados do satélite tendem a acompanhar a
variabilidade da chuva durante todo o período estudado, e as estimativas ora
superestimaram e ora subestimaram os dados das estações pluviométricas com os quais
foram comparados.
Leivas et al. (2014) avaliaram o comportamento do índice de vegetação
padronizado (IVP), obtido a partir do produto NDVI (normalized difference vegetation
index) decendial do satélite SPOT-vegetation, para o monitoramento da seca no nordeste
brasileiro, a partir da série histórica de 1998 a 2012. Os autores padronizaram o índice de
vegetação mediante o emprego de dados de precipitação obtidos do satélite TRMM,
adquiridos de março de 2011 a março de 2012. Os autores encontraram resultados
satisfatórios na representação dos fenômenos climáticos no nordeste do Brasil por essa
técnica, pois foi observada a ocorrência de intensa seca na região estudada e defasagem
na resposta da vegetação à precipitação estimada a partir do TRMM.
Silva et al. (2011) avaliaram a precipitação estimada através do radar S-POL
(banda S) e pelo algoritmo 3B42_V6 do satélite TRMM durante o experimento do período
chuvoso de 1999 do projeto TRMM-LBA na bacia Amazônica, com enfoque na
variabilidade diária. O estudo utilizou técnicas estatísticas baseadas em tabela de
contingência e índices, bem como empregou análise harmônica. Os autores concluíram
que o algoritmo 3B42_V6 reproduz características importantes do ciclo diário de
precipitação: (i) o máximo intenso às 21:00 UTC (17:00 HL); (ii) precipitação noturna
mais intensa durante o regime de oeste.
48
Zubieta et al. (2019) utilizaram os produtos TMPA 3B42_V7 e TMPA 3B42RT_
V7 juntamente com o CMORPH e o PERSIANN para analisar a capacidade de produtos
de sensoriamento remoto em estimar a precipitação diária na bacia amazônica por meio
do cálculo do índice de concentração (IC), que consiste em percentuais acumulados de
chuva, para o período de 2001-2009. Os resultados do estudo apontaram que os conjuntos
de dados PERSIANN e TMPA 3B42_V7 estimam melhor a concentração diária de
precipitação para Amazônia inteira, mas com um erro relativo de 8%. Além disso, o IC
estimado a partir de satélites não concorda bem com a precipitação observada nos Andes
e no norte da Amazônia peruana. Por outro lado, a variabilidade temporal do IC pode ser
parcialmente detectada usando os conjuntos de dados CMORPH e TMPA 3B42_V7 nos
Andes peruanos e no centro e sul do Brasil.
O estudo de Oliveira (2019) realizou uma avaliação do desempenho do produto
TMPA 3B42 juntamente com o CMORPHv1.0-CRT e o PERSIANN por meio de índices
categóricos e métricas contínuas nas escalas temporais diária, mensal e anual sobre a
bacia do rio Paranaíba. Em termos médios, o produto oriundo do TRMM sobressaiu-se
ao restante em todas as escalas temporais, contudo os resultados demostram que os
produtos apresentam boa capacidade de identificar eventos de chuva, mas baixa precisão
em classificar suas intensidades, e não há um único produto que desempenhe
sistematicamente de forma superior em todas as análises realizadas.
- Média aritmética
O método da média aritmética configura-se na suposição de que todos os
pluviômetros possuam a mesma abrangência na área em que se encontram, ou seja, que
exercem sua influência na precipitação média de forma similar. Nesse contexto, essa
variável pode, segundo Puyol e Villa (2006), ser calculada pela Equação 2.1, que se trata
de uma simples média aritmética.
1
𝑃𝑚 = 𝑛 ∑𝑛𝑖=𝑛 𝑃𝑖 (2.1)
onde:
Pm – altura pluviométrica média (mm) precipitada sobre uma determinada área;
Pi – precipitação no enésimo pluviômetro (mm);
n – número total de pluviômetros utilizados no cálculo.
- Thiessen
No que tange ao método de Thiessen, considera-se que cada posto pluviométrico
possuirá uma sub-área de influência dentro da região em que se encontra. Logo tal
50
procedimento prevê que tais postos estejam dispostos de forma não uniforme no espaço.
Essas sub-áreas de influência são determinadas por meio dos diagramas de Voronoi, os
quais formam polígonos por meio da intersecção de mediatrizes das linhas que ligam dois
postos adjacentes.
Essa metodologia pode, por vezes, ser inviabilizada em algumas situações em
função de desconsiderar a influência do relevo, sendo que, para apresentar resultados mais
confiáveis, os terrenos deverão ser levemente acidentados e as distâncias entre os
pluviômetros pouco extensas (Tucci, 2009).
- Isoietas
A isoieta é definida como curva de mesma precipitação, e sua elaboração ocorre
por meio da interpolação dos dados de postos pluviométricos.
A interpolação é um procedimento que permite construir um novo conjunto de
dados a partir de um conjunto discreto de dados pontuais conhecidos, ou seja, trata-se de
um método que possibilita proceder à reconstituição (aproximada) de uma função apenas
conhecendo algumas das suas abscissas e respectivas ordenadas (imagens). Assim, em
suma, a interpolação constitui-se em um método de estimar um dado parâmetro em
determinado ponto do espaço para o qual não existe informação disponível, considerando-
se que os pontos próximos tendem a ter valores mais semelhantes do que pontos mais
afastados (Souza et al., 2011).
Os interpoladores mais empregados em chuvas, segundo Righi e Basso (2016),
são a função de base radial multiquadrada (BRM), o método de krigagem (KG), o inverso
de distância ponderada (IDP) e o vizinho natural (VN).
𝑠(𝑥) = 𝑝(𝑥) + ∑𝑁
𝑖=1 𝜆𝑖 𝜙(|𝑥 − 𝑥𝑖 |), 𝑥𝜖ℝ
𝑑
(2.2)
onde:
- p é um polinômio de grau máximo k;
51
- λi é o peso real {λ i: i = 1, 2,..., n} estimado pelos valores dos dados;
-ϕ (x) é a função base real positivo r - que é a distância (raio) de origem, conforme as
Equação 2.3 e Equação 2.4;
- (| x – xi |) é a distância euclidiana da localização estimada (xi) de cada dado localizado
(x).
𝜙(𝑟) = 𝑟 2 log(𝑟) (2.3)
𝜙(𝑟) = √𝑟 2 + 𝑐 2 (2.4)
Righi e Basso (2016) ressaltam que o uso dessa metodologia é aconselhável em
situações de dados muito dispersos e baseia-se na formação de combinações lineares de
funções radiais.
- Kriging
O método kriging (KG) é baseado na proposição de que se pode fazer inferências
a partir da construção de uma função aleatória Z(x), a partir de variáveis aleatórias
estabelecidas nos pontos Z(x1), Z(x2), ..., Z(xn).
Gallardo (2006), por sua vez, comenta que essa técnica usa uma função contínua
que busca explicar o comportamento de uma variável aleatória de interesse nas distintas
direções de um espaço geográfico, e permite associar a variabilidade da estimação com
base na distância que existe entre um par de pontos, pelo uso de um semivariograma, o
qual é a descrição matemática do relacionamento entre a variância (v) de pares de
observações (pontos) e a distância separando essas observações (h). A completa
exposição da teoria geoestatístca pode ser encontrada em Matheron (1976) e em Journel
e Huijbregts (1978).
Dentre as características de um semivariograma estão: (a) o patamar (sill) , que
representa a estabilização da semivariância num valor igual à variância média a partir de
uma certa distância (h); (b) o alcance (range) (a), que representa a distância entre o início
do semivariograma e o começo do patamar, que está associado à variância assintótica (c0
+c), que consiste na variância limite, ou seja, aquela em que a sequência, ou estimador
tem no limite; (c) o efeito pepita (nugget effect) (c0), que é o valor não nulo de
semivariância obtido ao se extrapolar a curva do semivariograma para a distância zero.
Na literatura, descrevem-se mais correntemente quatro tipos de variogramas:
linear, esférico, exponencial e gaussiano.
No variograma linear, o patamar não existe, e a curva é apresentada de forma
simples pela Equação 2.5 como
52
𝑣 = 𝑐0 + 𝑐ℎ (2.5)
ℎ ℎ 3
𝑐 + 𝑐 [1,5 (𝑎) − 0,5 (𝑎) ] , 𝑠𝑒ℎ < 𝑎
𝑣={ 0 (2.6)
𝑐0 + 𝑐, 𝑠𝑒ℎ > 𝑎
−ℎ
𝑣 = 𝑐0 + 𝑐 (1 − 𝑒 𝑎 ) (2.7)
53
1
∑𝑛
𝑖=1 𝑧(𝑥𝑖 ) 𝑑𝑖𝑗𝛼
𝑍̂(𝑋) = 1 (2.9)
∑𝑛
𝑖=1 𝑑𝑖𝑗𝛼
- Vizinhança natural
O método vizinhança natural é baseado no método de polígonos de Thiessen do
conjunto de pontos de dispersão. Segundo ESRI (2018), essa interpolação é construída a
partir da triangulação de Delauney de um conjunto de pontos de dispersão.
Mazzini e Schettini (2009) complementam, ainda, que, diferente das demais
técnicas, esta não extrapola valores, resolvendo a interpolação somente para o interior do
domínio dos dados, utilizando a média ponderada dos pontos vizinhos, onde os pesos são
proporcionais às áreas de influência.
O vizinho natural usa uma equação idêntica à do IDW, sendo que as diferenças
entre esses procedimentos são o cálculo dos pesos e o método usado para selecionar o
subconjunto de pontos de dispersão utilizados para a interpolação.
Alguns autores investigam o uso das técnicas supracitadas para verificar qual o
melhor estimador espacial de chuvas para as regiões do Brasil, sendo alguns deles
descritos abaixo.
No trabalho de Righi e Basso (2016), avaliaram-se, comparativamente, diferentes
métodos de interpolação de chuvas para a bacia hidrográfica do rio Piratinim, no noroeste
do Rio Grande do Sul, por meio de análise espacial utilizando o inverso de distância
ponderada, método kriging, vizinho natural e função de base radial multiquadrada. A
conclusão foi que a estimativa da precipitação com modelos estatísticos também
representa uma alternativa potencial, dada a sua facilidade operacional e capacidade de
estimar a precipitação para um local específico, reduzindo o tempo de trabalho e de
recursos investidos.
Alves e Vecchia (2011) analisaram a acurácia de diferentes interpoladores
(inverso do quadrado da distância, krigagem, mínima curvatura e triangulação) sobre a
precipitação anual do estado de Goiás. Nesse estudo, os interpoladores foram avaliados
por meio do erro médio quadrático, do desvio das médias, do coeficiente de determinação
e do coeficiente de correlação de Pearson. Segundo os autores, os resultados mostraram
que, entre os métodos analisados, o mapa resultante da triangulação não permitiu a
extrapolação para fora do domínio dos postos pluviométricos amostrais e que a melhor
54
acurácia obtida foi pelo método da mínima curvatura, seguido pelo método do inverso do
quadrado da distância.
Marcuzzo et al. (2011) estudaram os métodos de interpolação matemática IDP,
krigagem, spline de tensão e topo-to-raster para a regionalização de pontos por isolinhas,
visando descobrir analiticamente o melhor método para espacialização de pontos com
dados pluviométricos para o estado de Mato Grosso. Os autores supracitados usaram
dados de precipitação mensal de 76 estações pluviométricas distribuídas no território do
estado do Mato Grosso. O estudo concluiu que, para essa região, os melhores resultados
foram obtidos através do método de interpolação topo-to-raster.
Lucas et al. (2014) procuraram definir o interpolador que melhor representasse a
espacialidade das chuvas em Belo Horizonte para 3 períodos de tempo, ou seja, para a
chuva acumulada mensal, para o total diário e para eventos diários de maior intensidade
(mm.h-1), a partir de 14 pluviômetros de báscula instalados em nove regionais
administrativas. Os autores compararam os métodos de interpolação por IDP, BRM e KG
através de tratamentos estatísticos dos resíduos gerados pelo método de validação
cruzada. Os resultados obtidos por esse estudo mostram que o método KG foi o
interpolador com os melhores parâmetros estatísticos para chuvas mensais e eventos
diários de maior intensidade. Contudo os totais diários apresentaram melhores
estatísticasde desempenho através do método BRM, apesar da análise visual apontar uma
melhor suavização das isoietas por KG.
55
Os filtros passa-banda são caracterizados por requerer uma especificação a priori
do componente que se deseja estudar em uma determinada banda de frequências, de forma
que o procedimento consiste em extrair aquelas flutuações que fazem parte da banda de
interesse e remover as restantes, sendo citadas, como exemplo de técnica desta tipologia,
as ondaletas (Angelis, 2014).
Nos métodos baseados em modelos, o pesquisador especifica o processo
estocástico que gera a tendência, sendo o filtro de Kalman um exemplo desse
procedimento.
𝑚𝑖𝑛 {∑𝑟𝑡=1 ⏟
(𝑦𝑡 − 𝜏𝑡 )2 + 𝜆 ∑𝑇−1 ⏟ 𝑡+1 − 𝜏𝑡 ) − (𝜏𝑡 − 𝜏𝑡−1 )] }
𝑡=2 [(𝜏 (2.11)
1 2
onde:
- o primeiro termo da equação é a soma da série dos desvios, entre os valores da série
original e os respectivos valores da série da tendência, elevados ao quadrado e é uma
medida do grau de ajuste;
- o segundo termo é a soma do quadrado da segunda diferença entre os componentes da
tendência e indica seu grau de suavidade.
56
O parâmetro de suavização ou penalização (λ) controla as variações da taxa de
crescimento da componente tendência e deve assumir valores positivos, pois, se λ = 0, a
série da tendência seria igual à série original. Por outro lado, quanto maior for λ, maior é
a suavização da tendência, tal que se λ→ ∞, a tendência se aproxima de uma linha reta
(Hodrick; Prescott, 1980).
Hodrick e Prescott (1980), em seu trabalho, assumem que o fator penalizador
(Equação 3.9) é função da relação entre a variância do primeiro termo (θc) e a variância
do segundo termo (θτ) da Equação 2.12 segundo a expressão.
𝜃
𝜆𝑡 = (𝜃𝑐 ) (2.12)
𝜏
Tabela 2.2 – Valores dos parâmetros penalizadores para séries de dados anuais (λa),
trimestrais (λt) e mensais (λm) e o correspondente ciclo de referência (P).
(λa) (λt) (λm) P (anos)
1 179 14400 5,7
57
5 1190 95972 9,2
6 1437 115975 9,7
7 1600 129119 9,9
10 2433 196474 11,0
15 3684 297715 12,2
20 4940 399339 13,2
25 6199 501208 13,9
30 7460 603250 14,6
35 8723 705424 15,2
40 9.986 807702 15,7
70 17585 1422774 18,1
100 25.199 2.039248 19,8
200 50633 4.098632 23,6
400 101599 8225728 28,0
Fonte: adaptada de Maravall e Rio (2001).
58
representar bem as oscilações decadal e interanual. Contudo os autores ressaltaram que o
filtro Hodrick-Prescott demonstrou ser uma técnica mais adequada, pois removeu
efetivamente as frequências altas da série original, produzindo uma curva de tendência
suave, e as incorporou na curva cíclica/aleatória. Além disso, o filtro HP apresentou,
segundo esses autores, uma grande vantagem sobre a técnica das médias móveis, já que
não há perda de dados no início e no final da série.
Morettin (1999) destaca que as propriedades que caracterizam esse tipo de função
são: sua condição de admissibilidade, que define que, no domínio dos números reais, a
média da função deve ser igual a zero; a condição de impossibilidade de divergência; e a
condição dos primeiros momentos de se anularem.
Na literatura, encontra-se a existência de várias famílias de funções de ondeletas,
sendo destacado, no trabalho de Torrence e Compo (1998), que as principais são Morlet
(Equação 2.13), Paul (Equação 2.14) e DOG (Equação 3.15).
59
2𝑚 𝑖 𝑚 𝑚!
𝜓0 (𝜂) = (1 − 𝑖𝜂)−(𝑚+1) (2.14)
√𝜋(2𝑚)!
(−1)𝑚+1 𝑑𝑚 2 /2
𝜓0 (𝜂) = ( )( ) 𝑒 −𝜂 (2.15)
1 𝑑𝜂 𝑚
√Γ(𝑚+ )
2
Torrence e Compo (1998) sintetizam quatro fatores que devem ser analisados na
escolha do tipo de função ondeleta mais adequada ao problema estudado:
1. ortogonal ou não-ortogonal - na análise ortogonal, produz-se um espectro de
ondeletas que contém blocos discretos, o que é útil para o processamento de sinais
na medida em que resulta em uma representação mais compacta; para a análise de
séries históricas, uma alternância aperiódica da série histórica produz um espectro
diferente; já uma análise não-ortogonal é altamente redundante em escalas
maiores, onde o espectro em períodos adjacentes é fortemente correlacionado; a
transformada não-ortogonal é útil para análises de séries históricas e séries em que
são esperadas variações na amplitude das ondeletas suaves e contínuas;
2. complexa ou real – uma função de ondeleta complexa retornará informação sobre
a amplitude e fase e é melhor para capturar comportamento oscilatório; uma
função real retorna apenas uma única componente e pode ser usada para isolar
picos ou descontinuidades;
3. largura – a resolução de uma função de ondeleta é determinada pelo balanço entre
a largura no espaço real e a largura no espaço de Fourier; uma função precisa no
tempo terá uma boa resolução no tempo, porém uma resolução pobre na
frequência; ao contrário, uma função menos precisa no tempo terá boa resolução
na frequência;
4. forma – a função de ondeleta deve refletir o tipo de característica das séries
históricas.
Cabe salientar que esses vários tipos de funções de ondeleta apresentam uma certa
dificuldade para sua aplicação, visto que a escolha de uma tipologia recai, até certo ponto,
no campo da parcimônia. Nesse sentido, Torrence e Compo (1998) afirmam que se o
objetivo da análise é a construção de um espectro, sendo que a escolha da função não é
crítica, uma vez que, qualitativamente, o resultado do uso de diferentes funções não é
significativamente diferente.
60
A aplicação da transformada de ondeletas em alguns estudos com enfoque para
análises hidrológicas e climatológicas é descrita nos parágrafos a seguir.
O estudo de Torrence e Compo (1998) fez uso da transformada de ondeletas do
tipo Morlet para caracterizar o fenômeno El Niño. Segundo esses autores, tal função
apresentou uma boa resolução visual, e os testes realizados mostraram que a função de
Morlet fornece espectros bastante interessantes, possibilitando boa identificação desses
ciclos quando comparados com o uso de outras funções do tipo ondeletas.
Holdefer e Severo (2015) aplicaram a transformada de ondeleta (wavelet) para
analisar a série hidrológica observada no Ribeirão da Velha em Blumenau-SC, no
domínio de tempo-escala. Essa série hidrológica, por apresentar intervalos de 5 minutos,
tornou possível a medição da maré de maneira precisa devido à alta resolução temporal.
Os autores evidenciaram o desaparecimento do efeito da maré e provaram que o efeito da
maré no Ribeirão da Velha provém do rio Itajaí-Açú, no qual o primeiro deságua.
Já o trabalho de Silva et al. (2009) consistiu em aplicar a análise de ondeleta para
estudar as variações da precipitação em uma região da bacia hidrográfica do rio Mundaú.
Tal técnica culminou na transformação de uma série unidimensional em um espaço de
tempo e frequência, determinando as escalas de variabilidade dominantes e suas variações
temporais. Os resultados desse estudo mostraram que a variabilidade interanual ligada ao
ciclo de El Niño Oscilação Sul (ENOS) e à variabilidade decenal influenciaram na
variabilidade pluviométrica do alto Mundaú.
Goulart et al. (2015) estudaram a variação espaço-temporal da evapotranspiração
por meio da ondeleta de Morlet em uma floresta de Vochysia divergens Pohl
(Vochysiaceae), localmente conhecida como Cambarazal no Pantantal, no estado do Mato
Grosso. Esta área está inserida na planície fisiografia do Pantanal e é sazonalmente
inundada. Para a realização do trabalho, os autores coletaram variáveis
micrometeológicas, como: saldo de radiação, radiação solar incidente, temperatura do ar
e umidade relativa do ar. Segundo o estudo, a análise da série temporal da
evapotranspiração diária por ondeleta de Morlet foi satisfatória, possibilitando melhor
compreensão na dinâmica desse fenômeno em área alagável e sua relação com a
temperatura do ar, umidade relativa do ar e radiação solar global. Por fim, foi concluído
pelos autores que ocorreram, durante a estação úmida, os maiores valores de
evapotranspiração e maior intensidade de energia na alta escala de frequência devido
provavelmente à maior disponibilidade de água em função da precipitação e da
inundação, bem como de radiação global.
61
Vilani e Sanches (2013) investigaram os sinais em séries temporais de temperatura
do ar para três pontos em área urbana e um de área rural, em 2007, baseados no espaço
tempo-frequência a fim de revelar características espectrais em função do tempo. Como
método para realização do estudo, utilizaram a transformada de ondeleta, que forneceu a
representação precisa de um sinal em função do tempo e da frequência, simultaneamente,
além de permitir a análise de qualquer tipo de sinal em que a série de Fourier encontra
limitações em determinadas análises. Como resultado, os autores observaram que a
intensidade de energia na alta escala de frequência para a temperatura do ar foi no ciclo
de 24 h, verificando-se potências significativas no decorrer do ano todo, nas escalas
temporais de 2 a 32 dias, para os quatro pontos de estudo, destacando-se que a variância
mais acentuada foi observada no centro da área urbana.
Costa e Silva (2017), através das análises de ondeletas, examinaram os aspectos
da variabilidade pluviométrica de duas macrorregiões do Ceará, bem como determinaram
as escalas temporais dominantes e ciclos, gerando previsão climática. O estudo concluiu
que duas macrorregiões sofrem influência das variações e escalas sazonais, interanuais e
decadais, comprovando-se a presença de sazonalidade, ENOS, Dipólo do Atlântico, ciclo
de manchas solares e Oscilação Decadal do Pacífico. Além disso, nesse estudo, foram
previstos os máximos de precipitação para cada região: na região de Baturité, em 2016 e
no período 2020-2022, e na região Sertão Central em 2024.
Freire e Santos (2012) estudaram a frequência da precipitação em cada capital do
nordeste do Brasil através da transformada de ondeleta. Para tanto, foram utilizadas as
séries históricas de precipitações mensais nas capitais Salvador, Aracaju, Maceió,
Recife, João Pessoa, Natal, Fortaleza, Teresina e São Luís. Os espectros de potência de
ondeleta das séries analisadas mostraram a presença de um sinal de frequência anual,
também confirmado pelos espectros globais. Com a análise detalhada da variância na
banda 8–16-meses, foram identificados os períodos secos e chuvosos de cada capital; um
período seco pôde ser identificado na década de 50 em Fortaleza e um período chuvoso
em São Luís desde o ano 2000.
O estudo de Wolfarth-Couto et al. (2019) integra o uso das ondeletas em uma
análise hídrico-social ao buscar o entendimento das relações entre as variáveis de
precipitação e nível de água dos rios com os casos de malária no período de 2003 a 2010
para 8 municípios do estado do Amazonas (Barcelos, Borba, Canutama, Carauari, Coari,
Eirunepé, Humaitá e São Gabriel da Cachoeira). Segundo os autores, por meio dessa
técnica, foi possível observar que os casos de malária apresentam pico com
62
aproximadamente de 1 mês e meio antes ou depois dos picos de chuva e, em média, 1-4
meses após o pico dos rios para grande parte dos municípios estudados.
63
CAPIÍULO 3 –METODOLOGIA
64
Figura 3.1 – Fluxograma metodológico.
65
Abaixo, discorre-se com maior profundidade sobre as hipóteses levantadas e
sobre as premissas dos procedimentos usados para respondê-los, delimitando-os, quando
for o caso, mediante o recorte do assunto tratado para fins de exposição no presente
documento.
- Quais são as tendências dos eventos pluviométricos extremos na bacia do rio Madeira?
No estudo, é investigada a frequência de ocorrência de eventos pluviométricos
extremos na bacia hidrográfica do rio Madeira a partir de dados do produto CHIRPS
(Climate Hazards Group Infrared Precipitation with Station), configurado com suporte
de bases satelitais e de informações in situ na resolução espacial de 0,05 grau e com
aquisição temporal diária. Utilizaram-se imagens de 1981 a 2017, totalizando uma série
histórica de 36 anos. Posteriormente, tais dados ainda são analisados mediante o emprego
da distribuição de Gumbel, com estimativas de tendências determinadas pelo teste de
Mann-Kendal no nível de confiança de 95 %. Esta questão será tratada no item 3.2.1.
67
3.1 AVALIAÇÃO DA BASE DE DADOS
3.1.1 Geoespacialização de estações pluviométricas
A seleção das informações utilizadas iniciou-se pela obtenção de camada
segmentada em grade de pontos incorporando todas as estações pluviométricas operadas
no país no âmbito do Sistema Nacional de Informações sobre Recursos Hídricos - SNIRH
da Agência Nacional das Águas – ANA. De posse da base de dados, foram definidos
diagramas de Voronoi, formados por polígonos por meio de mediatrizes das linhas que
conectam dois postos adjacentes e que, em seguida, são interseccionados e sobrepostos
com a camada de informações de dados de chuva disponíveis para a bacia do rio Madeira.
Cabe observar que o procedimento é executado para se levar em conta a estimativa de
estações que refletem o comportamento pluviométrico na bacia, ainda que não estejam
situadas dentro de sua área.
Mediante a efetivação do procedimento anterior, chegou-se a um quantitativo de
613 estações, das quais apenas 326 possuem algum tipo de informação no banco de dados
HidroWeb da Agência Nacional de Águas (ANA).
Na sequência, analisou-se o conjunto para verificar o ano de operação dotado de
mais estações com registros de dados sem falhas, tendo o ano de 2011 sido selecionado
por conter 60 estações, sendo 10 estações fora da área bacia e 50 internos à bacia. No
mais, como indicado no Anexo 1, esse ano não possuiu eventos climatológicos que
alteraram significativamente o comportamento pluviométrico na região.
Posteriormente, o conjunto das 60 estações foi separado em dois grupamentos,
notadamente o grupo de calibração e o grupo de validação, conforme discriminado na
Figura 3.2.
68
Figura 3.2 – Estações pluviométricas dos grupos de calibração e validação e rede hidrográfica da bacia do rio Madeira.
69
O grupo de calibração foi composto de 10 estações fora da bacia acrescido de 70%
(45 estações) das estações dentro da área da bacia. O grupo de validação foi composto de
30% das estações (15 postos) dentro do da área da bacia.
Os quantitativos acima foram estipulados para atender o sistema de validação
cruzada de hold-out (Kohavi, 1995), que foi adotado neste estudo. Tal critério exige a
separação do conjunto analisado em dois subgrupos em uma proporção de
aproximadamente 2/3 dos dados para treinamento (calibração) e 1/3 restante para teste
(validação). Uma vez que o enfoque concentrou-se na aplicação para a bacia do rio
Madeira, tais proporções nas construções dos grupos foram aplicadas apenas quanto ao
quantitativo de estações presentes na bacia. Cabe ainda destacar que a formação dos
grupos se deu por meio de sorteio, gerando, assim, amostras aleatórias e não dominadas
por questões de subjetividade ou conveniência.
As séries históricas das estações de ambos os grupos foram acumuladas no nível
mensal, gerando chuvas em unidades de mm.mês-1, tabeladas, posteriormente,
conjuntamente com as posições geográficas de cada posto (latitude e longitude), e, mais
adiante, exportadas em grade de pontos para o código computacional ArcGIS 10.2 (ESRI,
2018). Foram, então, aplicados, para a grade do grupo de treinamento, os métodos de
interpolação do tipo KG esférica, VN, IDP e BRM por meio da extensão “3D Analyst”,
que gera campos numéricos espacializados a partir de dados pontuais (interpolação no
modo matricial), sendo a resolução dos campos de precipitação de 0,001°.
Para o grupo de treinamento, foram confeccionados ainda os polígonos de
Thiessen usando, também, o código computacional ArcGIS 10.2 e determinadas as
médias aritméticas mensais utilizando todos os postos desse grupo.
Os detalhes das métricas de interpolação podem ser encontrados com mais
detalhes no que concerne às formulações e aplicações no item 2.4 do manual desse código
computacional.
Na verificação de acurácia e adequabilidade das técnicas empregadas, utilizaram-
se dados do grupo de estações de validação, sendo estes últimos comparados no nível
mensal por meio de análise de resíduos e do coeficiente de correlação dos dados
observados dessa estação com os dados estimados por cada um dos procedimentos
selecionados na presente análise. Além disso, como índices globais de avaliação de
desempenho utilizaram-se a estimativa do erro modular médio (EMM) – Equação 3.1, o
coeficiente de determinação (r²) – Equação 3.2 e o índice de concordância (d) – Equação
3.3, conforme expressões respectivas abaixo dispostas como
70
∑𝑛
𝑖=1 √(𝑥𝐸 −𝑥𝑀 )
2
𝐸𝑃𝑀 = (3.1)
𝑁
2
∑n
i=1(xM −xM )(xE −xE )
2 n−1
r = (3.2)
n 2 n 2
√∑i=1(xM −xM ) .∑i=1(xE −xE)
n−1 n−1
( )
2
∑n
i=1(xM −xE )
𝑑 = 1 − ∑𝑛 2
(3.3)
𝑖=1[(xE −xM )+(xE −xM )]
- Dados de superfície
As informações foram levantadas nos territórios brasileiro e boliviano.
No Brasil, as informações de volumes precipitados em acumulados diários
providos de pluviômetros são disponibilizadas pela Agência Nacional das Águas em
parceria com o Serviço Geológico do Brasil, na forma de séries históricas no sistema de
informações hidrológicas HidroWeb (ANA, 2018).
As informações em território boliviano foram adquiridas em acumulados mensais
por meio de solicitação ao SENAMHI (Serviço Nacional de Meteorologia e Hidrologia)
da Bolívia.
Na Figura 3.3, as estações brasileiras são denominadas conforme o número de
inscrição determinado pela ANA, enquanto e as bolivianas e são nomeadas pelos códigos
(B1, B2, B3, B4 e B5) (Figura 3.3).
71
Figura 3.3 – Localização das estações pluviométricas utilizadas.
72
Em virtude da baixa densidade da rede para a região amazônica e os inúmeros
períodos com falhas nos dados foi possível empregar somente 39 séries históricas de
estações pluviométricas brasileiras e 5 na Bolívia na análise.
Essas séries possuíam um quantitativo de período de falhas mensais menores que
30% do total da série. Cabe destacar que essas falhas foram preenchidas pelo método de
interpolação de krigagem (KG) (Equação 3.4), o qual usa uma função contínua que
representa o comportamento de uma variável nas distintas direções de um espaço
geográfico. Esta variabilidade é descrita com base no semivariograma, o qual é a
descrição matemática do relacionamento entre a variância de pares de observações
(pontos) tendo como referência a distância (h) separando essas observações segundo a
expressão empírica.
1 𝑁(ℎ)
𝛾̂(ℎ) = 2𝑁(ℎ) ∑𝑖=1 [𝑧(𝑥𝑖 ) − 𝑧(𝑥𝑖 + ℎ)]2 (3.4)
73
(CCD) combinados aos dados de superfície, na escala diária (Funk et al., 2015;
Kirschbaum et al., 2017; Funk, 2015). Contudo o CHIRPS difere do CHIRP por
incorporar em sua formulação uma abordagem inteligente de interpolação de dados com
informações de estações pluviométricas in situ para criar séries temporais. Ressalta-se
que os dados do produto CHIRPS serão adotados em outros estudos descritos sob ponto
de vista metodológico neste capítulo.
Os dados oriundos do satélite TRMM são disponibilizados pela NASA
(https://mirador.gsfc.nasa.gov). As versões do produto utilizadas, neste trabalho, foram o
TRMM 3B42 e o TRMM 3B42RT. O primeiro desses produtos propicia estimativas de
precipitação que têm viés quase zero para a estimativa de precipitação do "TRMM
Combined Instrument", o qual trata-se da densa amostragem dos dados de microondas e
com preenchimento usando estimativas de infravermelho.
O segundo produto fornece uma estimativa de precipitação mais satisfatória numa
banda de latitude cobrindo de 50° N a 50° S, com uma expansão da região TRMM, de
todas as fontes de dados globais, nomeadamente dados de microondas de alta qualidade,
dados de infravermelho e análises de indicadores de chuva. A resolução temporal é de um
mês.
O 3B42 e o 3B42RT possuem uma resolução espacial 0,25°x 0,25° para latitudes
entre 50°N e 50°S e longitudes entre 180°O e 180°E, com dados a partir de 1998 até o
início do ano de 2015. Possuem escala de tempo de 3h.
Para comparar com os dados diários observados em estações pluviométricas, as
estimativas por satélite foram acumuladas em períodos diários conforme referência de
leitura de dados dos pluviômetros, ou seja, os ciclos de 24 horas iniciados às 7 horas do
dia do registro.
75
Dentro de cada conjunto de dados, foram estudadas as seguintes métricas: coeficiente de
determinação (r²), Equação 3.2; erro padrão médio (EPM), Equação 3.6; índice de
concordância de Willmott (Willmott et al. 1985), Equação 3.3; e o índice de desempenho
(Camargo e Sentelhas 1997), o qual é o produto entre o coeficiente de correlação de
Pearson e o índice de concordância de Willmott;. A classificação segundo intervalos desse
último estimador de concordância ou desempenho está na Tabela 3.1.
∑𝑛
𝑖=1 √(𝑥𝐸 −𝑥𝑀 )
2
𝐸𝑃𝑀 = (3.6)
𝑁
Nessas análises, as estações B1, B2, 965001 e 1063001 foram tratadas sob uma
ótica especial, visto que não constam na relação de estações usadas para criação dos
produtos CHIRPS e 3B42RT; estas serviram como pontos de controle para testar o quanto
os dados in natura (CHIRP e 3B42) descrevem mais fielmente a série histórica de um
pluviômetro.
76
pluviômetros e dos píxeis das estimativas de precipitação por sensoriamento remoto
(3B42, 3B43 e CHIRPS) no domínio tempo-frequência.
Na literatura, encontram-se várias famílias de funções de ondeleta, e, dentre estas,
a função de Morlet (Equação 3.7) é recomendada em estudos hidrológicos,
principalmente em eventos pluviométricos, por possuir um padrão semelhante ao sinal
dessas variáveis, revelando picos e faixas em sinais ondulados de forma semelhante aos
dados pluviométricos (Nakken, 1999 ; Santos et al., 2013).
1
̂0 (𝑠𝜔) = 𝜋 4 𝐻(𝜔)𝑒 −(𝑠𝜔−𝜔0)2/2
𝜓 (3.7)
77
Tabela 3.2 – Proposta de classificação de eventos de chuva baseada na intensidade
acumulada no mês
Classes de eventos Intensidade (mm.mês-1)
Sem chuva [0, 30)
Chuva leve [30, 150)
Chuva moderada [150, 60)
Chuva pesada [60, 1200)
Chuva extrema ≥ 1200
* ” [ “ representa maior ou igual a limite inferior da classe, enquanto “) “ representa menor
do que o limite superior.
Fonte: adaptado de Zambrano-Bigiarini et al. (2017).
78
Fonte: Wilks (2011).
𝑎
𝑃𝑂𝐷 = 𝑎+𝑐 (3.8)
𝑏
𝐹𝐴𝑅 = 𝑎+𝑏 (3.9)
𝑎+𝑏
𝑓𝐵𝐼𝐴𝑆 = 𝑎+𝑐 (3.10)
79
Figura 3.4 – Localização das estações pluviométricas utilizadas.
80
Para a bacia em análise, a ANA mantém, em seus registros, dados para 613 estações
pluviométricas na área de estudo. Contudo, em uma triagem preliminar realizada para
atender as recomendações de CETESB (1979) quanto a análises de extremos, verificou-
se que apenas 37 dessas estações, abrangiam registros contidos no intervalo de tempo de
2000 a 2015, evidenciando mais estações sem falhas no período mínimo de 10 anos para
os meses chuvosos (outubro a março), procedimento indicado por CETESB (1979) como
necessário na análise de eventos extremos.
Os dados de precipitação oriundos de sensoriamento remoto foram obtidos do
produto CHIRPS devido ao fato de apresentarem uma melhor representatividade da
pluviometria da região em relação às informações de estações pluviométricas, conforme
o item 5.2 desta tese.
Para ambas as séries de dados, utilizou-se, como critério na identificação de um
evento extremo de chuva, o valor máximo diário registrado no decorrer de um ano. No
caso, então, foi discriminado um evento para cada ano.
A distribuição de probabilidade generalizada de valores extremos (GEV), tem
facilitado muitas aplicações em hidrologia, utilizada na modelação de eventos extremos
naturais. Esta engloba as três formas assintóticas de distribuição de valores extremos
conhecidas como valor extremo do tipo I (VEI), valor extremo do tipo II (VEII) e valor
extremo do tipo III (VEIII) (Fisher e Tippett, 1928; Gumbel, 1958), é definida, segundo
Jenkinson (1955) pela Equação 3.11, como
1
𝑥−𝑢 𝑘
[−(1−𝑘 )]
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = 𝑒 𝛼 (3.11)
sendo: - < x < +, k = 0 - distribuição VEI (Distribuição Gumbel); < x <
+, k < 0 - distribuição VEII; - < x < , k > 0 - distribuição VEIII
onde u é um parâmetro de posicionamento com - < u < +, é um parâmetro de
escala com - < < + e k é um parâmetro de forma com - < k < +; desta
forma, quando k > 0, o limite superior da distribuição assintótica VEIII se torna = u
+ /k e, quando k < 0, o limite inferior da distribuição assintótica VEII se torna =
u + /k.
Tr
X=̅
X − S {0,45 + 0,7797ln [ln Tr−1]} (3.12)
100% 𝑥𝐸 −𝑥𝑀
𝐸𝑁𝑀 = ∑𝑛𝑖=1 ( ) (3.13)
𝑁 𝑥𝑀 𝑖
82
e áreas úmidas (Wetlands) (Lehner et al. , 2008). O mesmo foi atestado de uso no Anexo
4.
O mapa clinográfico da bacia foi obtido através do processamento das imagens
HydroSHEDS com a função declividade (slope) do código computacional ArcGIS 9.3. O
resultado foi classificado em seis diferentes classes, a saber: 0-3% (relevo plano); 3-8%
(relevo suavemente ondulado); 8-20% (relevo ondulado); 20-45% (relevo fortemente
ondulado); 45-75% (relevo montanhoso); e valores maiores que 75% (relevo fortemente
montanhoso).
Informações sobre a cobertura da terra foram obtidas por meio do produto MOD12
do sensor MODIS (Moderate Resolution Imaging Spectroradiometer), o qual está a bordo
dos satélites Terra e Aqua, ambos lançados pela NASA. Esses satélites fazem parte do
programa de coleta de dados sobre o planeta Terra denominado EOS (Earth Observing
System), que tem como objetivo o monitoramento das mudanças ocorridas no planeta
Terra e o acompanhamento global diário e contínuo da superfície terrestre.
83
𝑠𝑦 𝑦𝑚
𝑦=
𝑠𝑥
[𝑥𝑖 − (𝑥𝑚 − 𝑠𝑥
𝑠𝑦
)] (3.14)
𝑆 = ∑𝑛−1 𝑛
𝑖=1 ∑𝑗=𝑖+1 𝑠𝑛(𝑥𝑗 − 𝑥𝑖 ) (3.16)
84
sendo n ≥ 10, a variável S tende a normalidade; assim, sua variância, Var(S), pode ser
obtida através da Equação 3.18 como
𝑛(𝑛−1)(2𝑛+5)−∑𝑛
𝑖=1 𝑡𝑖 (𝑖)(𝑖−1)(2𝑖+5)
𝑉𝑎𝑟(𝑆) = (3.18)
18
𝑆−1 (3.19)
; 𝑝𝑎𝑟𝑎𝑆 > 0
√𝑉𝑎𝑟(𝑆)
𝑍𝑀𝐾 = 0; 𝑝𝑎𝑟𝑎𝑆 = 0
𝑆+1
𝑝𝑎𝑟𝑎𝑆 < 0
{ √𝑉𝑎𝑟(𝑆)
Assim, dado o alfa escolhido de 0,05, por se tratar de um teste bicaudal, para
rejeitar a H0 e indicar uma tendência, é preciso que o valor absoluto de ZMK seja maior
que 1,96.
3.2.2 Clima
3.2.2.1 Dinâmica de Ocupação do Solo
Para comparar a predisposição das tendências climáticas na bacia, empregaram-
se informações cartográficas da vegetação natural e sua supressão na bacia entre os anos
de 2000 a 2015. Tais informações são produto do MOD12 do sensor Moderate Resolution
Imaging Spectroradiometer (MODIS), que possui o tamanho do píxel de 1 km e vem
sendo aplicado em vários estudos de quantificação da supressão de vegetação, como o de
Wang et al. (2019).
Esse sensor é um dos instrumentos a bordo do satélite Terra e do satélite Aqua
lançados pela National Aerospace and Space Administration (NASA). Esses satélites
fazem parte de um programa de coleta de dados sobre o planeta Terra denominado Earth
Observing System (EOS) e tem como objetivo o monitoramento das mudanças ocorridas
no planeta Terra, além do monitoramento global e contínuo da superfície terrestre duas
vezes ao dia.
85
3.2.2.2 Base de dados climáticos
Os dados de precipitação, em nível de acumulado mensal, utilizados na aplicação desta
metodologia, foram obtidos do produto CHIRPS, de resolução de 0,05º
Já os dados de evapotranspiração de mensais acumulados foram obtidos pelo
Operational Simplified Surface Energy Balance (SSEBop), desenvolvido por Senay et al.
(2013). Trata-se de série de dados geoespaciais que comporta o período de 2002 a 2017,
que apresentando boa precisão na determinação da evapotranspiração real nos locais
testados como apresentado nos estudos de Senay et al. (2013).
O SSEBop calcula a evapotranspiração com base no balanço energético de
superfície simplificado (SSEB) (Senay et al., 2013). Sua formulação é baseada na
temperatura e nos princípios de píxel frio dos modelos SEBAL (Bastiaanssen et al., 1998)
e METRIC (Allen et al., 2007).
As informações referentes à temperatura de superfície da bacia foram obtidas
junto à NASA provenientes do sensor Moderate Resolution Imaging Spectroradiometer
(Modis), em seu produto MOD11A2 (Land Surface Temperature- LST), coleção 5, com
resolução espacial de 1 km. O produto utilizado é uma composição de oito dias, realizada
a partir de dados diários. Dessa maneira, as informações obtidas passaram pela
transformação em médias mensais e amplitudes mensais.
A série histórica da temperatura de superfície começou no ano de 2001 e foi até
2017. Imagens de períodos anteriores a esses anos foram descartadas pela alta presença
de nuvens. Para a conversão dos dados presentes nas imagens em informações de
temperatura de superfície, utilizou-se o algoritmo LST (land surface temperature)
desenvolvido por Wan e Li (1997). Os valores de saída, após esse procedimento,
encontram-se em unidades de grau Kelvin; foram então, convertidos em graus Celsius
por meio da subtração do valor da célula com a constante 273,15.
86
sejam independentes e aleatórios (Neeti e Eastman, 2011), sendo tal procedimento
executado como descrito no item 3.2.1.4.
Posteriormente, as séries de tendências criadas para cada variável foram
relacionadas mediante contrastelas pelo coeficiente de correlação (Equação 3.20),
construindo-se, assim, uma matriz de correlação. Mais especificamente, o coeficiente de
correlação pode ser calculado por
∑n
i=1(x1 −x1)(x2 −x2 )
n−1
𝑟= ∑n (x1 −x1 )2 ∑n (x2 −x2)2
(3.20)
√ i=1 . i=1
n−1 n−1
𝐻 = − ∑ 𝑃𝑖 . log 𝑃𝑖 (3.21)
87
A grandeza dessa propriedade é determinada pela base do logaritmo. Neste estudo,
adotou-se a base 2. Assim, a unidade é em bit.
88
CAPÍTULO 4 – ÁREA DE ESTUDO
A região amazônica possui a maior floresta tropical úmida do mundo com uma
área total de aproximadamente 7 milhões de quilômetros quadrados (km²), o que
representa cerca de 56% das florestas tropicais da Terra, porém vem sofrendo, a cada dia,
altas taxas de conversão de mata natural em pastagens. Frente a esse fato, várias são as
investidas de estudos observacionais e de modelagem que buscam investigar os efeitos
do desmatamento nessa área para seu clima e hidrologia.
Como em outras grandes bacias hidrográficas, a Amazônia apresenta problemas
com respeito à obtenção de dados para a identificação adequada da sua hidrologia e clima
(Ribeiro Neto et al.,2008).
Mesmo diante desse desafio, diversas poderiam ser as escalas para a abordagem
do entendimento das mudanças hidroclimáticas com vistas ao monitoramento do balanço
hídrico na escala da bacia hidrográfica em uma região como a Amazônia mediante o
emprego de dados in situ e produtos de sensoriamento remoto. Em particular, alguns
estudos enfocaram, por exemplo, toda a bacia Amazônica (6.112.000 km2) (Paiva et al.,
2015) e, também, parcialmente, como é o caso da bacia do rio Negro (712.000 km2)
(Getirana, 2009), afluente do rio Solimões em Manaus, ou ainda sub-bacias do rio Negro,
como é o caso de Caracacaí (120.000 km2) (Xavier, 2012).
Uma particularidade dessa região deve ser resgatada a priori, qual seja, o emprego
de dados de sensoriamento remoto pode suprir em parte a falta de dados aferidos em
campo, com enfoque em bacias com precário monitoramento, portanto em sintonia com
o programa de estudos de predição em bacias não monitoradas (década do PUB –
Predictions in Ungaged Basins – 2003-2013).
Entre os trabalhos executados na região, no sentido da aquisição de dados
hidrometeorológicos utilizando-se de informações geoespaciais, pode-se citar, por
exemplo, o estudo de Gomes (2014), que extraiu e avaliou informações de radiação
líquida de imagens MODIS por meio do algoritmo SEBAL (Bastiaanssen, 1995), bem
como o trabalho de Paca (2008), que analisou a determinação de eventos pluviométricos
na bacia do rio Guamá – PA por meio de informações oriundas do satélite TRMM/NASA.
Neves (2005) utilizou imagens de satélite JERS-1 na faixa de microondas do tipo
SAR, adquiridas para os anos de 1995 e 1996, para realizar o mapeamento de áreas
úmidas na bacia do rio Madeira, que é um dos principais afluentes do rio Amazonas.
89
Em particular, Medeiros (2010) explora o uso de dados altimétricos espaciais para
avaliação e validação com base em dados de GPS coletados em campo.
Alguns avanços de pesquisa em modelagem chuva-vazão são observados na
região amazônica, como no caso de Getirana (2009), em que foi realizada uma aplicação
de modelos hidrológicos. Nesse estudo, processos hidrológicos da bacia do rio Negro –
AM foram simulados usando o modelo MGB-IPH (Collischonn, 2003) para avaliar
contribuições da altimetria espacial no contexto da modelagem chuva-vazão.
Xavier (2012), por sua vez, explora o emprego de dados GRACE, que permitem
estimar a coluna de água armazenada, conjuntamente com dados TRMM para avaliar o
comportamento espaço-temporal do armazenamento de água na bacia amazônica,
qualificando a discussão sob o prisma da modelagem chuva-vazão em sub-bacias da bacia
do rio Negro.
Estabelecidos os referenciais acima, o presente trabalho fundamenta-se na
disponibilidade de dados para a condução do estudo bem como em técnicas diversificadas
empregadas na análise da área de estudo, mais especificamente, a bacia do rio Madeira.
A pesquisa concentrou-se, por vezes, apenas na porção brasileira da bacia, enquanto, em
outras partes, a opção foi pela condução do estudo para toda a área da bacia. Cabe destacar
que a parte brasileira é compreendida pela área dos estados de Rondônia, Amazonas,
Mato Grosso (porção noroeste) e Acre (pequena faixa a sudeste do estado), entre as
coordenadas 9°38'57.72"S e 65°27'58.40" O, 3°27'18.48"S e 58°44'0.17"O, 16° 3'41.13"S
e 58° 6'56.83"O e 6°20'30.45"S 58°47'11.34"O, com área aproximada de 607.033 km2.
A região de estudo, em sua área total (Figura 4.1), localiza-se na margem direita
do rio Amazonas, que é a maior sub-bacia amazônica (23%). A bacia do Madeira, que é
transfonteiriça, estende-se pela Bolívia (51%), Brasil (42%) e Peru (7%), perfazendo uma
área total de drenagem de 1.324.727 km2.
90
Figura 4.1 – Localização da área de estudo.
91
4.1 CHUVA E CLIMA
A bacia do rio Madeira, na parte brasileira, insere-se no centro de intensa
convecção acoplada à zona do cavado equatorial quase permanente e possui grande
importância no funcionamento do clima global devido as suas florestas, que, por meio de
intensa evapotranspiração, bombeiam calor latente à atmosfera para equilibrar o forte
calor radiativo à superfície (Nobre et al., 2009) (Figura 4.2).
92
Figura 4.2 – Clima da bacia do rio Madeira
93
De acordo com o sistema de classificação de Koppen, a bacia possui um clima
tropical com estação seca de inverno e de monção, caracterizado por exibir um longo
período com precipitação pluviométrica elevada e uma curta estação seca (Peel et al.,
2007) (Figura 4.3).
94
Figura 4.3 – Classificação climática de Koppen abrangendo a bacia do rio Madeira.
95
A principal característica do clima na região é a convecção tropical, a qual é
controlada por fenômenos de grande escala, como circulação de Hadley, a Zona de
Convergência Intertropical (ZCIT), a circulação de Walker, a oscilação intrassazonal de
40 a 60 dias, ondas atmosféricas, e também por processos meteorológicos como a
penetração de frentes frias extratropicais.
Na bacia, em sua porção pertencente ao estado de Rondônia, Nobre et al. (2009)
relatam uma grande variação da temperatura média do ar em escalas de tempo sazonais
devido aos altos valores de radiação solar que incide sobre a região. Possivelmente, o
aspecto mais importante para o desencadeamento da convecção e o desenvolvimento de
intensas tempestades sobre a região é a grande amplitude do ciclo de temperatura diurno
e o aquecimento solar.
A precipitação na bacia apresenta valores médios da ordem de 1.940 mm por ano
(Villar et al., 2009). Esse fenômeno caracteriza-se em duas estações anuais distintas: a
estação chuvosa (outubro a março) e o período seco (maio a setembro). Cabe ressaltar
que a transição entre as estações seca para úmida possui uma maior duração que a
transição entra as estações seca e chuvosa (aproximadamente um mês). Esse fato está
associado com a inicialização da estação chuvosa na maior parte da bacia amazônica, que
se encontra associada ao estabelecimento do sistema de monção da América do Sul, o
qual ocorre com rápida mudança da área de intensa convecção entre o extremo noroeste
do continente e latitudes ao sul do equador (Marengo et al., 2001;Vera et al., 2006).
Quanto aos eventos anuais máximos de precipitação na região, estão associados a
dois fatores principais – a Zona de Convergência Intertropical (ZCIT) e a flutuação
dinâmica do centro de convecção quase permanente em combinação com a grande
quantidade de evapotranspiração local que contribui para a reciclagem da precipitação
(Marengo et al., 2001; Souza, 2012).
Acerca desse assunto, Latrubesse et al. (2005) destaca que a bacia apresenta zonas
de instabilidade climática, influenciadas por fenômenos de circulação atmosférica e
chuvas intensas determinando um alto índice de vazão, e umidade. Adicionalmente, o
referido autor evidencia que a distribuição de chuvas pode ser explicada, em geral, pela
dinâmica das principais massas de ar ativas em parte da América do Sul, e pela orografia,
dada a influência das montanhas na cordilheira dos Andes, tanto na escala continental
quanto na escala de vales.
Na Figura 4.4 encontram-se resumidos os períodos de dados utilizados no estudo
de tendências climáticas da precipitação, evapotranspiração e temperatura.
96
A
97
reduções nos meses de menor incidência de chuva, devido à capacidade da floresta em
retirar água do solo e disponibilizar para o ambiente.
Em relação à série histórica anual (Figura 4.4b), a evapotranspiração manteve-se
praticamente constante. Apenas o ano de 2010 mostra-se um pouco abaixo da média da
série analisada. O ano de 2014 foi aquele com maior índice pluviométrico seguido pelos
anos de 1982 e 1984. A maior temperatura foi observada em 2010, ano em que a
precipitação e a evapotranspiração mostraram-se inferiores ao restante da série.
98
como o quarto (4º) maior rio tropical do mundo, estando atrás do Amazonas, Congo e
Orinoco.
Molinier et al.(1996) complementam que o rio Madeira possui como
características a perenidade típica de planícies e é classificado como rio de águas brancas.
As características morfométricas da bacia do rio Madeira podem ser vistas no
Anexo 5.
Em relação à descarga sólida, o rio Madeira é responsável por aproximadamente
metade de toda a carga de sedimentos que chega ao rio Amazonas (Latrubesse et al.,
2005), sendo tal volume oriundo, em grande parte, dos rios andinos Beni, Madre de Dios
e Rio Grande.
O estudo de Filizola e Guyot (2011) identificou, nos sedimentos de fundo e em
suspensão para esse corpo hídrico, os compostos de illita, caulinita, clorita e esme ctita.
99
Figura 4.5 - Unidade morfoestruturais da bacia do rio Madeira
100
A porção estudada, localizada totalmente no Brasil, é formada basicamente pela
presença do escudo brasileiro e da planície amazônica.
O escudo brasileiro tem geomorfologia baixa, sendo constituído de platôs e
colinas formadas por rochas de idades arqueanas, pré-cambrianas e paleozoicas (Costa et
al., 1996).
Por outro lado, a planície Amazônica é genericamente subdividida em terras altas
e várzeas constituídas pelas rochas sedimentares das formações Alter do Chão (arenitos
e conglomerados), Içá (arenitos, argilitos com linhitos e turfa) e depósitos quaternários
(silte, areia e seixos) (Queiroz et al., 2011).
Em uma subdivisão morfológica mais detalhada, CPRM (2006) complementa que
a bacia do rio Madeira possui rochas ígneas e metamórficas do Grupo Colider (riolitos,
andesitos e brechas), Suite Intrusiva São Romão (granitos, metagranitos e gnaisses
calcialcalinos), Suite Intrusiva Serra da Providência (granito, charnockito, mangerito e
rochas máficas), Complexo Jamari (ortognaisse tonalítico, quartzo-diorito, gnaisse
calcissilicático e micaxisto) do paleoproterozoico e as sedimentares do Grupo Alto
Tapajós (arenitos, siltitos e calcários).
101
Figura 4.6 – Mapa de solos da bacia do rio Madeira
102
Na área da bacia apresenta os seguintes grupos de solos: (AD) Solos Aluviais
Distróficos, (CD) Cambissolos Distróficos, (CE) Cambissolos Eutróficos, (ED)
Regossolos Distróficos, (GD) Solos Glei Distróficos, (ID) Solos Concrecionários
Distróficos, (LAD) Latossolos Amarelos Distróficos, (LAE) Latossolos Amarelos
Eutróficos, (LLD) Latossolos Vermelho-Amarelos Distróficos, (LVD) Latossolos
Vermelho-Escuros Distróficos, (LVE) Latossolos Vermelho-Escuros Eutróficos, (PAD)
Podzólicos Amarelos Distróficos, (PD) Podzólicos VermelhoAmarelos Distróficos, (RD)
Solos Litólicos Distróficos, (RE) Solos Litólicos Eutróficos, (PE) Podzólicos Vermelho-
Amarelos Eutróficos (IBGE, 2007).
Devido à diversidade litológica e do relevo, os solos da bacia do rio Madeira
possuem consideráveis distinções morfológicas, físicas, químicas e mineralógicas.
Contudo, no mapa dos tipos de solos da bacia do rio Madeira mostra uma certa
predominância dos solos do tipo argissolo, latossolos, regossolos e gleissolos.
▪ Regossolos (E): IBGE (2007) descrevem esse solo como sendo pouco profundo,
com seqüência de horizontes A, C e R. Possuem textura arenosa e cascalhenta,
com uma considerável quantidade de minerais primários suscetíveis ao
intemperísmo. O horizonte A é fracamente desenvolvido com baixos teores de
matéria orgânica. Os autores ainda destacam que esse tipo de solo ocorre
normalmente associado às paisagens de cambissolos e litossolos.
▪ Gleissolos (G) – Segundo IBGE (2007), são solos hidromórficos que possuem o
horizonte A superficial e com coloração preta. Em suas camadas superficiais, que
podem variar de 10 a 30 cm, apresenta consideráveis teores de matéria orgânica.
As sucessivas oscilações do lençol freático ocasionam oxi-redução responsáveis
pelo aparecimento das cores acinzentadas, com mosqueados amarelados e
avermelhados a partir da base do horizonte A ou H.
▪ Latossolos Amarelos (LA) - esses solos são altamente intemperizados, com
características físicas adequadas ao uso agrícola, porém com fortes restrições
nutricionais. São bastante uniformes em termos de cor, textura e estrutura e bem
drenados. Possuem horizontes superficiais bem coesos.
▪ Latossolos Vermelho-Amarelos (LL) - Possuem teores de sesquióxido de ferro
(Fe2O3) entre 7% e 11% (IBGE, 2007). Na medida em que se tornam mais
avermelhados, os teores de hematita aumentam.
103
▪ Latossolos Vermelho-Escuros (LV) – São constituídos a partir de uma grande
diversidade de materiais de origem. Denominam-se latossolos vermelho-escuros
aqueles que possuem teores de ferro, obtidos pelo ataque sulfúrico, entre 8 e 18%.
Desenvolvem-se a partir de arenitos, calcários, gnaisses e mesmo de materiais
retrabalhados e pré-intemperizados referentes à cobertura detrito-laterítica, entre
outros materiais. Segundo IBGE (2007), destaca-se ainda que esses solos são de
fertilidade e textura muito variadas, sendo encontrados solos distróficos, álicos e
eutróficos e de textura que vai de franco arenosa a muito argilosa, constituindo-
se, pois, em uma classe relativamente heterogênea nesses aspectos.
104
Figura 4.7 – Mapa de localização do arco do desflorestamento até 2011
Fonte: IPAM (2014).
105
O crescimento desse fenômeno está associado, conforme Geinst e Lambin, (2002),
aos processos de colonização, tanto planejados, quanto espontâneos, dos agricultores.
No caso específico da Amazônia brasileira, uma das principais causas do
desmatamento tem sido a substituição da floresta tropical em áreas de pastagem para
apropriação por parte da pecuária. A principal prática de conversão consiste na derrubada
e na queima, que deixa o solo exposto e propenso a processos erosivos (Kauffman et al.,
1995; Markewitz et al., 2001).
Segundo o MMA (2006), o desflorestamento (retirada da floresta em pé) vem
sendo desenvolvido a taxas bastante elevadas na Amazônia, sendo esse aumento
motivado, principalmente pelas queimadas, muitas delas irregulares, visando a
implantação de projetos agropastoris e/ou a extração ilegal de madeira.
O ápice da conversão das áreas florestadas em regiões antropizadas foi o período
1971-1991 com um quantitativo de 28,4%, que se iniciou com a viabilização e subsídios
dados pelo Governo Federal para a ocupação de terras na região através de expansão
pioneira, onde as políticas de ocupação procuraram combinar empreendimentos de
exploração econômica com estratégias geopolíticas (MMA, 2006).
Na configuração atual, n bacia, as principais atividades humanas quanto ao uso e
ocupação do solo são: a) agricultura comercial e de subsistência; b) extrativismo vegetal
e animal (pesca especialmente); c) extrativismo mineral (garimpos) e a mineração
empresarial, incluindo gás e petróleo; d) pecuária extensiva (principalmente) e intensiva;
e) indústria de transformação (porém de pouca representatividade espacial) (MMA,
2006).
O uso e ocupação do solo da região da bacia do rio Madeira até o ano de 2014,
fruto do trabalho de Almeida (2016), está exibido na Figura 4.8. É possível verificar que
a maior parte da área da bacia possui floresta, contudo é perceptível a conversão da
mesma em pasto.
106
Figura 4.8 – Uso e ocupação do solo na Bacia do rio Madeira
Fonte: Almeida (2016).
107
No que tange a essa temática, os trabalhos de Veiga et al. (1996) e Pedlowsky et
al. (1999) relataram que esse fenômeno de “pecuarização” é explicado pela valorização
da terra com a implantação da pastagem, pela segurança que o gado representa em termos
de investimento familiar e ainda pela estabilidade do preço da carne no mercado.
No que tange à agricultura, MMA (2006) explicita que essas atividades têm
fundamentalmente características comerciais e de subsistência em parcelas praticamente
iguais e que, geralmente, acontecem em associação com atividades de pecuária e
localizada em terrenos oriundos de processos de colonização e/ou assentamentos,
podendo também estar vinculadas a áreas de garimpo ou ainda de extrativismo (vegetal e
pesca) e/ou extração de madeira.
As atividades de mineração ocorrem de dois modos: como garimpos, em geral
irregulares, e como ação de empresas formais de mineração, sendo as variedades minerais
bem diversas, destacando-se mais fortemente o ouro, a bauxita, o estanho e a associação
manganês+cromo (MMA, 2006).
Os estudos de zoneamento socioeconômicoe ecológico da região da bacia,
sumarizados na Figura 4.8, mostram uma grande presença de áreas frágeis na região da
bacia do Madeira, que comparadas com a Figura 4.9, sobrepõem-se às áreas de pastagem.
.
108
Figura 4.9 - Zoneamento Sócio Econômico Ecológico da região Amazônica
Fonte: MMA (2018).
109
4.6 DESMATAMENTO E SEUS IMPACTOS NA HIDROLOGIA
O desmatamento e as mudanças climáticas podem prejudicar severamente o
funcionamento da Amazônia como ecossistema florestal, resultando na perda da
biodiversidade, redução da capacidade de reter carbono, enfraquecimento do ciclo
hidrológico regional, aumento da temperatura do solo e, eventualmente, conduzindo a
Amazônia a um processo gradual de savanização (Marengo e Betts, 2011).
Vários estudos buscam relações entre as mudanças de cobertura da terra e seus
efeitos sobre as variáveis hidrológicas, tais como Pielke (2005), Zemp et al. (2017), Le
Page (2017), Schielein, e Börner (2018), entre outros.
Para algumas regiões de subbacias do rio Madeira, tem-se o estudo de Khanna et
al. (2017), que mostrou um dipolo que se intensificou e o associou com o desmatamento
na região. O trabalho de Santos e Buchman (2010) também aborda um notável decréscimo
nos valores médios decadais da precipitação ao analisarem os impactos da ação antrópica
na região central de Rondônia, utilizando para tal uma série histórica de chuvas nos
períodos de 1951 a 2008.
Contudo o fator de escala encontrou-se muito associado aos efeitos que são
observados da mudanças na Amazônia, pois Chambers e Artaxo (2017) teorizam que os
fragmentos de desmatamento em pequena escala (aproximadamente 1 km de tamanho)
distribuídos ao longo da bacia, podem não ser grandes o suficiente para perturbar
significativamente os ciclos climáticos e que as interferências sejam geradas pelas
heterogeneidades da cobertura da terra, os quais aquecem de forma diferente a superfície,
iniciando circulações térmicas ou convectivas superficiais que aumentam a nebulosidade
local e, em alguns casos, alteram a precipitação.
Complementarmente, outra perspectiva pode ser empregada nesse contexto de
análise, ou seja, o conceito de bacias hidrográficas com efeitos de borda, as quais
abrangeriam áreas com vegetação totalmente fragmentada e em estado avançado de
modificações antrópicas. Sob o prisma de explorar futuros cenários, pode-se conjecturar
e mostrar os efeitos do desmatamento nos recursos hídricos da região. Adicionalmente,
pode oferecer indicativos para a criação de um sistema de Alerta precoce para detectar
qualquer perda irreversível iminente de serviços ecossistêmicos da Amazônia em
combinação com o conceito de zonas críticas, permitindo desenvolver e estabelecer
estratégias de resposta por meio de políticas públicas para prevenir tal perda de
biodiversidade (Kruijt et al., 2014).
110
Entre outras razões, a escolha da bacia do Madeira para realização da presente
pesquisa, deu-se pelo fato de que estudo anterior (Souza, 2015) realizado em uma sub-
bacia da região, no que concerne à produção hidrossedimentológica em conjunto com
análises de desmatamento e de potenciais mudanças hidroclimáticas em função do uso do
solo. Mais especificamente, o trabalho foi conduzido na sub-bacia do rio Machadinho,
onde foram avaliadas as mudanças na cobertura da terra e analisada a interferência dessas
mudanças sobre a dinâmica local do ciclo hidrológico (vazão, chuva e evapotranspiração)
por meio do uso do modelo SWAT (Soil and Water Assessment Tool).
Nessa análise, isolando-se a influência dos fatores climáticos nas simulações de
configurações históricas de cobertura da terra, verificou-se o impacto das transformações
antrópicas nas descargas líquidas da bacia estudada. Observou-se uma relação
diretamente proporcional entre o aumento de vazão frente à conversão da mata nativa em
pastagem e em meio urbano, dado que o cenário de cobertura da terra do ano de 1984,
que possuía cerca de 97% da área formada por florestas, apresentou um hidrograma
menos acentuado que os demais anos, que tiveram grandes reduções de floresta. Além
disso, em 1984, a produção de sedimentos foi reduzida e suavizada sem gerar grandes
picos anuais decorrentes de eventos de precipitação mais extremos.
Além disso, verificaram-se tendências de redução da magnitude da chuva no
período chuvoso, enquanto a evapotranspiração também tendeu a reduzir nesse período e
a se intensificar nos períodos mais quentes e secos. Caso continue essa transformação de
floresta em pastos e núcleos urbanos na bacia, a bacia terá reduzido o seu quantitativo de
água. Dessa forma, pensando-se de uma forma mais global, se todos os contribuintes da
bacia amazônica se comportarem da mesma forma, a região poderá, no futuro, presenciar
alterações nos padrões de comportamento de variáveis hidrológicas fundamentais,
sobretudo com chuvas mais escassas e menor disponibilidade hídrica.
A bacia hidrográfica do rio Machadinho, abrangendo uma área com extensão de
5.485,41 km², é sub-bacia do rio Madeira e localiza-se no estado de Rondônia, Amazônia
Ocidental (Figura 4.10).
111
Figura 4.10 – Mapa de localização da bacia hidrográfica do rio Machadinho.
112
Essa bacia ilustra as principais transformações observadas nas últimas décadas na
região. A ocupação dessa bacia ocorreu em dois processos de colonização distintos, que
não respeitaram as diretrizes da legislação ambiental do Brasil quanto a manutenção de
áreas ripárias (Gomes, 2009). O primeiro processo foi incentivado por meio de projetos
de colonização implantados pelo Instituto Nacional de Colonização e Reforma Agrária
(INCRA), enquanto o segundo foi precedido por estudos prévios de pedologia, topografia
e delimitação de lotes agrícolas acompanhando a topografia do terreno.
As ações de intensa antropização ocorridas nas últimas décadas na bacia do rio
Machadinho resultaram na conversão de extensas áreas de florestas em campos
destinados às atividades agropastoris, que ocasionaram consideráveis impactos nos
corpos hídricos, visto que tais ações desconstruíram áreas de grande importância como as
regiões ripárias (Pedlowski et al., 1997; Roberts et al., 2002; Soler e Verburg, 2010), que
são consideradas áreas de proteção permanente na legislação ambiental do Brasil. Os
principais passivos ambientais são notados com a intensificação dos processos erosivos,
assoreamento de cursos de água e degradação da qualidade dos solos e das águas (Roberts
et al., 2002).
O processo de ocupação nessa área também produziu, na paisagem dessa região,
mosaicos com regularidade dos perímetros bastante variada, o que deixou fragmentos
isolados de vegetação natural, rodeados por um ecossistema distinto do original, o que
acaba por gerar, nessa bacia, um processo denominado de efeito de borda, sendo este
responsável por alterar a estrutura hidro-climática da região, como modificações de
temperatura, de velocidade e turbulência do vento, de umidade relativa do ar, bem como
de umidade do solo (Arroyo-Rodríguez, 2008).
Contudo, em tal área, são poucos os estudos que tentam tratar essas modificações
quantitativamente no que concerne ao ciclo hidrológico nessa região. Na literatura, um
dos poucos exemplos são os estudos de Gomes (2009) e Souza (2015). O primeiro
concentrou-se em relacionar a ocupação de forma qualitativa com processos
geomorfológicos da bacia. Já o segundo estudo debruçou-se sobre a quantificação
hidrossedimentológica perfazendo um paralelo histórico em relação ao primeiro estudo.
Assim, observa-se uma lacuna na literatura que demonstre os efeitos do
desmatamento da região no ciclo hidrológico e seu efeito de borda em uma forma mais
integrada, correlacionando com as modificações na precipitação, na evapotranspiração e
na vazão. Nesses termos, o uso de modelos hidrológicos aliados aos dados de
sensoriamento remoto permite avaliar os impactos e predizer como diferentes formas de
113
manejo de uma bacia agrícola influenciam a qualidade da água, a produção de sedimentos
e o carreamento de cargas de poluentes.
Tabela 4.1 – Proporção das classes cobertura da terra da bacia do rio Machadinho nos
anos de 1984, 1997 e 2011.
Área (%)
Classe de cobertura da terra
1984 1997 2011
Área urbana 0,00 0,11 0,67
Pastagem 2,60 22,00 45,89
Água 0,25 0,14 0,11
Floresta de terra firme 96,07 76,79 52,36
Floresta propensa a inundação 1,06 0,956 0,95
114
Figura 4.11 – Mudanças na cobertura da terra da bacia do rio Machadinho.
115
Ao longo da série histórica analisada, nota-se que a bacia hidrográfica sofreu
intensas modificações. Para o ano de 1984, observou-se uma escassa ocupação humana
na área, devido ao início da implantação dos projetos de assentamento na região. Nessa
ocasião, a proporção de áreas naturais sobrepujava, em grandes dimensões, as que
sofreram modificações humanas, sendo possível considerar que praticamente inexistiam
interferências nos processos hidrológicos dada a escala de ocupação quase nula nesse ano.
O ano de 1997, no entanto, presenciou um aumento em aproximadamente 746%
nas áreas de pastagem em relação aos 13 anos anteriores, o que determinou a sua presença
com percentual de 22% da área total da bacia. A área urbana também sofreu um aumento
expressivo de 41% em contraste com 1984, todavia sua área de predominância na bacia
significou menos que 1%, mostrando, assim, que a ocupação desse território se deu
principalmente movido pelos processos da pecuária.
Dos anos analisados, 2011 constituiu-se como o mais crítico em relação à
interferência humana na área da bacia do rio Machadinho. O aporte de pastagem e área
urbana constituíram, respectivamente, um quantitativo próximo de 46 % e de 0,7 % da
área da localidade, sendo esses percentuais bem superiores em relação aos obtidos para
os demais anos analisados. A vegetação sofreu, nesse período, uma redução para pouco
mais de 50 % da área total da bacia. Assim, em relação aos anos de 1984 e 1997, as
modificações na produção de vazão e sedimentos na bacia atingiram, em 2011, o ápice
face aos cenários aqui analisados.
Através da análise dos dados de cobertura da terra, é possível observar que a maior
porcentagem de supressão da vegetação natural deu-se nas florestas de terra firme, as
quais são compostas por vegetações sem incidências de alagamento em qualquer período
anual, formadas basicamente por floresta ombrófila aberta das terras baixas e floresta
ombrófila densa submontana. Por outro lado, a vegetação propensa à inundação, que
sofreu uma menor conversão em pastagem, é constituída pela floresta ombrófila aberta
aluvial.
A classe área urbanizada ocorre em uma pequena parte da bacia, correspondendo
ao perímetro urbano do município de Machadinho d’Oeste. Essa classe é pouco
representativa, como dito anteriormente, mas vem apresentando um crescimento
acentuado com o passar dos anos. Esse fato pode ser atribuído ao crescimento
populacional, pois, conforme dados do IBGE (2014), no início de sua criação, o núcleo
urbano desse município compunha um quantitativo de 2.934 indivíduos quando era
apenas um assentamento; já em 1996, depois de 8 anos de sua elevação para a categoria
116
de município, esse número era de 27.642 habitantes, e, no ano de 2010, o total era de
31.135 pessoas, o que denota, assim, a mudança de parte da população rural para áreas
urbanas, visto que o crescimento de área urbana construída superou a proporção de
acréscimo populacional em todo o território do município.
O fator de classe antropogênico de maior magnitude, a pastagem, apresentou, ao
longo dos anos, um crescimento desordenado, onde não se respeitaram os corpos de água,
como indicado na Figura 8.2, com exceção da foz da bacia, que mostrou poucas
mudanças, tendo a permanência de grande parte da mata original registrada até o ano mais
recente analisado nesta pesquisa.
- Utilização do modelo hidrológico Soil and Water Assessment Tool – SWAT para gerar
e observar tendências nos dados de vazão
A vazão foi tratada como uma resposta pontual no exutório da bacia, visto que,
em tal bacia, não existem pluviômetros suficientes para tratar a modelagem hidrológica
de forma distribuída. Assim, para determinar como a ocupação antrópica influenciou o
comportamento da vazão, utilizou-se o modelo hidrológico Soil and Water Assessment
Tool - SWAT. A sensibilidade dessa variável foi aferida para um período de 5 anos em
cada cenário histórico de cobertura da terra da bacia empregado no estudo.
O modelo teve como entrada: modelo digital de elevação hidrologicamente
consistente (MDHC); solos; uso/manejo do solo; delimitação da bacia hidrográfica; e
dados climáticos.
O modelo digital da bacia hidrográfica do rio Machadinho foi gerado através de
imagens O HydroSHEDS (Hydrological data and maps based on SHuttle Elevation
Derivatives at multiple Scales) com resolução de 30 m, disponíveis no sítio da National
Aeronautics and Space Administration (NASA).
O SWAT requer uma série de dados acerca das características físicas dos solos e
cobertura da terra para poder realizar as simulações hidrológicas. Dessa forma,
parâmetros que descrevem o solo da região foram obtidos nos estudos de ZSEE (2007) e
Baldissera (2005). Já a descrição da cobertura terrestre utilizou as mesmas imagens
construídas para verificar a cobertura da terra da bacia.
O delineamento da área na bacia do rio Machadinho foi realizado mediante o
correspondente MDEHC para a divisão das suas sub-bacias. Procede-se automaticamente
pelo acionamento do modelo SWAT nos pontos de confluência de linha de água, que
117
delimitam, então, as sub-bacias a partir do MDEHC e da malha hidrográfica. Esse
procedimento gerou um total de 31unidades de resposta hidrológica (hydrologic response
units - HRU’s).
Segundo a mesma diretriz, os dados climatológicos foram obtidos para o período
temporal analisado. Para aplicação do modelo SWAT, como expresso anteriormente, são
necessários dados climatológicos diários e mensais. As séries históricas diárias
necessárias são para precipitação (mm), temperatura máxima e mínima (°C), radiação
solar (MJ.m-2.dia-1), umidade relativa do ar (%) e velocidade do vento (m.s-1). Tais séries
diárias foram obtidas por meio de base de dados semelhantes em termos de sua formação
e por meio da mesma metodologia utilizada por Vu, Raghava e Liong (2011) na região
do Vietnã, por Lu et al. (2010) na América do Norte e por Souza (2015) na porção da
região amazônica brasileira. Tal metodologia consiste na criação de estações
climatológicas virtuais para os dados do Global Precipitation Climatology Project
(GPCP).
As influências dos sistemas climáticos na vazão produzida face aos cenários de
cobertura da terra analisados foram suprimidas, assumindo-se que o comportamento
climático seguiu, de forma similar, o padrão de comportamento climático utilizado no
procedimento de simulação mediante o qual se calibrou e validou o modelo. Em outras
palavras, as condições climáticas impostas nessas simulações foram as mesmas do ano de
1997, sendo tal ano selecionado também por possuir a maior quantidade de dados sem
falhas na série histórica da vazão.
Para determinar os parâmetros com vistas à simulação dos cenários, simularam-
se, primeiramente, os anos de 1995 a 2000, sendo utilizado, como período de aquecimento
do modelo, o ano de 1995, excluindo-o, então, dos passos seguintes de calibração e
validação da vazão, que foram executados, respectivamente, para os intervalos de 1996 a
1998 e 1999 a 2000. A série histórica de vazão empregada nesses processos correspondeu
à estação de código de cadastro 15575000, operada pela CPRM, com coordenadas de
localização 09°20’50” S e 61°56’5” O.
Na calibração e na validação, utilizou-se o código computacional SWAT-CU,
utilizando-se, como métricas de avaliação do desempenho, o coeficiente de determinação
(r²) e o coeficiente de eficiência de Nash e Sutcliffe (COE). A metodologia de calibração
utilizada foi baseada na teoria de otimização por enxame de partículas (PSO) (Kennedy
e Eberhart, 1995). Os parâmetros de busca empregados no procedimento foram de 10000
simulações com 10 interações cada, sendo de 0,1 o limiar comportamental onde as
118
soluções são coletadas para construir a incerteza do modelo e de 0,5 o peso no cálculo da
velocidade.
Os resultados da calibração e da validação da modelagem da vazão podem ser
visualizados no diagrama de dispersão dos dados na Figura 4.12.
a) b)
Figura 4.12 – Diagrama de dispersão dos dados de vazão: a) após a calibração; b) após
a validação.
119
forma, o modelo pode ser melhor utilizado para casos em que a vazão seja produzida por
chuvas médias de maior tempo de recorrência.
a) b)
Figura 4.13 – Vazão medida e vazão simulada pelo SWAT: a) após a calibração; b) após
a validação.
120
Figura 4.14 – Hidrogramas acumulados para os cenários simulados.
121
SWAT, pode ter sido influenciada pelo seu tamanho. Há conjecturas de que a hidrologia
local pode ser influenciada por fenômenos em escalas maiores. A despeito disso,
encontra-se a discussão levantada por Arancibia (2013), que relata que bacias com área
menor do que 500 km² sofrem impactos hidrológicos pelo uso da terra, com fácil
detecção. Na mesoescala, que abrange bacias entre 500 e 10.000 km², os impactos são,
por vezes, detectados. Por outro lado, em escalas maiores do que 10.000 km², não existiria
significativa influência de mudanças na cobertura e uso do solo no comportamento
hidrológico das correspondentes bacias.
No caso das grandes bacias na Amazônia, Rodriguez et al. (2010) comentam que
impactos hidrológicos provenientes da mudança da cobertura da terra possuem um maior
tempo de defasagem em bacias com maiores áreas, tornando-se assim de difícil detecção.
Essa constatação sugere que a relação de mudança do solo com impactos possui
comportamento não linear com o tempo. Logo, ao se suprimir parte da vegetação e
convertê-la em outro tipo de cobertura de terra, o ciclo hidrológico dessa região poderá
ser afetado somente anos após essas ações.
122
inteligente de interpolação de dados com informações de estações pluviométricas in situ
para criar séries temporais.
Além disso, outro fator que viabilizou o uso dessa fonte de dados em vez de fontes
de geoprocessamento como imagens TRMM ou informações providas do radar
meteorológico instalado no estado e operado pelo Sistema de Proteção da Amazônia
(SIPAM) foi devido ao fato de conter dados de períodos mais antigos do que essas outras
fontes citadas. Por exemplo, as imagens TRMM encontram-se disponíveis após o ano de
1999, enquanto os radares do Sipam foram instalados em 2003 no estado de Rondônia,
cobrindo uma área máxima de varredura de até 400 km de raio, o que não compreende
todo o território do estado.
Os dados de evapotranspiração foram obtidos pelo Operational Simplified Surface
Energy Balance (SSEBop), desenvolvido por Senay et al. (2013). Essa série de dados
geoespaciais, que comporta o período de 2002 a 2017, apresentou boa precisão na
determinação da evapotranspiração real nos locais testados globalmente (Senay et al.,
2007) e especificamente para a região amazônica, onde o estudo de Senay et al. (2014)
encontrou uma boa relação com dados medidos.
As alterações estatisticamente significativas nas tendências temporais nas séries
históricas de chuvas e evapotranspiração na bacia foram determinadas utilizando-se o
teste de Mann-Kendall (Mann, 1945; Kendall, 1975), o qual é um método robusto,
sequencial e não paramétrico, não requerendo, assim, a distribuição normal dos dados.
Tal método é pouco influenciado por mudanças abruptas ou séries não homogêneas, mas
exige que os dados sejam independentes e aleatórios (Neeti e Eastman, 2011). Os detalhes
deste teste estão no item 3.2.1.4 desta obra.
As tendências das magnitudes dos acumulados mensais da precipitação e da
evapotranspiração, obtidos através do teste Mann-Kendal no nível de confiança de 95%,
estão na Figura 8.14. Na imagem, as intensidades mais próximas do azul indicam uma
alta tendência positiva, ou seja, crescimento do fenômeno no período observado,
enquanto o tom avermelhado denota que se observou uma redução na magnitude.
123
Figura 8.14 – Análise de tendência para a bacia do rio Machadinho – a) precipitação no
período de 1981 a 2017; b) evapotranspiração no período 2002 a 2017.
124
A precipitação na bacia teve sua tendência variando no intervalo de -0,4 a 0,4 entre
o período de 1981 a 2017. Logo, observaram-se zonas com redução e aumento de 40%
nos acumulados mensais. Estratificando essas análises por mês, verificou-se que os meses
de maior intensidade de chuva na região (novembro, dezembro e janeiro) juntamente com
os meses de transição da estação chuvosa para seca (março e abril), foram os que tiveram
os maiores impactos de redução, principalmente para a área de nascente da bacia, que é
um dos locais onde houve maior conversão de floresta em pasto.
Mudanças na cobertura da terra modificam o balanço de energia da superfície
terrestre. Superfícies florestadas são mais escuras. Assim, possuem maiores taxas de
evapotranspiração em comparação com superfícies cobertas por vegetação rasteira. A
substituição de áreas de floresta por agricultura/pastagem gera aumento na superfície de
solo, redução na área foliar, redução na profundidade do enraizamento e a redução na
rugosidade da superfície (Swann, 2015). A redução da área foliar, bem como de raízes
profundas leva a diminuição da evapotranspiração e, necessariamente, a um aumento no
fluxo de calor sensível, fatores que contribuem para o aquecimento da superfície e
reduções na precipitação (Swann, 2015).
Em relação à evapotranspiração, verificou-se que o intervalo de tendência foi de -
0,8 a 0,8 entre os anos de 2002 a 2017. Essas maiores intensidades no que tange à
precipitação, deveu-se à quantidade de anos analisados ser menor e coincidir com o
período em que se presenciaram as maiores mudanças no solo e, consequentemente, a
maiores reduções de florestas, pois, como é notado na análise de cobertura da terra para
a bacia, a maior taxa de retirada de floresta deu-se de 1997 a 2011.
Nessa série histórica, observa-se um píxel discrepante, que possui sua localização
na zona urbana da cidade, o que pode denotar que a base de dados utilizada possui um
sinal de interferência em núcleos urbanos circundados com floresta.
O comportamento da evapotranspiração possui uma divisão em dois períodos,
incluindo aumento (junho a outubro) e redução (novembro a maio). Assim, em meses
mais secos, caracterizaram-se aumentos da evapotranspiração, enquanto, nos meses mais
chuvosos, intensifica-se a redução da variável climática.
Analisando o comportamento hidrológico em conjunto, fica nítido que a supressão
da floresta na bacia intensifica a vazão presente por reduzir a capacidade de infiltração
do solo e por reduzir a evapotranspiração durante esse período mais chuvoso. Todavia os
meses mais secos tenderam a manter a quantidade de água, o que indica uma possível
retirada da água armazenada no solo.
125
CAPÍTULO 5 - RESULTADOS E DISCUSSÃO
126
Figura 5.1 – Chuvas mensais interpoladas pelo IDP (em mm).
127
Figura 5.3 – Chuvas mensais interpoladas pelo VN (em mm).
128
Figura 5.5 – Chuvas mensais interpoladas por polígonos de Thiessen definidos com base
nas estações de treinamento da sub-bacia do rio Madeira (em mm).
129
O procedimento dos polígonos de Thiessen (Figura 5.5) apresentou transição
espacial brusca, como era esperado pelo método que trabalha com segmentos de reta
configurados por meio de mediatrizes definidas a partir das relações lineares de variação
da chuva estabelecidas entre as estações de análise, delimitando-se, por conseguinte, as
correspondentes áreas de influência. Os meses de abril e outubro foram os mais
diferenciados em termos de distribuição pluviométrica ao longo da bacia.
As médias aritméticas mensais (Tabela 5.1) seguiram as tendências do clima da
região, que é caracterizado por precipitações mais intensas na estação chuvosa,
compreendida entre os meses de novembro a março, enquanto, na estação seca, que
abrange os meses de julho a setembro, a precipitação tem os menores valores registrados.
Entre esses períodos, é possível identificar as fases de transição, como a existente da
estação seca para a úmida e vice-versa, onde a precipitação aumenta ou reduz no decorrer
dos meses.
Tabela 5.1 – Média aritmética mensal para a bacia do rio Madeira. (ano de 2011).
Mês Média Aritmética Mês Média Aritmética
mensal (mm) mensal(mm)
Jan 323,44 Jul 17,87
Fev 334,23 Ago 34,53
Mar 277,72 Set 82,23
Abr 244,71 Out 181,90
Mai 66,68 Nov 230,80
Jun 28,27 Dez 325,47
A análise dos resíduos (Figura 5.6) ao longo dos meses mostrou que todas as
técnicas empregadas no estudo tenderam a acertar de forma mais eficiente nos meses mais
secos e com pouca pluviosidade. Por outro lado, os meses chuvosos apresentaram
resíduos de maior magnitude, principalmente dezembro e janeiro, não tendo sido
percebida, para esses dois meses, uma tendência de subestimação ou superestimação por
parte de qualquer uma das técnicas analisadas.
130
a)
b)
Continua...
131
c)
d)
Continua...
132
e)
f)
Figura 5.6 – Diagrama de resíduos mensais obtidos pelos métodos: a) média aritmética,
b) polígonos de Thiessen, c) inverso da distância ponderada, d) vizinho natural, e)
krigagem, f) de função de base radial multiquadrada.
133
Todavia, nos meses de junho, julho e agosto, houve algum grau de superestimativa
em todas os procedimentos, visto que os resíduos tenderam a ser positivos.
Cabe destacar que as menores amplitudes de resíduos foram observadas nas
técnicas de IDP e de KG, denotando, assim, que essas técnicas tenderam a errar menos
na estimativa espacial da chuva para a sub-bacia do rio Madeira. Porém a média aritmética
não teve valores muito distantes aos desses dois operadores, confirmando que, por vezes,
uma técnica de estimação mais simples pode apresentar, em determinados casos,
tendência de produzir resultados bastante similares em contraste com aqueles produzidos
por interpoladores teoricamente mais sofisticados.
No entanto, ressalta-se que, dentre todas as técnicas, o RMB apresentou
magnitudes residuais muito superiores, tanto negativamente quando positivamente para
todos os meses, quando comparadas com todas as outras técnicas, indicando que é
bastante limitado em termos de produzir um campo espacial de chuvas para a bacia
hidrográfica estudada.
Os resultados das correlações mensais das técnicas (Tabela 2) seguiram as
mesmas constatações da análise de resíduos. Os meses em que a correlação se apresentou
mais alta foram os meses de seca, chegando a ser registrado uma correlação máxima de
0,81 no mês de julho para a técnica do KG.
134
de ser um valor constante, limita a formulação dessa medida de correlação apresentar um
resultado relevante. O IDP e o KG, em todos os meses, mostram-se superiores em relação
aos demais procedimentos, contudo, no mês de outubro, o KG apresentou uma melhor
correlação em relação ao IDP, mesmo essa sendo negativa, o que indica que a técnica
subestima o valor observado.
O efeito de correlações negativas em relação à aplicação de interpoladores e aos
eventos de chuva também foi observado no estudo de Righi e Basso (2016), onde se
observaram magnitudes de -0,81, -0,80, -0,50 e -0,16 para os interpoladores BRM, IDP,
KG e VN, respectivamente.
135
r² desse procedimento foi de 0,55, sendo ele maior que os métodos dos Polígonos de
Thiessen, do VN e do BRM.
Os valores dos erros modulares médios estiveram bem próximos para as técnicas
KG, VN, IDP e MA, que tiveram as menores magnitudes observadas. Reforça-se que a
média aritmética pode ser aplicada na bacia hidrográfica em estudo com pouco prejuízo
em relação à aplicação de técnicas mais sofisticadas de interpolação, o que pode reduzir
o custo computacional associado, por exemplo, a atividades de preenchimento de falhas
de estações pluviométricas.
O BRM obteve o maior erro modular médio, concordando, assim, com os
resultados anteriores que apontam a inadequabilidade da aplicação desse interpolador de
chuva para a sub-bacia do rio Madeira. Essa constatação vai de encontro ao levantamento
feito no trabalho de Magalhães et al. (2013) para o norte do Espirito Santo, que observou
que tal método é satisfatório para interpolação espacial da precipitação anual, com um
índice de concordância igual ao obtido pelo método de melhor desempenho do
supracitado estudo, o IDP, e um erro quadrado médio bem reduzido.
De forma geral, o KG e IDP apresentaram a maior eficiência em todos os testes
empregados no presente estudo. Os resultados similares desses interpoladores podem ser
explicados pelo fato de que ambos possuem bases conceituais semelhantes, diferindo
apenas nos pesos da interpolação espacial obtidos com base na forma do semivariograma
(MIRANDA et al., 2009). O desempenho próximo dessas duas técnicas também foi
notado no estudo de Gardiman Junior et al. (2012) para a bacia do rio Itapemirim (ES).
O método de Krigagem também é citado por Silva et al. (2011), por exemplo,
como um método padrão para interpolação de precipitação pluvial nas regiões do Espírito
Santo, apresentando índices estatístico satisfatórios.
O VN apresentou restrições espaciais de uso na bacia e não foi tão eficaz quanto
as outras metodologias, contudo Righi e Basso (2016) apontaram essa técnica como o
melhor interpolador testado para eventos pluviométricos anuais. Dessa forma, a limitação
da aplicação desse procedimento na bacia pode residir na configuração da distribuição
das estações testadas, indicando, assim, que o dimensionamento da rede pluviométrica na
sub-bacia do Madeira necessita ser revista para se tornar mais representativa.
136
5.2 ANÁLISE DOS DADOS DE PRECIPITAÇÃO ESTIMADOS POR
GEOPROCESSAMENTO PARA A BACIA DO RIO MADEIRA
5.2.1 Análise de Agrupamento
Por meio da análise de agrupamento das estações pluviométricas, mediante o
emprego de suas séries históricas mensais entre os anos de 2001 a 2015, definiu-se o
dendograma representado na Figura 5.7. Pode-se observar que o corte realizado para uma
correlação considerada forte entre as estações determinou a existência dos quatro grupos
homogêneos para a região da bacia do rio Madeira, representados graficamente por uma
coloração diferente. A sequência de agrupamentos está apresentada na forma de
dendograma, em que, no eixo das abscissas, estão as estações, enquanto, no eixo das
ordenadas, está o nível de agregação.
A distribuição das 44 estações nos cinco (5) grupos homogêneos é mostrada na
Figura 5.8, onde também se encontra o mapa hipsométrico da bacia. Nele, pode-se
observar que os grupos tiveram sua formação pautada na proximidade das estações e no
perfil de cotas de elevação.
137
Figura 5.7 – Dendgograma de agrupamento das estações pluviométrica
138
Figura 5.8 – Distribuição especial do agrupamento de estações pluviométricas
139
As precipitações médias mensais dos grupos podem ser observadas em formas de
histogramas na Figura 5.9.
Para todos os grupos, observa-se que possuem sazonalidade bem definida, com
aumento da precipitação a partir de novembro e encerrando-se em março.
Nos grupos 2, 3 e 4, pode-se observar que os meses de janeiro a março são os mais
chuvosos, enquanto, no grupo 1, o mês de março destaca-se dos demais. De forma
consistente, o mês de agosto foi o que apresentou a menor pluviosidade em todos os
grupos.
O estudo de Andrade et al. (2016), quando da análise da mesma bacia utilizando
dados de 41 estações pluviométricas, numa série histórica compreendida entre 1978 e
1998, encontrou uma configuração de agrupamento similar, confirmando, assim, um certo
grau de estacionariedade nas características pluviométricas da região.
140
5.2.2 Eficiência das Fontes de Sensoriamento Remoto
As comparações de informações pluviométricas de acumulados mensais providas
de pluviômetros e dados do CHIRP, CHIRPS, 3B42 e 3B42RT para os anos de 2001 a
2015, podem ser observados na Figura 5.10.
a)
Continua...
141
b)
Continua...
142
c)
Figura 5.10 – Análises de eficiência: a) coeficiente de regressão (r2); b) erro padrão
médio (EPM); c) índice de concordância de Willmott
143
Em segunda posição, de magnitudes mais elevadas do r², estavam os produtos CHIRP e
3B42, na ordem de 0,6. E a série histórica dos dados dos produtos do 3B42RT mostram-
se inferiores por apresentar quantitativos em torno de 0,5.
O estudo de Paca (2008) encontrou comportamento similar para os dados do
produto 3B42 na bacia do rio Guamá – PA, mesma região em que se insere a área de
estudo deste trabalho.
Avaliando os dados segmentados por estações climáticas, percebem-se dois fatos
interessantes: o primeiro é a grande piora dos dados de sensoriamento remoto em
corresponder às informações de pluviômetros em períodos chuvosos, e o segundo é a
grande melhora na previsão de eventos no período de seca. Tal consequência pode ser a
possibilidade da comparação do pluviômetro, que é a medida de um ponto no espaço,
com a relação do píxel do TRMM, que é uma média de uma área maior. Essa hipótese
poderia até explicar a maior representatividade do CHIRPS e CHIRP, que, quando
comparado ao TRMM, possui uma escala espacial maior.
O fator supracitado comprova a preocupação do estudo de Ali et al. (2003), que
ressalta que a intermitência da ocorrência da chuva na região amazônica induz a uma
grande variabilidade espacial, o que por si só provoca uma incerteza da medida pontual
em ser extrapolada para representar um valor de uma área.
Nesse contexto, Sodré et al. (2013) destaca a possível causa dessas discrepâncias
serem de variação sazonal de fenômenos de grande escala e de processos convectivos
locais, como o deslocamento de linhas de instabilidade. Todavia o referido autor ainda
ressalta a necessidade de estudos mais aprofundados para comprovar essa hipótese.
Essa constatação, no entanto, foi inversa àquela de Santos et al. (2015), obtida em
estudo similar usando pluviômetros e dados do TRMM realizado na área de transição da
floresta Amazônica e cerrado para o período de 1988 e 2013. No estudo, os autores
obtiveram valores superiores do r² nos períodos chuvosos quando comparados aos meses
secos. Dessa forma, pode-se pressupor a inexistência de uma confiabilidade global quanto
à eficiência do TRMM, pois varia conforme sua localidade.
Outro fato que pode ser explorado nessa análise é a possível incapacidade do
método de regressão em estimar a eficiência do TRMM na região amazônica para séries
de dados em intervalos de anos completos, pois se tratando de um evento cíclico onde
existem aumentos e reduções independentes das magnitudes nas duas séries de dados, tal
variação pode ocultar imprecisões dos dados, fato esse pode ser visto pelo valor da série
144
completa ser levemente maior que as análises com ambas as estações climáticas
segmentadas.
A análise de erros padrões médios também seguiram a tendência do coeficiente
de regressão. Observa-se que a ocorrência desses erros é inversamente proporcional à
quantidade de chuva, fato esse também confirmado pelo índice de concordância, onde o
primeiro foi maior nas regiões secas e para os dados do CHIRPS e CHIRP, enquanto o
segundo indicou que foi precário o desempenho dos produtos TRMM para representar a
chuva para todas as estações pluviométricas testadas no período chuvoso.
No que concerne a essa maior eficácia dos dados TRMM em descrever os períodos
secos na região amazônica, no estudo de Paca (2008), o autor relatou que o maior grau de
correlação observados em suas análises, para uma área próxima à da bacia estudada,
foram para o ano de 2005, no qual houve um padrão atípico de chuvas na região norte,
quando ocorreu um evento extremo de seca. Sodré et al. (2013) destaca, em seu estudo,
que a confiabilidade do TRMM deve ser questionada, pois, em períodos chuvosos,
apresentam uma defasagem de mais de 100 mm em relação aos pluviômetros.
O comportamento das estações que serviram como pontos de controle, Tabela 5.4,
foi similar aos resultados para todo o conjunto de estações, com superioridade destacada
dos dados do CHIRPS, seguido pelas informações do CHIPS e melhor representatividade
para períodos de baixa pluviometria.
145
Tabela 5.4 – Análises de eficiência dos pontos de controle: a) coeficiente de regressão
(r2); b) erro padrão médio (EPM); c) índice de concordância de Willmott (c).
Base de Código
Índice Série
Dados 965001 1063001 B3 B4
Total 0,80 0,74 0,82 0,80
CHIRPS Seco 0,64 0,66 0,73 0,55
Chuvoso 0,52 0,44 0,81 0,60
Total 0,64 0,63 0,27 0,64
CHIRP Seco 0,51 0,39 0,15 0,19
Chuvoso 0,11 0,28 0,09 0,38
r²
Total 0,65 0,54 0,83 0,88
3B42 Seco 0,62 0,57 0,78 0,79
Chuvoso 0,24 0,15 0,82 0,74
Total 0,28 0,34 0,59 0,70
3B42RT Seco 0,15 0,26 0,33 0,47
Chuvoso 0,02 0,11 0,57 0,44
Total 44,71 49,19 43,22 34,32
CHIRPS Seco 44,35 42,21 73,02 38,45
Chuvoso 77,78 96,01 113,77 85,76
Total 63,51 64,07 87,07 68,70
CHIRP Seco 53,04 52,69 69,38 64,93
Chuvoso 98,31 100,89 121,22 99,15
EPM (mm)
Total 52,11 57,42 39,92 29,71
3B42 Seco 43,49 44,73 74,47 40,00
Chuvoso 90,94 96,01 106,02 94,25
Total 103,07 96,23 63,54 56,32
3B42RT Seco 56,76 55,25 78,34 55,93
Chuvoso 130,83 132,72 109,00 111,11
Total Muito bom Muito bom Ótimo Muito bom
CHIRPS Seco Mediano Mediano Mau Mau
Chuvoso Mau Péssimo Sofrível Péssimo
Total Bom Bom Péssimo Bom
CHIRP Seco Mau Mau Péssimo Péssimo
Chuvoso Péssimo Péssimo Péssimo Péssimo
C
Total Bom Mediano Ótimo Ótimo
3B42 Seco Mediano Sofrível Mau Mau
Chuvoso Péssimo Péssimo Sofrível Péssimo
Total Péssimo Mau Bom Bom
3B42RT Seco Péssimo Péssimo Péssimo Péssimo
Chuvoso Péssimo Péssimo Mau Péssimo
146
Figura 5.11 – Diagrama de dispersão dos dados
147
De forma geral, observa-se que os produtos do TRMM possuem uma discrepância
maior em relação às estações pluviométricas quando comparados aos resultados do
CHIRP e CHIRPS, visto que esses dois apresentam uma tendência mais próxima nos
períodos de seca e chuva. Possivelmente, o que influi no índice de acertoé a eficiência do
CHPclim, que é o modelo base que gera o CHIRP e o CHIRPS; tal modelo utiliza, além
dos indicadores fisiográficos (elevação, latitude e longitude), diversas outras informações
de campos médios mensais de longo prazo de outros cinco produtos de satélite (Funk et
al., 2015):
• estimativas de precipitação de microondas;
• estimativas de precipitação baseadas em microondas e infravermelhos da
CMORPH;
• temperaturas médias mensais de brilho infravermelho geoestacionário;
• estimativas da temperatura da superfície da terra.
Os produtos que apresentaram a menor diferença entre si foram os produtos do
CHIRP e CHIRPS. Possivelmente, deve-se ao fato do primeiro ser uma versão sem
correções por interpolação de estações do segundo. Além disso, esses dois produtos
ficaram bem próximos do dos produtos do TRMM, provando a influência que o produto
TMPA 3B42 da TRMM tem na calibração das estimativas de precipitação através dos
dados de duração de nuvens frias (cold cloud duration – CCD) para a produção dos
CHIRP e CHIRPS (Funk et al., 2015).
Cabe destacar ainda que as estações chuvosas apresentaram um comportamento
mais disperso entre todos os dados, enquanto, na estação seca, há um adensamento desses
dados, tal como se observa no diagrama exposto na Figura 5.11.
148
Figura 5.12 – Análise de ondeletas para os grupos de estações
149
Nas imagens, as cores com tons mais fortes denotam maior força (potência mais
elevada no espectro), enquanto os contornos em preto marcam as regiões significativas
para o intervalo em um grau de 95% de confiança. As extremidades laterais marcam o
cone de influência dos efeitos de borda para o tamanho das séries analisadas.
Tratando-se de uma análise com dados mensais e sendo a precipitação um
fenômeno dotado de um ciclo interanual (periodicidade de 12 meses), o comportamento
esperado nessa análise é ao menos a formação de uma faixa no espectro amarelo no nível
com magnitude 12 no eixo de período para todo o intervalo de meses analisados.
O comportamento esperado para informações pluviométricas, citado acima, foi
observado em todas as séries do CHIRPS, CHIRP e do produto 3B42 do TRMM,
denotando, assim, uma boa acurácia dessas fontes em representarem o ciclo interanual da
região, além de reforçar a viabilidade de seu uso.
Contudo o produto 3B42RT apresentou uma quebra desse ciclo no período de
2008 a 2011, notando-se, mais uma vez, que as correções que se empregaram para esse
modelo tornaram sua série falha e menos representativa para a bacia do Madeira.
As análises de ondeleta- coerência (WTC) e cruzada (XWT) - entre as fontes de
mensuração por sensoriamento remoto e os dados dos pluviômetros estão registradas na
Figura 5.13 e na Figura 5.14.
150
Figura 5.13 – Análise de ondeletas - Coerência (WTC)
151
Figura 5.14 – Análise de ondeletas - Cruzada (XWT).
152
Por meio das análises acima, é possível obter informações sobre a amplitude de
qualquer sinal periódico dentro das séries históricas comparadas. Como essa amplitude
varia com o tempo, onde os vetores indicam se as variáveis possuem covariância positiva
(em fase), vetores apontados para direita, ou negativa (não fase), no caso em que os
vetores estejam apontados para esquerda.
Como sucesso de igualdade na comparação entre as séries dessas duas fontes de
dados, busca-se, no XWT, dois fatores. O primeiro é que os padrões circulados,
independente do período, possuam setas direcionadas para a direita, que denotam que o
evento climático em ambas as séries históricas age em um mesmo sentindo. Já o segundo
é a existência da periodicidade interanual indicado pela faixa em tom amarelado na altura
12 do eixo de período para todo o intervalo de tempo (eixo axial) e presença de setas
apontadas para direita, denotando que o ciclo interanual entre ambas é similar.
No WTC, procurando igualdade entre o pluviômetro e o píxel do TRMM, espera-
se que a correlação dos dados seja plena, próxima da magnitude 1. Dessa forma, quanto
mais similar uma série for de outra, maiores serão as zonas com área com cores próximas
do amarelo. Além disso, os vetores devem indicar que haja uma fase. Assim, o
direcionamento para a direita do seu vértice é esperado.
Nota-se que, em grau maior, as informações do CHIRPS apresentaram-se mais
representativas, enquanto, em menor grau, ficou o produto do TRMM 3B42RT,
principalmente em períodos interanuais. Existem grandes áreas que denotam uma
correlação próxima a 1, o que indica que uma série histórica tem relação diretamente
proporcional com a outra série.
Os dados CHIRPS, de forma geral, apresentou-se como uma grande ferramenta
de uso para região amazônica, uma vez que essa área possui uma baixa densidade de
estações de medição de chuva dada a sua cobertura de dados.
Analisando-se todas as investigações de forma conjunta, nota-se que as séries de
dados dos píxeis de todos os produtos obtidos de sensoriamento remoto são sensíveis a
detectar a ocorrência de eventos climáticos, com variabilidade interanual bem definida e
com grande capacidade em representar períodos de seca na região amazônica. Contudo,
em períodos chuvosos, as áreas desses píxeis falham em não representar a intensidade
pluviométrica pontual de uma estação pluviométrica, principalmente os produtos
oriundos do TRMM.
153
5.2.4 Avaliação de Desempenho
A Tabela 5.5 apresenta o percentual de dados diários por classes de eventos
considerados. A maioria dos registros concentram-se na classe “chuva moderada”,
seguido da classe “chuva leve”. A porcentagem de registros é semelhante para a maioria
das fontes de dados em quase todas as classes. No item “chuva extrema”, apenas o produto
3B42 registrou eventos dessa magnitude. Todavia as divergências observadas nas
magnitudes da proporção dos registros denotam a possibilidade que, apesar de
mensurarem a mesma variável hidrológica, existem diferenças significativas no tocante à
intensidade dos eventos identificados.
154
1
0,8
0,6
POD
0,4
0,2
0
<30 [30-150) [150-600) [600-1200) ≥1200
Classe de Eventos (mm.mês)
CHIRPS CHIRP 3B42 3B42RT
155
1
0,8
0,6
FAR
0,4
0,2
0
<30 [30-150) [150-600) [600-1200) ≥1200
Classe de Eventos (mm.mês)
CHIRPS CHIRP 3B42 3B42RT
Figura 5.16 – Razão de alarme falso (FAR) de todos os produtos por classes de eventos.
156
1,4
1,2
0,8
fBIAS
0,6
0,4
0,2
0
<30 [30-150) [150-600) [600-1200) ≥1200
Classe de Eventos (mm.mês)
CHIRPS CHIRP 3B42 3B42RT
157
Figura 5.18 – Análise dos erros EPM e ENM para a modelagem de eventos extremos de
chuva obtidos a partir do contraste entre dados de pluviômetros e dados CHIRPS.
158
A magnitude dos erros normais médios variou de -60 a 70%, e sua distribuição na
bacia destacam uma tendência, na maioria dos casos, de superestimação dos dados do
CHIRPS quando comparados com dados de pluviômetros. Todavia os erros padrões
médios não ultrapassaram 95 mm na maioria dos pontos comparados, o que denota que,
embora haja alguns dados mais discrepantes, as magnitudes são relativamente baixas,
expressando, em linhas gerais, que a modelagem da chuva por dados oriundos do CHIRPS
pode fornecer uma estimativa próxima àquela oferecida por dados de pluviômetros.
Assim, em localidades em que não se encontram informações de estações de medições de
pluviômetros, a utilização de séries históricas da missão CHIRPS podem se apresentar
como uma solução viável e bastante oportuna.
Como observação final, analisando-se os resíduos padronizados mediante a
segmentação por tempo de retorno (TR) (Figura 5.19), ilustra-se a tendência do aumento
nas diferenças entre as duas fontes de dados ao se aumentar o tempo de retorno. Nesse
sentido, existe uma relação diretamente proporcional entre os erros na estimativa da chuva
e sua probabilidade de ocorrência. Tal fato deve ser levado em consideração ao utilizar o
CHIRPS como fonte de informação de magnitude pluviométrica em obras hidráulicas que
exijam projeções de eventos pluviométricos extremos com maiores tempos de ocorrência.
250
200
Erro Padrão (mm)
150
100
50
0
0 20 40 60 80 100
Período de Retorno (anos)
159
5.4 EVENTOS DE PRECIPITAÇÕES EXTREMAS NA AMAZÔNIA: BACIA DO
RIO MADEIRA
A região do Madeira apresenta relevo variado (Figura 5.20) com elevadas
altitudes na região Andina (Bolívia) acima dos 6000 metros, até profundos vales
atingindo a planície amazônica com quase 500 metros; assim, relatam-se vastas zonas de
inundação na planície e a presença de cachoeiras no escudo brasileiro, principalmente
próximo a Porto Velho (Ribeiro Neto, 2006).
O relevo da bacia variou, em sua grande maioria, de plano para suavemente
ondulado em cerca de 89,3% da área da bacia, onde as elevações com os valores mais
baixos encontram-se nas vertentes próximas aos cursos de água.
O histórico do desmatamento na bacia do rio Madeira, Figura 5.21, revela que
aproximadamente 12,4% da bacia teve sua vegetação suprimida, sendo a maior porção
no Brasil, na área central da bacia, onde se localiza o rio Machado. A maior parte do
desmatamento ocorreu antes do ano 2000.
160
Figura 5.20 – Relevo da Bacia do Rio Madeira
161
Figura 5.21 – Histórico de uso e ocupação do solo na bacia do rio Madeira
162
A bacia hidrográfica do rio Madeira, na sua porção brasileira, sofreu intensas
modificações segundo Souza et al. (2016). A ocupação humana na área iniciou-se devido
à implantação de projetos de assentamento na região, que implicaram a conversão de
extensas áreas de florestas em campos destinados às atividades agropastoris,
principalmente em regiões ripárias.
Os eventos pluviométricos extremos registrados na bacia hidrográfica do rio
Madeira, assim como o seu ano de ocorrência e o correspondente período de retorno, são
apresentados na Figura 5.22. De forma geral, os eventos de máximas pluviométricas com
duração de 1 dia entre os anos de 1981 e 2017 variaram de 30 mm a um pouco mais de
300 mm. O alto índice de precipitação observado em toda a bacia é uma característica do
clima da região. Em Aguiar et al. (2006), por exemplo, há o destaque de que várias
localidades da bacia são amostradas com precipitações pluviométricas médias anuais
acima de 2.000 mm.
163
Figura 5.22 - Eventos extremos de chuva na bacia hidrográfica do rio Madeira de 1981 a 2017
164
Através da análise conjunta entre os dados de extremos e dados de relevo (Figura
5.20), observa-se um padrão na distribuição dos eventos ocorridos na bacia. A título de
exemplo, citam-se as cordilheiras dos Andes e a nascente da bacia, que apresentam as
maiores elevações e baixas/moderadas intensidades de chuva. No entanto, na transição
dessas para a região de planície, a magnitude de chuvas extremas encontra-se
maximizada. Esse fato ocorre devido ao fluxo de umidade vindo da Amazônia em direção
ao sul, que é forçado, então, a subir na frente da cordilheira dos Andes, levando a chuvas
orográficas acentuadas (Bookhagen e Strecker, 2008; Romatschke e Houze, 2013).
A ocorrência de maior proporcionalidade dos eventos extremos com o aumento
da declividade, aliados aos baixos períodos de retorno e a falta de uma tendência para o
ano de ocorrência, evidenciam que as chuvas orográficas da região geram as chuvas mais
intensas da bacia, não sendo fundamentalmente afetadas por fenômenos meteorológicos
ocorridos ao longo do período analisado.
Também foram observadas faixas de magnitude elevada de chuvas extremas, bem
como alto período de retorno, ao norte e a noroeste da bacia, sendo que a primeira
ocorrência extrema se deu no ano de 2017, enquanto a segunda foi em 2014.
O evento extremo de chuva de 2017 ocorreu, possivelmente, devido à atuação do
evento La Niña na região, visto que relatórios operacionais do Instituto Nacional de
Meteorologia (INMET) registraram, como efeitos dessa anomalia, a ocorrência do maior
volume de chuva em um período de cinco (5) anos para a região. Por outro lado, esse
mesmo fenômeno meteorológico foi apontado por Bergamaschi et al. (2004) como
responsável pela ocorrência de precipitações abaixo da média histórica na região sul do
Brasil.
Os eventos extremos pluviométricos de 2014 não tiveram influência do La Niña,
contudo cabe salientar que foram precedidos pela ocorrência do evento El Niño, que é um
dos fatores que estão associados aos períodos de secas registradas na região Amazônica.
A anomalia climática do fenômeno de El Niño é caracterizada pelo aquecimento das
águas superficiais do oceano Pacífico Equatorial (porção centro-oeste) e pelo
enfraquecimento dos ventos alísios de leste (Santos e Buchmann, 2010). Registre-se que
as séries de eventos extremos de chuva de 2014 propiciaram a geração de níveis
excepcionais de vazão nos rios do sudoeste da Amazônia.
As tendências das magnitudes de eventos extremos, obtidas via aplicação do teste
de Mann-Kendal, no nível de confiança de 95%, são apresentadas na Figura 5.23.
Observa-se que, na região da bacia do rio Madeira, existe um número maior de regiões
165
de redução na magnitude das chuvas extremas. Tendências de decréscimo na região
também foram observadas em estudos de precipitação que não enfocaram suas análises
em extremos, tais como em Guimberteau et al. (2013) e em Rao et al. (2016). O estudo
de Rao et al. (2016), por exemplo, analisou as características das chuvas do Brasil para o
período 1979-2011. Nessa referência, é possível observar que a maior parcela da bacia
inserida no território brasileiro tem tendência de redução na precipitação em períodos
chuvosos. As reduções chegam a representar uma perda de 5 mm.ano -1 na média do
período chuvoso, e, em algumas regiões, a perda chega a 20 mm.ano-1 quando o contraste
é feito com base na avaliação da média anual (Rao et al., 2016).
166
Essa constatação aponta concordância com o estudo de Werth e Avissar (2002), onde, ao
realizarem seis simulações climáticas, os autores observaram fortes reduções da
precipitação, da evapotranspiração e da nebulosidade com o desmatamento na Amazônia.
Segundo os autores, tais mudanças são potencialmente detectáveis em todo o planeta.
O desmatamento e consequente savanização não podem ser analisados como fator
único nas análises dos efeitos de redução das chuvas extremas. Quando confrontadas com
o histórico de cobertura terrestre na região (Figura 5.21), não se observa uma aparente
relação direta entre o desmatamento e a redução ou aumento das precipitações extremas.
Por outro lado, nas zonas próximas em direção a Bolívia em que uma predominância de
savana e onde a ocorrência de eventos de Oscilação Decadal do Pacífico são identificados,
destaca-se uma grande zona de redução na magnitude desses eventos.
A influência do desmatamento nas precipitações do estado de Rondônia também
foi observada por Butt et al. (2011), autores que chamam a atenção para a existência de
uma mudança acentuada no tempo de início da estação chuvosa do estado, projetando
atrasos de 18 dias para os próximos 30 anos, caso as características de mudança da
cobertura da terra permaneçam relativamente estáveis (Figura 5.21), confirmando as
tendências registradas no presente estudo (Figura 5.23).
As tendências de aumento e de redução na intensidade dos eventos extremos na
região destacam que as equações de intensidade-duração-frequência (IDF) utilizadas na
região devem sofrer alterações e serem atualizadas, ou se devem lançar mão de novas
metodologias de estimativas de chuvas para a construção de estruturas de obras
hidráulicas e hidrológicas da região, pois a ocorrência de falhas nos sistemas decorrentes
de eventos pluviométricos extremos é frequente, como relatado acima. Esse fato confirma
os resultados do estudo de Fadhel et al. (2017), que verificou que os quantis extremos de
precipitação representados pelas curvas da IDF estão sujeitos a alterações ao longo do
tempo.
167
A precipitação na bacia teve sua tendência variando no intervalo de 0,4 a -0,4 entre o
período de 1981 a 2017. Estratificando essas análises por mês, verificou-se que os
meses de maior intensidade de chuva na região (novembro, dezembro e janeiro),
juntamente com os meses de transição da estação chuvosa para seca (março e abril),
foram os que tiveram os maiores impactos de redução.
a)
Continua...
168
b)
c)
Continua...
169
d)
170
Figura 5.25 – Matriz de correlação de Tendências climáticas para a bacia do rio
Madeira
171
Em relação à evapotranspiração, verificou-se que o intervalo de tendência foi de -
0,8 a 0,8 entre os anos de 2002 a 2017. O comportamento da evapotranspiração possui
uma divisão de dois períodos de aumentos (junho a outubro) e reduções (novembro a
maio).
Dentre os cenários de tendências das variáveis climáticas analisadas, as que mais
se correlacionam de forma significativas, com exceção da temperatura e média e
amplitude da temperatura, que já era logicamente esperado, foram a precipitação e a
evapotranspiração.
Na região de desmatamento inserida na bacia do rio Machado, estado de
Rondônia, é observado o aumento de precipitação na parte norte do desmatamento e
diminuição na parte sul. Além disso, na região desmatada do alto Machado, verifica-se
uma forte correlação, inversamente proporcional, entre as tendências de chuva e
evapotranspiração na região com taxas de conversão da cobertura natural. Tal fato pode
ser devido ao aumento da temperatura nessa região, pois a tendência de correlação entre
a temperatura média e a evapotranspiração é diretamente proporcional, com uma
intensidade forte.
A variação das séries históricas dos dados de precipitação e evapotranspiração
para a bacia (Figura 5.26) foi aferida relacionando essa com a entropia da série em
magnitude de bit. Assim, um valor 2 indica que a série não varia, enquanto valores
maiores que estes mostram que o comportamento dos dados apresentam maior
variabilidade.
172
Figura 5.26 – Grau de entropia em bits da precipitação e evapotranspiração para a bacia
do rio Madeira.
173
longo da bacia, podem não ser grandes o suficiente para perturbar significativamente os
ciclos climáticos e que as interferências sejam geradas pelas heterogeneidades da
cobertura da terra, os quais aquecem de forma diferente a superfície, iniciando circulações
térmicas ou convectivas superficiais que aumentam a nebulosidade local e, em alguns
casos, alteram a precipitação.
Spracklen e Garcia-Carreras (2015) relatam, em seu estudo, que a possível falta
de correlação entre o desmatamento e a chuva pode residir no fato da redução da
precipitação média anual em toda a bacia amazônica ser menor que a variabilidade
interanual da precipitação observada.
Na parte do estado de Rondônia, o estudo de Khanna et al. (2017) mostrou um
dipolo que se intensificou e o associou com o desmatamento na região. O trabalho de
Santos e Buchman (2010) também aborda um notável decréscimo nos valores médios
decadais da precipitação ao analisarem os impactos da ação antrópica na região central
de Rondônia, utilizando para tal uma série histórica de chuvas nos períodos de 1951 a
2008.
Contudo os resultados obtidos pelo presente trabalho mostraram padrões de
mudanças que se estendem além da zona desmatada, como tendências negativas fortes
em zonas totalmente florestadas nas cabeceiras do Guaporé e Mamoré na Bolívia. Assim,
observa-se que a possível associação feita nos estudos de Khanna et al. (2017) e Santos e
Buchman (2010) de redução de precipitação com desmatamento na Amazônia pode
espelhar um paradoxolhana medida em que se analisa uma escala mais ampla com
recobrimento de uma área maior, visto que os efeitos têm, então, um comportamento
mais global e até certo ponto irregular ou pouco claro, o que demanda novas
investigações.
Um recorte de área de estudo maior realizado por Villar et al. (2009) encontrou
semelhanças nas tendências de precipitação em agosto, que apresentou um gradiente NW-
SE, com aumento do NW e diminuição no SE. Segundo os referidos autores, esses
padrões de mudança nas chuvas estão associados com a Oscilação Decadal do Pacífico e
ENSO.
A tendência positiva no período mais chuvoso (janeiro a abril) e negativa no
período mais seco (junho a setembro) na região de foz da bacia pode indicar acentuação
dos eventos extremos.
Os meses mais secos foram os que caracterizaram aumentos da evapotranspiração,
enquanto que, nos meses mais chuvosos, intensifica-se a redução dessa variável. Dessa
174
forma, foi identificada, para esse período, uma relação inversa entre essas variáveis. Este
resultado pode indicar um descontrole na reciclagem de precipitação, devido a
interferências na transpiração, que teriamseus efeitos sentidos em outras áreas devido à
variação do vento (Chambers e Artaxo, 2017).
A temperatura média mostrou um grande aumento de tendência na região da foz
da bacia nos meses mais secos, todavia a temperatura em forma de amplitude mostrou
uma certa redução nas regiões mais antropizadas. Possivelmente, pode-se atribuir tal
comportamento pela falta de regulação térmica que proveria a presença da vegetação. O
estudo de Salati et al. (2007) encontrou tendências positivas na temperatura média e na
precipitação para região norte do Brasil, divergindo, assim, em parte, dos resultados
observados neste estudo.
De uma forma geral, observou-se que, embora haja algumas faixas geográficas
em que as variáveis climáticas tenham uma certa relação determinada pelo coeficiente de
correlação, deve ser reconhecida a existência de padrões não lineares no tempo e espaço,
o que torna difícil a inferência dessas relações de forma absoluta (Spracklen e Garcia-
Carreras, 2015).
Contudo, cabe ressaltar a grande dificuldade em separar as mudanças induzidas
pelo homem e pelo próprio clima da região, pois a própria alta variabilidade climática
pode obscurecer quaisquer mudanças subjacentes, devido a mudanças climáticas ou a
mudanças no uso da terra (Kundzewicz e Robson, 2004; Cavalcante et al., 2019).
.
175
CAPÍTULO 6 – CONCLUSÕES E RECOMENDAÇÕES
176
e representatividade espaço-temporal bem com da robustez oferecida por produtos de
sensoriamento remoto, garantindo um grau de predição e previsibilidade para melhor
captar e avaliar o comportamento do fenômeno pluviométrico tão significativo e essencial
para nortear o desenvolvimento humano.
De forma a tornar possível o desenvolvimento da tese, executaram-se, inicialmente,
ações com vistas a construir e consolidar uma base de informações com suporte de dados
de pluviômetros e dados de sensoriamento remoto. Em seguida, diversas análises foram
efetuadas, incluindo análise de interpolação espacial, revelação da presença de ciclos,
determinação de tendências, simulação hidrológica, entre outros procedimentos.
Segundo o referencial metodológico exposto no trabalho, chegou-se a importantes
resultados e em algumas conclusões, que, nestas considerações finais, são discriminadas
e distribuídas conforme os objetivos específicos que se estabeleceram na tese.
Em especial, destaca-se que o trabalho ensejou uma discussão com respeito a uma
hipótese bastante interessante e até certo ponto controversa na literatura examinada sobre
a questão do tipo causa-efeito que abrangem as relações entre desmatamento e impactos
em termos de escoamentos na rede hidrográfica em diferentes escalas espaciais,
adotando-se o estudo do comportamento da chuva por sensoriamento remoto como
prisma inicial para prover fundamentos para a discussão.
177
A configuração espacial das estações presentes na bacia não permitiu aplicar, em
toda a sua extensão, a técnica do vizinho natural (VN), observando-se, assim, que a rede
pluviométrica da bacia do rio Madeira não possui espacialização representativa. A média
aritmética das estações vizinhas pode ser uma boa alternativa de baixo custo
computacional quanto ao preenchimento de dados faltantes em um posto fluviométrico,
contudo reforça novamente que o número e a configuração das estações são incapazes de
descrever a variabilidade espacial da chuva com outros métodos de interpolação.
178
Além disso, as discrepâncias observadas não mostram um padrão de
comportamento relacionado à latitude ou à longitude contudo os resíduos padrões das
fontes de dados apresentaram um comportamento diretamente proporcional ao período
de retorno.
179
se faz a análise dessa relação pode apresentar um falso positivo e mascarar padrões
globais.
A variabilidade do clima na região pode ser captada e identificada como atuante,
todavia há dificuldades de estimar modificação do clima em virtude da ação antrópica,
como foi indicado na análise de variação de entropia desenvolvida para a área de estudo
6.6 RECOMENDAÇÕES
O estudo realizado gerou diversos incentivos para abertura de caminhos ainda não
trilhados e proposição de novos trabalhos acerca da temática escolhida, embora tenha se
deparado com uma série de limitações que foram expostas e explicitadas ao longo do
texto. Nesse sentido, sugestões são elencadas para oportunas e próximas
investigações.Para trabalhos futuros, recomenda-se a instalação de estações
pluviométricas com registros temporais com detalhamento maior do que a escala diária.
A proposição seria de confrontar os resultados obtidos com aqueles que seriam obtidos
em uma escala temporal mais refinada, visto que os dados de precipitações extremas
adquiridos em escalas menores do que o dia foram obtidos de forma sintética neste estudo,
podendo, naturalmente, não corresponder fielmente às características temporais da
precipitação na região em estudo em escalas de tempo inferiores ao dia.
Como recomendações, de forma sintética, o estudo propõe que sejam testadas
outras variáveis do ciclo hidrológico providas por sensoriamento remoto, que podem ser
inseridas na base de dados conjuntamente com dados coletados in situ. Implementar,
calibrar, validar e fazer previsões com base em modelos de hidráulicos e hidrológicos
para toda a bacia do rio Madeira são passos necessários.
Complementarmente, identificar áreas com tendências a inundações e a estiagens
na bacia do rio Madeira, bem como desenvolver, implementar e validar algoritmos com
base em dados altimétricos da missão SWOT, permitirá estabelecer quadros comparativos
que envolvam os dados estimados por sensoriamento remoto, sobretudo de chuva e
evapotranspiração, vis-à-vis os dados de vazões produzidos por modelos
hidrometeorológicos, hidrológicos e de superfície, buscando verificar suas eficiências e
complementaridades para aplicação na área de estudo e em outras sub-bacias
hidrográficas na Amazônia e demais regiões do país, quando julgadas apropriadas e em
escalas compatíveis com os dados empregados.
Espera-se, ao final, que a tese incentive e inspire futuras pesquisas, notadamente
na exploração das relações de balanço hídrico e de energia em diferentes escalas,
180
permitindo amadurecer e melhor fundamentar algumas das hipóteses geradas e
estimuladas pela pesquisa.
181
REFERÊNCIAS BIBLIOGRÁFICAS
ALLEN, R. G.; TASUMI, M.; TREZZA R. Satellite-based energy balance for mapping
evapotranspiration with internalized calibration (METRIC) – Model. ASCE J.
Irrigation and Drainage Engineering, n.133, p.380-394, 2007.
ANJOS, Rafael Silva; CANDEIAS, Ana Lucia Bezerra; NÓBREGA, Ranyére Silva.
CARACTERIZAÇÃO DAS CHUVAS ATRAVÉS DO SATÉLITE TRMM EM
PETROLÂNDIA-PE (CHARACTERISTICS OF RAINFALL THROUGH THE
TRMM SATELLITE IN PETROLÂNDIA-PE). Revista Brasileira de
Climatologia, [S.l.], v. 18, out. 2016.
ARAGÃO, R.; SANTANA, G.R.; COSTA, C.E.F.F.; et al. Chuvas intensas para o estado
de Sergipe com base em dados desagregados de chuva diária. Revista Brasileira
de Engenharia Agrícola e Ambiental, v. 17, n.3 P. 243-252, 2013.
ARANCIBIA, J. L. P. Impacts of land use change on dry season flows across the
tropics. 2013. 128f. Tese (Doutorado), Universidade de Londres, Londres, 2013.
ARNELL, N. W.; GOSLING, S. N. The impacts of climate change on river flow regimes
at the global scale. Journal of Hydrology, v. 486, p. 351–364, 2013. Disponível
em: <http://dx.doi.org/10.1016/j.jhydrol.2013.02.010>. .
182
BACK, A. J. Seleção de distribuição de probabilidade para chuvas diárias extremas do
estado de Santa Catarina. Rev. Bras. de Meteorologia., São José dos Campos, v.
16, n. 2, p. 211-222, 2001.
BASTIAANSSEN, W. G. M.; PELGRUM, H.; WANG, J.; et al. A remote sensing surface
energy balance algorithm for land (SEBAL): 2. Validation. Journal of
Hydrology, v. 212–213, n. 1–4, p. 213–229, 1998b.
BASTIAANSSEN, W. G. M.; PELGRUM, H.; WANG, J.; et al. The surface energy
balance algorithm for land (SEBAL): Part 1 formulation. Journal of Hydrology,
v. 212-213, n.1-4, p.198–212, 1998 a.
BECK, H. E.; VERGOPOLAN, N.; PAN, M.; LEVIZZANI, V.; et al. Global-scale
evaluation of 22 precipitation datasets using gauge observations and hydrological
modeling, Hydrol. Earth Syst. Sci., v. 21, p. 6201–6217, 2017.
BEHRANGI, A.; KHAKBAZ, B.; JAW, T. C.; et al. Hydrologic evaluation of satellite
precipitation products over a mid-size basin. Journal of Hydrology, v. 397, n. 3–
4, p. 225–237, 2011. Elsevier B.V. Disponível em:
<http://dx.doi.org/10.1016/j.jhydrol.2010.11.043>. .
183
BOERS, N.; DONNER, R. V.; BOOKHAGEN, B.; KURTHS, J. Complex network
analysis helps to identify impacts of the El Niño Southern Oscillation on moisture
divergence in South America. Climate Dynamics, v. 45, n. 3–4, p. 619–632,
2015.
BUTT, N.; DE OLIVEIRA, P. A.; COSTA, M. H. Evidence that deforestation affects the
onset of the rainy season in Rondonia, Brazil. Journal of Geophysical Research
Atmospheres, v. 116, n. 11, p. 2–9, 2011.
184
CLARKE, R.T.; DIAS, S. P.L. As necessidades de observação e monitoramento dos
ambientes brasileiros quanto aos recursos hídricos - versão 1.0 (preliminar).
Brasília, CGEE - Centro de Gestão e Estudos Estratégicos, CT-Hidro – Fundo
Setorial de Recursos Hídricos, 41p. 2003.
DEE, D. P.; UPPALA, S. M.; SIMMONS, A. J.; et al. The ERA-Interim reanalysis:
Configuration and performance of the data assimilation system. Quarterly
Journal of the Royal Meteorological Society, v. 137, n. 656, p. 553–597, 2011.
185
DIAS, F. S., 2014, Definição de Rede Adaptativa de Monitoramento
Hidrometeorológico com Suporte de Sensoriamento Remoto na Bacia do Dois
Rios – RJ. 2014, 297f. Dissertação (Mestrado em Engenharia Civil), COPPE,
Universidade Federal do Rio de Janeiro, Rio de Janeiro, Rio de Janeiro, 2014.
DINKU, T.; FUNK, C.; PETERSON, P.; et al. Validation of the CHIRPS satellite rainfall
estimates over eastern Africa. Quarterly Journal of the Royal Meteorological
Society, v. 144, n. August, p. 292–312, 2018.
ENTEKHABI, D.; ASRAR, G. R.; BETTS, A. K.; et al. An Agenda for Land Surface
Hydrology Research and a Call for the Second International Hydrological Decade.
Bulletin of the American Meteorological Society, v. 80, n. 10, p. 2043–2058,
1999.
ESRI. ArcGIS Desktop: release 10.2. Redlands, CA: Environmental Systems Research
Institute, 2018.
FISCH, G.; MARENGO, J. A.; NOBRE, C. A. Uma revisão geral sobre o clima da
Amazônia. Acta Amaz., Manaus , v. 28, n. 2, p. 101, June 1998 .
Doi:http://dx.doi.org/10.1590/1809-43921998282126.
186
FISHER, R. A.; TIPPETT, L. H. C. Limiting forms of the frequency distribution of the
largest or smallest member of a sample. Proceedings of the Cambridge
Philosophical Society, Cambridge, v.24, n.2, p.180-190, 1928.
FUNK, C.; PETERSON, P.; LANDSFELD, M.; et al. The climate hazards infrared
precipitation with stations - A new environmental record for monitoring extremes.
Scientific Data, v. 2, p. 1–21, 2015.
187
Recursos Hídricos, Departamento de Engenharia Civil e Ambiental),
Universidade de Brasília, Distrito Federal, 2007.
GUMBEL, E. J. Statistics of extreme. New York: Columbia University Press, 1958, 396p.
HASTENRATH, S.; LAMB, P. Some aspects of circulation and climate over the eastern
tropical Atlantic. Monthly Weather Review, v. 105, p. 1019-1023, 1977.
HOLDEFER, A.; SEVERO, D. Análise por ondaletas sobre níveis de rios submetidos à
influência de maré. Revista Brasileira de Recursos Hídricos, v. 20, n. 1, p. 192–
201, 2015.
HOU, A. Y.; KAKAR, R. K.; NEECK, S.; et al. The global precipitation measurement
mission. Bulletin of the American Meteorological Society, v. 95, n. 5, p. 701–
722, 2014.
HSU, K. L.; GAO, X.; SOROOSHIAN, S.; GUPTA, H. V. Precipitation estimation from
remotely sensed information using artificial neural networks. Journal of Applied
Meteorology, v. 36, n. 9, p. 1176–1190, 1997.
HUFFMAN, G. J.; ADLER, R. F.; BOLVIN, D. T.; et al. The TRMM Multisatellite
Precipitation Analysis (TMPA): Quasi-global, multiyear, combined-sensor
precipitation estimates at fine scales. Journal of Hydrometeorology, v. 8, n. 1,
p. 38–55, 2007.
188
IAHS, 2013, IAHS - Panta Rhei: Change in Hydrology and Society. Scientific Decade
2013-2022. Disponível em: < http://distart119.ing.unibo.it/pantarhei/?q=node/14.
Acesso em 10/12/2013.
JIANG, X.; NIU, G. Y.; YANG, Z. L. Impacts of vegetation and groundwater dynamics
on warm season precipitation over the Central United States. Journal of
Geophysical Research Atmospheres, v. 114, n. 6, p. 1–15, 2009.
JOYCE, R. J.; JANOWIAK, J. E.; ARKIN, P. A.; XIE, P. CMORPH: A method that
produces global precipitation estimates from passive microwave and infrared data
at high spatial and temporal resolution. Journal of Hydrometeorology, v. 5, n. 3,
p. 487–503, 2004.
KAUFFMAN, J. B.; HUGHES, R. F.; HEIDER, C. Carbon pool and biomass dynamics
associated with deforestation, land use, and agricultural abandonment in the
Neotropics. Ecological Applications, v. 19, n. 5, p. 1211-1222, 2009.
189
KIDD, C.; BAUER, P.; TURK, J.; et al. Intercomparison of high-resolution precipitation
products over Northwest Europe. Journal of Hydrometeorology, v. 13, n. 1, p.
67–83, 2012.
KING, R. G.; REBELO, S. T. Low frequency filtering and real business cycles. Journal
of Economic Dynamics and Control, v. 17, n. 1–2, p. 207–231, 1993.
LE PAGE, Y.; MORTON, D.; HARTIN, C.; et al. Synergy between land use and climate
change increases future fire risk in Amazon forests. Earth System Dynamics, v.
8, n. 4, p. 1237–1246, 2017.
LEHNER, B.; VERDIN, K.; JARVIS, A. New global hydrography derived from
spaceborne elevation data. Eos, Transactions, American Geophysical Union. EOS
Transactions, v. 89, n. 10, p. 93– 94., 2008.
LORENZONI, M.Z.; PRADO, G.; REZENDE, R.; MALLER, A.; OLIVEIRA, J.M.
Chuvas intensas para a microrregião de Cianorte/PR, Brasil: uma avaliação a
partir da desagregação de chuvas diárias. Enciclopédia Biosfera, n. 9, v.17, p.
656-669, 2013.
LU, E.; TAKLE, E. S.; MANOJ, J. The Relationships between Climatic and Hydrological
Changes in the Upper Mississippi River Basin: A SWAT and Multi-GCM Study.
Journal of Hydrometeor, [s.l.], v. 11, p. 437–451, 2010.
190
LUO, W.; TAYLOR, M. C.; PARKER, S. R. A comparison of spatial interpolation
methods to estimate continuous wind speed surfaces using irregularly distributed
data from England and Wales. International Journal of Climatology, Sand
Hutton, v.28, n.7, p. 947-959, 2008.
MANN, H.B. Nonparametric tests against trend. Econometrica, [s.l.], v.13, p.245-
259. 1945.
MARAVALL, A., and A. DEL RÍO. Time Aggregation and The Hodrick-Prescott
Filter, Working Paper 0108, Research Department, Banco de España, 2001.
191
MMA - Ministério do Meio Ambiente. Caderno da região hidrográfica amazônica.
Secretaria de Recursos Hídricos, Brasília, DF, 2006.
MOLINA, RD, SALAZAR JF, MARTÍNEZ JA, VILLEGAS JC, ARIAS PA. Forest‐
induced exponential growth of precipitation along climatological wind
streamlines over the Amazon. Journal of Geophysical Research: Atmospheres.
2019; 1:12-34.
192
NÓBREGA, R. S.; SOUZA, E. P.; GALVÍNCIO, J. D. Análise da estimativa de
precipitação do TRMM em uma Sub-Bacia da Amazônia. Revista de Geografia.
Recife: UFPE – DCG/NAPA, v. 25, nº 1, jan/abr. 2008.
193
PAREDES, F. J.; BARBOSA, H. A.; GUEVARA, E. Análisis espacial y temporal de las
sequías en el nordeste de Brasil. AgriScientia, v. 32, n. 1, p. 1–14, 2015.
PEREIRA, G.; SILVA, M.; MORAES, E.; CARDOZO, F. Avaliação dos Dados de
Precipitação Estimados pelo Satélite TRMM para o Brasil. Revista Brasileira de
Recursos Hídricos, v. 18, n. 3, p. 139–148, 2013.
PIELKE, R. A. Land use and climate change. Science, v. 310, n. 5754, 1625-1626, 2005.
194
RAO, V. B.; FRANCHITO, S. H.; SANTO, C. M. E.; GAN, M. A. An update on the
rainfall characteristics of Brazil: Seasonal variations and trends in 1979-2011.
International Journal of Climatology, v. 36, n. 1, p. 291–302, 2016.
ROERINK, G. J.; SU, Z.; MENENTI, M. S-SEBI: A simple remote sensing algorithm to
estimate the surface energy balance. Physics and Chemistry of the Earth, Part
B: Hydrology, Oceans and Atmosphere, v. 25, n. 2, p. 147–157, 2000.
ROSMORDUC, V.; BENVENISTE, J.; PICOT, N.; DORANDEU, J.; EARITH, D.;
LAURET, O.; SICARD, P. . Basic Radar Altimetry Toolbox and radar Altimetry
Tutorial: A New Set of Tools for All Altimetry Users. In: ESA Special
Publication. 2009.
SALATI E, LOVEJOY TE, VOSE PB. Precipitation and water recycling in tropical rain
forests with special reference to the amazon basim. Environmentalist, v. 3, n. 1,
p. 67-72, 1983.
SANTOS, I. M. F.; GUIMARAES, B. S. Analise das vazões do rio são francisco com o
filtro hodrick-prescott. In: I workshop internacional sobre a água no semiárido
brasileiro, Anais ... Campina Grande, 2013.
SANTOS, J. R. N.; SILVA, F. B.; JUNIOR, C. H. L. S.; et al. Precisão dos dados do
satélite Tropical Rainfall Measuring Mission (TRMM) na região de transição
Amazônia-Cerrado no Estado do Maranhão. In: XVI Simpósio Brasileiro de
Sensoriamento Remoto - SBSR. Anais..., Santos, 2015.
195
SCHIELEIN J, BÖRNER J. Recent transformations of land-use and land-cover dynamics
across different deforestation frontiers in the Brazilian Amazon. Land use policy,
n. 76, p.81-94, 2018.
SILVA, D. D.; PEREIRA, S. B.; PRUSKI, F. F.; GOMES FILHO, R. R.; LANASE, A.
M. Q.; BAENA, L. G. N. Equações de intensidade-duração-frequência da
precipitação pluvial para o estado de Tocantins. Engenharia na Agricultura,
Viçosa, v. 11, n. 1-4, p.7-14, 2004.
SILVA, Djane Fonseca da; SOUSA, Francisco de Assis Salviano de; KAYANO, Mary
Toshie. Escalas temporais da variabilidade pluviométrica na bacia hidrográfica do
Rio Mundaú. Rev. bras. meteorol., São Paulo , v. 25, n. 3, p. 324-332, Sept.
2010 .
SILVA, F. P.; SILVA, M. G. A. J.; ROTUNNO FILHO, O. C.; PIRES, G. D.; SAMPAIO,
R. J.; ARAÚJO, A. A. M. Synoptic thermodynamic and dynamic patterns
associated with Quitandinha River flooding events in Petropolis, Rio de Janeiro
(Brazil). METEOROLOGY AND ATMOSPHERIC PHYSICS, v. 123, p. 1-18,
2018.
196
SILVA, F. P.; SILVA, M. G. A. J.; ROTUNNO FILHO, O. C.; PIRES, G. D.; SAMPAIO,
R. J.; ARAÚJO, A. A. M. Evaluation of atmospheric thermodynamics and
dynamics during heavy-rainfall and no-rainfall events in the metropolitan area of
Rio de Janeiro, Brazil. METEOROLOGY AND ATMOSPHERIC PHYSICS, v.
703, p. 1-13, 2017.
SU, Z. The Surface Energy Balance System (SEBS) for estimation of turbulent heat
fluxes. Hydrology and Earth System Sciences, v. 6, p. 85–99, 2002.
SWANN, A. L. S. et al. Future deforestation in the Amazon and consequences for South
American climate. Agricultural and Forest Meteorology, [s.l.], v. 214, p. 12–
24, 2015.
198
VARIKODEN, H.; PREETHI, B.; REVADEKAR, J. V. Diurnal and spatial variation of
Indian summer monsoon rainfall using tropical rainfall measuring mission rain
rate. J. Hydrol., [s.l], v. 475, p. 248-258, Dec. 2012.
VERA, C.; HIGGINS, W.; AMBRIZZI, T.; et al. Toward a Unified View of the American
Monsoon Systems. Journal of Climate, v. 19, p. 4977-5000, 2006
VIEGAS, J.; ANDREOLI, R. V.; KAYANO, M. T.; et al. Caracterização dos Diferentes
Tipos de El Niño e seus Impactos na América do Sul a Partir de Dados Observados
e Modelados. Rev. bras. meteorol., São Paulo , v. 34, n. 1, p. 43-67, Mar. 2019
. Doi: http://dx.doi.org/10.1590/0102-7786334015.
VU, M. T.; RAGHAVAN, S. V.; LIONG, S. Y. SWAT use of gridded observations for
simulating runoff – a Vietnam river basin study. Hydrology and Earth System
Sciences Discussions, [s.l.], v. 8, n. 6, 2011.
WANG, J.; KREJCI, R.; GIANGRANDE, S.; KUANG, C.; BARBOSA, H. M.; BRITO,
J.; LAVRIC, J. Amazon boundary layer aerosol concentration sustained by
vertical transport during rainfall. Nature, v. 539, n.7629, p. 416-421, 2016.
199
WANG, X.; EDWARDS, R. L.; AULER, A. S; et al. Hydroclimate changes across the
Amazon lowlands over the past 45,000 years. Nature, London, Springer Nature,
v. 541, n.7636, p. 204-207, 2017.
WANG, Z.; KIM, Y.; SEO, H.; UM, M.; MAO, J. Permafrost response to vegetation
greenness variation in the Arctic tundra through positive feedback in surface air
temperature and snow cover. Environmental Research Letters, v. 14, n.4, p. 24-
40, 2019.
WILLMOTT, C. J.; ACKLESON, S. G.; DAVIS, R. E.; et al. Statistics for the evaluation
and comparison of models. Journal of Geophysical Research, Washington DC,
v. 90, n.C5, p. 8995-9005, 1985.
WOOD, E. F; ROUNDY, J. K.; TROY, T. J.; et al.. Reply to comment by Keith J. Beven
and Hannah L. Cloke on Hyperresolution global land surface modeling : meeting
a grand challenge for monitoring Earth´s terrestrial water. Water Resources
Research, Vol. 48, n. W01802, p. 1-3, 2012
YANG, Z.; HSU, K.; SOROOSHIAN, S.; et al. Bias adjustment of satellite-based
precipitation estimation using gauge observations: A case study in Chile. Journal
of Geophysical Research : Atmospheres,.n.121, p. 3790–3806, 2016.
200
ZEMP DC, SCHLEUSSNER CF, BARBOSA HM, HIROTA M, MONTADE V, et al.
Self-amplified Amazon forest loss due to vegetation-atmosphere feedbacks.
Nature communications, 2017; 8:14681.
201
ANEXOS
202
ANEXO 1 – CICLOS E TENDÊNCIAS NA PRECIPITAÇÃO DA BACIA DO
RIO MADEIRA1
A1.1 INTRODUÇÃO
A bacia hidrográfica do rio Madeira insere-se no centro de intensa convecção
acoplada à zona do cavado equatorial quase permanente e possui grande importância no
funcionamento do clima global devido as suas florestas, que, por meio de intensa
evapotranspiração, bombeiam calor latente à atmosfera para equilibrar o forte calor
radiativo à superfície (Nobre et al., 2009).
Tal mecanismo faz com que o ecossistema dessa região hidrográfica seja
extremamente ligado às variáveis hidroclimáticas, principalmente a precipitação.
Diversos estudos, como, por exemplo Rabello et al. (2016) e Braga et al. (2010), apontam
que as espécies de plantas são altamente ligadas à quantidade de chuva. A redução nos
valores da precipitação torna a região mais propensa à savanização. Há ainda análises
paleoclimatológicas, como é o caso do trabalho de Wang et al. (2017), entre outros, que
examina séries temporais mais longas, reforçando os indícios de que a cobertura do solo,
quanto submetida à escassez permanente de água, tende a criar um bioma com
características de savana.
Diante desse contexto, entender o comportamento da chuva na região é primordial
para compreender como a região será afetada por modificações em suas séries temporais,
notadamente de origens potencialmente antrópica e climática, como avanços observados
no estudo de Panduro et al. (2018) que analisou a distribuição espaço-temporal da
precipitação sobre áreas com alto índice de desmatamento na bacia do Amazonas Legal
do Brasil. Assim, pelo viés matemático a série temporal pluviométrica, que é a relação
entre a ocorrência do fenômeno e o seu comportamento no tempo, pode ser decomposta
em 4 componentes características - sinais ou variabilidades de longo prazo de tempo, de
curto prazo, cíclicas e aleatórias (Spiegel, 1969).
Siqueira e Molion (2012) ressaltam que a variabilidade de longo prazo de tempo
é caracterizada por oscilações quase seculares e/ou interdecadais e nelas observa-se que
a série temporal, aparentemente, se desenvolve em uma direção geral, reta ou curvas
sinuosas; os sinais cíclicos representam oscilações ou desvios de prazo interanual ou
plurianual, existentes na curva da tendência geral da série; as oscilações em escala de
1
Artigo aprovado no XXIII Simpósio Brasileiro de Recursos Hídricos, 2019
203
curto prazo de tempo referem-se aos padrões existentes, idênticos ou quase idênticos, que
são observados na escala anual e/ou sazonal da série; e as oscilações aleatórias
(irregulares) estão associadas aos deslocamentos esporádicos que são provocados por
eventos casuais,
A série pluviométrica especifica a ocorrência do fenômeno e revela o seu
comportamento no tempo e no espaço. Em especial, a série temporal pode ser decomposta
em quatro (4) componentes características: sinais ou variabilidades de longo prazo, de
curto prazo, cíclicas e aleatórias (Spiegel, 1969). A separação das 4 componentes auxilia
no entendimento da escala de tempo em que os processos hidrometeorológicos e
antrópicos atuam sobre as chuvas de uma região. Dentre as técnicas capazes de realizar
essa ação, destaca-se o filtro Hodrick-Prescott (Hodrick e Prescott, 1980).
Assim, o objetivo deste trabalho foi detectar possíveis periodicidades nas séries
históricas de precipitação da bacia do rio Madeira.
204
Figura A1.1 – Localização da bacia hidrográfica do rio Madeira
205
A decomposição pode ser escrita como
𝑦𝑡 = 𝜏𝑡 + 𝑐𝑡 (A1.1)
onde: y é a série original; τ é a tendência extraída com o filtro HP; c é a parte
cíclica/aleatória extraída com o filtro HP; e λ é o parâmetro de suavização ou penalização
O λ controla as variações da taxa de crescimento da componente tendência e deve
assumir valores positivos, pois, se λ = 0, a série da tendência seria igual à série original.
Por outro lado, quanto maior for λ, maior é a suavização da tendência, tal que se λ→ ∞,
a tendência aproxima-se de uma linha reta (Hodrick e Prescott, 1980).
Hodrick e Prescott (1980), em seu trabalho, assumem que o fator penalizador
(Equação A1.3) é função da relação entre a variância do primeiro termo (θc) e a variância
do segundo termo (θτ).
𝜃
𝜆𝑡 = (𝜃𝑐 ) (A1.3)
𝜏
Por outro lado, o trabalho de Maravall e Del Rio (2001) investigou os efeitos do
fator penalizador para diferentes frequências, constatando que a maior parte dos ciclos
superiores (inferiores) ao valor de referência (P) são mantidos na série tendência
(cíclica/aleatória). Uma sumarização dos dados deste trabalho encontra-se na Tabela
A1.1.
206
Tabela A1.1 – Valores dos parâmetros penalizadores para séries de dados anuais (λa),
trimestrais (λt) e mensais (λm) e o correspondente ciclo de referência (P)
(λa) (λt) (λm) P (anos)
1 179 14400 5,7
5 1190 95972 9,2
6 1437 115975 9,7
7 1600 129119 9,9
10 2433 196474 11,0
15 3684 297715 12,2
20 4940 399339 13,2
25 6199 501208 13,9
30 7460 603250 14,6
35 8723 705424 15,2
40 9.986 807702 15,7
70 17585 1422774 18,1
100 25.199 2.039248 19,8
200 50633 4.098632 23,6
400 101599 8225728 28,0
Fonte: adaptada de Maravall e Rio (2001).
Assim, para os dados deste estudo, adotou-se o efeito penalizador (λ) de 14400, tal
como preconiza Maravall e Del Rio (2001), devido os dados serem mensais e pelo fato
de que, nas buscas de eventos, optou-se por períodos de ocorrência menores do que 6
uma vez que o período analisado foi restrito aos anos de 2000 a 2015.
Posteriormente, uma vez executada a separação das condições de ciclo e tendência,
as inflexões depressivas e elevações de pico na tendência da série foram comparadas com
ocorrências climáticas na região de estudo e ao seu entorno para vislumbrar as relações
de possíveis perturbação e poder especializar os mesmos.
A1.3 RESULTADOS
As séries de dados mensais dos pluviômetros analisados para o ano de 2000 a 2015
foram segregadas por meio do filtro HP em ciclo e tendência para identificar as
ocorrências de fenômenos climáticos nesse período e como afetaram essas séries.
A frequência penalizou a parte da tendência interdecadal da série, separando-a da
parte cíclica e aleatória (variabilidade interanual). Assim, o procedimento permitiu
observar a duração e a variação dos ciclos nas séries temporais, em especial, a
variabilidade de longo prazo observada nos dados mensais da precipitação.
Como pode ser constatar nos exemplos da Figura A1.2, em que se observa dois
pluviômetros escolhidos aleatoriamente, que não há um comportamento único para todas
207
as estações. Logo, cada pluviômetro reage de forma única a um mesmo evento. Esse fato
está associado a uma grande variabilidade espacial da chuva e à baixa densidade de pontos
amostrados por essas estações.
Figura A1.2 – Aplicação do filtro HP nas séries históricas de duas estações amostradas
208
dois grandes períodos de seca (2005 e 2010) e dois de altas intensidades pluviométricas
(2009 e 2012).
Na imagem, é nítida que a maior depleção na tendência dos eventos pluviométricos,
de forma generalizada em todos os meses de um mesmo ano, ocorreu em 2010. Nesse
período, segundo Lewis et al. (2011), ocorreu uma seca que atingiu a Amazônia e foi a
mais severa em 100 anos.
No ano de 2005, não houve variação significativa na tendência, todavia os anos
anteriores foram marcados por períodos em que a variação foi negativa nos meses
chuvosos, sugerindo que os efeitos climáticos atenuaram a depleção na variação para esse
ano.
Nos anos de 2009 e 2012, observa-se tendência de variações positivas, associadas
a ocorrência do fenômeno La Niña.
, que conforme Sales et al. (2011), é gerada pelo resfriamento da superfície do
oceano Atlântico sul.
A1.4 CONCLUSÃO
Constatou-se que o filtro HP foi capaz de verificar perturbações nos fenômenos
climáticos da região da bacia hidrográfica do rio Madeira.
Os efeitos de variações positivas ocorreram de 2009 a 2012, verificando-se assim,
influência do La Niña.
O evento de seca do ano de 2005 não apresentou grande deflação na tendência das
séries, mas os anos anteriores foi observado uma redução desta, o que indica que o
fenômeno causador já poderia estar atuando.
A1.5 REFERÊNCIAS
HODRICK, R. J.; PRESCOTT, E.C. (1980) “Postwar U.S. Business cycles: an empirical
investigation”. Discussion Papers, 451, Northwestern University.
209
MARAVALL, A., and A. DEL RÍO (2001). Time Aggregation and The Hodrick-Prescott
Filter, Research Department, Banco de España, 40p.
NOBRE, C. A.; OBREGÓN, G. O.; MARENGO, J. A.; FU, R.; POUEDA, G. (2009)
“Características do Clima Amazônico: Aspectos Principais”. In: Amazonia and
Global Change, Geophysical Monograph Series, American Geophysical Union, p
49-162.
SALES, N.; REBELLO, E.; FÁTIMA, J. (2011). “As maiores "cheias" e "secas" no
Amazonas e as influências dos fenômenos "El Niño", "La Niña", "ODP" e
"OMA"” in Anais do 16 CONGRESSO BRASILEIRO DE METEOROLOGIA,
Belém-PA. Anais eletrônicos. Belém, 1, pp. 1-8.
210
ANEXO 2 – ANÁLISE ESTATÍSTICA DE EVENTOS DE
A2.1 INTRODUÇÃO
O Brasil apresenta, principalmente após a década de 60 do século XX, um
crescimento significativo da população urbana. A ocorrência desse fenômeno, sobretudo
nas últimas décadas, transformou o Brasil num país essencialmente urbano,
contabilizando cerca de 83% de população urbana com uma infraestrutura muitas vezes
inadequada para prover bons indicadores socioeconômicos e hídrico-sanitários de
qualidade de vida (Teixeira, 2001; Soares, 2004).
Os efeitos do processo ocorrido de forma desorganizada propagam-se por toda a
malha urbana, configurando-se como um desafio para o aproveitamento dos recursos
hídricos, principalmente no que concerne ao planejamento e à construção de obras
hidráulicas e hidrológicas para a minimização de impactos socioambientais decorrentes
de enchentes ou de secas, o que enseja planejamento adequado da drenagem urbana
(Tucci, 2007; Oliveira et al., 2011).
O estudo de eventos hidrológicos extremos é um requisito em projetos de drenagem,
em obras de impermeabilização e em outras benfeitorias de engenharia, seja em áreas
urbanas ou rurais, porquanto permite que o projetista considere o risco diante da execução
de uma intervenção urbanística, requerendo que o associe vis a vis a melhor alternativa
do ponto de vista econômico, sem colocar de lado naturalmente questões técnicas de
desempenho e segurança. Todavia tais dados são incipientes com disponibilidade restrita
a algumas localidades.
A precipitação pluviométrica, dentre as variáveis do balanço hídrico, é
possivelmente a que mais interfere mais diretamente na vida humana, uma vez que se
configura como a principal entrada de água no sistema hidrológico, então subdividida de
forma simplificada em vazão e evaporação, com efeitos na propagação do escoamento
superficial, na infiltração de água na zona vadosa e recarga e escoamento subterrâneo,
processos intimamente conectados com a sua ocorrência. Em virtude de sua larga
influência sobre áreas povoadas, seja percebida de forma positiva ou não, a chuva é, sem
2
Artigo publicado no XXII Simpósio Brasileiro de Recursos Hídricos, 2017
211
dúvida, a principal força motriz de suprimento hídrico para a produção de atividades
humanas com geração de impacto profundo na economia de uma sociedade.
O conhecimento e a previsão das características das precipitações pluviométricas
tornam-se, assim, de grande importância, destacando-se a determinação de sua
intensidade máxima, duração e período de recorrência, em especial no caso de eventos
extremos.
Nesse sentido, uma forma amplamente empregada para a caracterização das chuvas
extremas em uma determina localidade é a utilização de curvas de intensidade-duração-
frequência (IDF). Modelos matemáticos semiempíricos, que permitem estabelecer a
previsão da intensidade precipitada por meio da duração e distribuição temporal, são
empregados. Destaca-se que a inferência da pluviosidade extrema é possível devido a
ajustes de distribuições probabilísticas, propiciando que tal tipo de evento seja modelado
estatisticamente.
Dentre as distribuições estatísticas teóricas, segundo Souza (2012), os modelos
mais indicados são as distribuições normal, log-normal, exponencial, gama, Gumbel,
Weibull e logística.
Por outro lado, cabe acrescentar que a literatura explicita que a distribuição de
Gumbel seria em princípio, a mais indicada na representação de eventos pluviométricos
extremos, pois Hersfield e Kohler (1960), ao analisarem os dados de milhares de estações
pluviométricas nos Estados Unidos, comprovaram que a distribuição de Gumbel se
mostra mais eficiente em descrever o fenômeno das chuvas intensas. Em tal contexto, os
trabalhos de Oliveira et al. (2011), Silva et al. (2003), e Oliveira et al. (2008) são
referências no uso da distribuição de Gumbel para a modelagem de chuvas extremas,
comprovando, dessa forma, a aplicabilidade dessa distribuição em tal fenômeno.
No Brasil, no entanto, esses fenômenos ainda são relativamente pouco estudados,
principalmente em regiões como a porção brasileira da bacia do rio Madeira, localizada
na Amazônia Ocidental. E mesmo os estudos existentes, possuem resultados divergentes
sobre um uso predominante de um modelo estatístico mais adequado na região, como
exemplo, no município de Porto Velho-RO dois trabalhos realizaram a estimativa da
curva IDF para uma mesma estação pluviométrica com distribuições estatísticas
diferentes, enquanto Souza (2012) utilizou o modelo estatístico de Gumbel, o estudo de
Weschenfelder et al. (2016) fez uso da distribuição exponencial.
Em vista do exposto, a presente pesquisa objetivou verificar, dentre sete (7)
distribuições estatísticas mencionadas por Souza (2012), a que melhor se ajusta à
212
distribuição das chuvas extremas na porção brasileira da bacia do rio Madeira, para que,
posteriormente, tal informação possa ser utilizada na tomada de decisão e na delimitação
do impacto desses fenômenos na região de estudo. Em especial, o estudo contribui na
investigação sobre a pertinência dos testes de hipótese para ajuste de distribuições de
probabilidade, destacando-se que recente literatura indaga sobre a correspondente
validade desse tipo de análise para aplicação em estudos hidráulico-hidrológicos (Baker,
2017; Blöschl, 2017; Mcknight, 2017; Neuweiller e Helmig, 2017; Pfister e Kirchner,
2017).
213
Figura A2.1 – Localização da bacia hidrográfica do rio Madeira
214
(H1), onde a assertiva da hipótese nula não seria verdadeira, ou seja, a distribuição
acumulada dos dados analisados não segue, para um determinado nível de significância,
a conformação e disposição da distribuição estatística acumulada proposta. O critério de
decisão foi a comparação dos parâmetros do valor-p, onde valor-p menor do que que o
nível de significância (α) estabelecido de 0,05 implica rejeição da hipótese H0 em favor
de H1.
215
Figura A2.2 – Testes de aderência
216
A distribuição gama foi aceita para todas as estações analisadas. Esse resultado de
eficiência foi similar ao encontrado por Haan (1977) na modelação de alturas de
precipitação de durações diárias, semanais, mensais e anuais, visto que as análises
realizadas foram de séries temporais máximas anuais de um dia. Nota-se, ainda, que essa
abordagem é passível de uso em modelagem como a desenvolvida neste trabalho, como,
também, em situações de períodos curtos de chuva, como conclui Thom (1958, apud
Murta et al., 2005).
A distribuição exponencial, assim como a distribuição gama, também apresentou
um alto índice de aceitação quanto ao seu ajuste com os dados amostrais utilizados. Tal
fenômeno de aprovação discorda das observações de Catalunha et al. (2002) ao testarem
essa distribuição com dados pluviométricos do estado de Minas Gerais. Os referidos
autores frisam que essa distribuição causa a superestimação em grande parte dos dados
de chuva.
Outra distribuição que foi aceita em todos os casos foi o modelo estatístico de
Gumbel. No trabalho de Back (2001), aos autores selecionarem uma distribuição
estatística para descrever as chuvas extremas do estado de Santa Catarina entre os
diversos modelos, chegaram à conclusão de que a distribuição de Gumbel apresentou o
melhor ajuste para a maioria das estações pluviométricas estudadas.
Torna-se possível constatar na Figura 2 que as distribuições de Weibull, log-normal
e normal e logística obtiveram de uma a duas rejeições, denotando que seriam menos
indicadas para uso.
Em especial, no que concerne ao emprego da distribuição de Weibull, o resultado
obtido confronta a afirmação de Catalunha et al. (2002), que destaca a sua superioridade
na análise hidrológica para eventos extremos pluviométricos quando comparado ao
modelo estatístico gama.
Os resultados obtidos pela distribuição logística mostraram que a mesma é passível
de uso na modelagem de eventos pluviométricos extremos para os dados utilizados na
maioria das séries históricas. Dessa forma, o KS atestou que tal distribuição pode ser
aplicada em outra área do conhecimento, além das mencionadas no trabalho de
Bittencourt (2001), como as áreas e saúde, economia, administração e educação.
Ainda em análise da Figura 2, nota-se que houve um aceite na maioria dos dados
para a distribuição normal, mesmo os dados apresentando uma assimetria, característica
essa que refutaria, de forma automática, a hipótese nula para essa distribuição teórica,
217
visto que a disposição simétrica dos dados é um atributo latente a tal distribuição
(Naghettini e Pinto, 2007).
Essa anormalidade pode ser explicada pela inferioridade do teste KS em confirmar
a normalidade dos dados, sendo essa constatação encontrada no trabalho de Leotti et al.
(2005), onde, ao avaliarem dados que não continham normalidade, o teste Kolmogorov-
Smirnov apresentou respostas, em princípio, não verídicas, afirmando a existência de um
comportamento aderente à distribuição normal, sendo que o KS, dentre todos os testes
analisados, foi o que apresentou o pior desempenho quanto à avaliação de adequabilidade
de emprego da distribuição normal.
Os resultados da Figura 2 revelam, de forma geral, que as respostas fornecidas pelo
teste KS devem ser analisadas rigorosamente, pois forneceu uma grande aceitação na
maioria das distribuições. Tal observação assemelha-se às constatações de Catalunha et
al. (2002), o qual verificou que o nível de aprovação do teste Kolmogorov-Smirnov, para
diferentes distribuições de probabilidade, é elevado, gerando, dessa forma, uma
insegurança em seu uso. O mesmo autor atribuiu tal fenômeno de aceitação elevada às
condições assimétricas das distribuições estatísticas, pois essa característica confere
valores mais elevados nas classes iniciais e menores nas finais, o que compromete o teste
KS por esse medir as diferenças entre as probabilidades teóricas e empíricas.
Nesse sentido, Araújo et al. (2007) também verificaram essa alta abrangência de
aceite do KS ao analisarem a aderência de dados pluviométricos, de algumas estações na
bacia da Lagoa Mirim no Rio Grande do Sul, em relação às distribuições normal, log-
normal, log-Pearson III e Gumbel.
Porém esses mesmos autores destacaram que, ao realizarem a disposição gráfica
dos dados em papel probabilístico apropriado, não houve aderência adequada dos dados
observados aos do modelo teórico, ressaltando, novamente, que os resultados fornecidos
pelo KS devem ser utilizados com parcimônia.
Diante do exposto, cabe frisar que, segundo Naghettini e Pinto (2007), pode-se
afirmar que o teste de aderência é apenas uma das três ferramentas que deve ser levada
em conta na seleção de uma distribuição probabilística teórica na representação de dados
hidrológicos empíricos, requerendo haver complementação por parte da análise das
características físicas do fenômeno em foco e das possíveis deduções teóricas quanto às
propriedades distributivas da variável em questão.
A2.5 CONCLUSÕES
218
Em síntese, o trabalho denotou que o teste de aderência KS, de forma geral,
forneceu uma expressiva aceitação na maioria das distribuições estatísticas testadas para
os dados pluviométricos. Nesse sentido, essa constatação acaba por gerar um
questionamento, a ser mais bem respondido em estudos posteriores, sobre a necessidade
de ponderar e qualificar a validade do teste de hipótese empregado para discriminação do
melhor ajuste de distribuições de probabilidade de precipitações extremas.
A2.6 REFERÊNCIAS
HAAN, C. T. (1977). Statistical Methods in Hydrology. Ames (IA): The Iowa University
Press, 378p.
219
Von Mises e Shapiro-Wilk por simulação. In: Simpósio de Estatística Aplicada à
Experimentação Agronômica, 11., Londrina. Anais..., Londrina: SEAEGRO, 192
p.
MASSON, C.G.M.J. (2005). Subsídios para uma gestão dos recursos hídricos na
Amazônia: estudo de caso da bacia do rio Madeira. Dissertação de Mestrado,
UFRJ, 259p.
SILVA, D. D.; PEREIRA, S. B.; PRUSKI, F. F.; GOMES FILHO, R. R.; LANASE, A.
M. Q.; BAENA, L. G. N. (2003). Equações de intensidade-duração-frequência da
precipitação pluvial para o estado de Tocantins. Engenharia na Agricultura,
Viçosa, v. 11, n. 1, p.7-14.
220
ANEXO 3 – CURVAS DE INTENSIDADE-DURAÇÃO-
GLOBAL
A3.1 INTRODUÇÃO
Os eventos hidrológicos extremos geram inúmeros impactos na sociedade, como
inundações, enxurradas e alagamentos. De acordo com a Estratégia Internacional das
Nações Unidas para a Redução de Desastres (UN/ISDR, 2004), cerca de 250 milhões de
pessoas foram afetadas anualmente por inundações ao longo do período de 1994 a 2004.
As enchentes são atualmente o risco de desastre mais generalizado e crescente aos
assentamentos urbanos de diferentes tamanhos.
Esses números tornaram como uma das metas para a agenda de sustentabilidade
da ONU que até 2030 deve-se construir a resiliência dos pobres e daqueles em situação
de vulnerabilidade, e reduzir a exposição e vulnerabilidade destes a eventos extremos
relacionados com o clima e outros choques e desastres econômicos, sociais e ambientais
A mitigação desses impactos hidrológicos ocorre por ações de controles de cheias,
tanto em ações estruturais, quanto não-estruturais. Assim, com o objetivo de diminuir os
prejuízos gerados, as obras hidráulicas ou planos de ações devem ser projetados com base
nos valores de vazão máxima (Oliveira et al. , 2011).
Entre as ações não estruturais estão os sistemas de alertas que estabelecem
políticas e estratégias de resposta para a prevenção de perdas. Sendo estas apoiadas em
ferramentas de previsão como a análise espacial de tendências, a qual é uma ferramenta
essencial para gestão de impactos por detectar alterações de comportamento e indicar
regiões em que os fenômenos extremos estão se intensificando ou reduzindo ao longo do
tempo.
A precipitação pluviométrica, dentre os elementos hidrológicos, é o que mais
interfere na vida humana, uma vez que, se configura como a principal entrada de água no
sistema hidrológico, tornando outras variantes como a vazão e a infiltração, intimamente
ligadas à sua ocorrência. Assim, para se conhecer uma vazão máxima a ser aplicada no
dimensionamento de uma obra de contenção de cheias, deve-se determinar as
características de chuvas extremas. Assim, o estudo e a caracterização das precipitações
máximas são de suma importância na elaboração de projetos de engenharia voltados ao
221
dimensionamento hidráulico, tais como galerias de águas pluviais, canalizações de
córregos, bueiros, vertedores e canais de irrigação (Souza et al. 2016).
Um evento de chuva extrema tem como característica principal a sua intensidade
ser ligada a uma duração e ao período no qual esse evento irá retornar. As relações entre
as grandezas que caracterizam as precipitações máximas devem ser obtidas por meio da
análise de chuvas ao longo de um período de tempo relativamente grande, de forma que
seja possível estabelecer as frequências como probabilidades. Estas relações irão resultar
em uma família de curvas intensidade-duração-frequência (IDF), uma para cada período
de retorno.
A rede de monitoramento de chuvas em todo o globo ainda é esparsa,
principalmente em regiões pouco desenvolvida. No Brasil, por exemplo, a distribuição
das estações pluviométricas é mais densa nos Estados altamente urbanizados (São Paulo:
uma estação por 169 km2; Distrito Federal, uma por 166 km2; Paraná: 214 km2); em
contraste, o Amazonas tem uma estação por 7.829 km2, Pará uma por 5.528 km2, e Mato
Grosso uma por 4.637 km2. No mais, as séries desses dados ainda podem sofrem com
falhas.
Além disso, os dados pluviométricos que normalmente são coletados usando
pluviômetros, cilindros que aferem diariamente uma coluna precipitada, possuem grande
número de dados faltantes nas séries históricas, gerados pela ausência do observador,
falhas nos mecanismos de registro, perda das anotações ou das transcrições dos registros
pelos operadores e encerramento das observações.
Nesse sentindo a obtenção da dados de sensoriamento remoto por bases de
informação providas em Sensoriamento Remoto Orbital é uma possível solução para
áreas onde são se tem informações. Tal metodologia de captura possibilitar observações
em qualquer parte da Terra e em pequenos intervalos de tempo, contribuindo para melhor
compreensão da chuva em regiões que não possuem rede de observações satisfatória.
Nesse sentindo, o estudo tem por objetivo verificar o comportamento dos
eventos extremos e estimar as curvas IDF a partir dos dados de precipitação do CHIRPS
para toda parte de globo terrestre abrangido por essa fonte de dados, fornecendo subsídios
para que entidades governamentais tomem iniciativas para o controle de impactos.
222
A série histórica de dados de precipitação utilizadas, 1981 a 2017, foi obtida do
produto CHIRPS, de resolução de 0,05º, disponibilizado pelo Climate Hazards Group
(CHG, http://chg.geog.ucsb.edu/data/chirps/). Esses foram validados para uso na região
amazônica pelo trabalho de Correa et al. (2017). Tal conjunto de dados abrange uma
cobertura espacial quase global, latitudes entre 50°S e 50°N em formato de acumulado
diário e por um período superior a 30 anos (iniciando em 1981), com resolução espacial
variando de 0,25 a 0,05°.
O CHIRPS utiliza informações do Tropical Rainfall Measuring Mission Multi-
satellite Precipitation Analysis version 7 (TMPA 3B42 v7) para calibrar estimativas de
precipitação obtidos por uma técnica denominada Cold Cloud Duration (CCD)
combinada aos dados de superfície, na escala diária (Dinku, 2018). Além disso, o
CHIRPS incorpora em sua formulação uma abordagem inteligente de interpolação de
dados com informações de estações pluviométricas in situ para criar séries temporais.
O critério adotado para a identificação de um evento extremo de chuva foi o valor
máximo diário registrado no decorrer de um ano, como proposto pela metodologia das
curvas de intensidade-duração e frequência (IDF) (Cardoso et al., 1998; Oliveira et al.,
2000; Oliveira et al., 2011). No caso, então, foi discriminado um evento para cada ano
223
𝑚
𝐹= (A3.1)
𝑛
Tr
X = x̅ − S {0,45 + 0,7797ln [ln Tr−1]} (A3.5)
224
A duração, contudo, é mais complexa de estimação, pois como a maioria dos
dados de precipitação obtidos em estações de monitoramento ou dados satelitais estão
acumulados em duração de 24 horas, é necessário o uso de técnicas de desagregação.
Dentre as técnicas de desagregação algumas que se destacam na literatura são as
relações de Bell (1969), que estima a altura da chuva com duração de até 120 min a partir
da chuva com duração de uma hora e período de retorno de 10 anos; isozonas, de Torrico
(1975); e o método dos coeficientes de desagregação de CETESB (1986), o qual é um
método de uso simples e foi concebido ao analisar um quantitativo de 98 postos
pluviométricos em todo o território brasileiro que possui heterogeneidade climática e
mesmo possuindo um caráter regional, este foi comparado com coeficientes de
desagregação criados em outros países e descobriu-se diferenças inferiores a 8% com
média de 5%.
Dessa forma a desagregação foi feita usando os coeficientes de CETESB (1986)
(Tabela A3.1), onde para cada período de retorno anteriormente estimado, obteve-se as
intensidades com durações de 5, 10, 15, 30, 60, 120, 720 e 1440 minutos.
225
Na aplicação do teste Mann-Kendall, primeiramente estabeleceu-se a hipótese
nula (H0), de que não existiam tendência nas séries de dados, adotando-se um nível de
significância (α) de 0,05. Assim, a variável estatística S (Equação A3.6), para uma série
de n dados do teste de Mann-Kendall foi calculada a partir da somatória dos sinais (sn)
(Equação A3.7) da diferença, par a par, de todos valores da série (xi) em relação aos
valores que a eles são futuros (xj).
𝑆 = ∑𝑛−1 𝑛
𝑖=1 ∑𝑗=𝑖+1 𝑠𝑛(𝑥𝑗 − 𝑥𝑖 ) (A3.6)
𝑛(𝑛−1)(2𝑛+5)−∑𝑛
𝑖=1 𝑡𝑖 (𝑖)(𝑖−1)(2𝑖+5)
𝑉𝑎𝑟(𝑆) = (A3.8)
18
𝑆−1 (A3.9)
; 𝑝𝑎𝑟𝑎𝑆 > 0
√𝑉𝑎𝑟(𝑆)
𝑍𝑀𝐾 = 0; 𝑝𝑎𝑟𝑎𝑆 = 0
𝑆+1
𝑝𝑎𝑟𝑎𝑆 < 0
{ √𝑉𝑎𝑟(𝑆)
Assim, dado o alfa escolhido de 0,05 e por se tratar de um um teste bi-caudal, para
rejeitar a H0 e indicar uma tendência é preciso que o valor absoluto de ZMK seja maior
que 1,96.
A única zona do planeta onde Gumbel não correspondeu aos eventos máximos
foi o território do deserto no continente africano, possivelmente por possuir um regime
com poucas ou nenhuma chuva.
Na Figura A3.2 estão os maiores eventos e os períodos de retorno dos mesmos.
Figura A3.2 – a) maiores eventos máximos de 1981 a 2017; b) período de retorno dos
maiores evento máximos.
227
As regiões mais próximas ao litoral, a nascente do rio Amazonas e o extremo leste
da Ásia foram as mais atingidas pelas maiores magnitudes dos extremos.
As chuvas na região desértica do continente africano é a que possui menor período
de retorno, o que ressalta chuvas mais homogêneas, motivo este que não permite o uso
da distribuição de Gumbel para modelar os fenômenos pluviométricos extremos.
De uma forma geral entre os anos de 1981 a 2017, as tempestades não tiveram um
tempo de retorno superior a 100 anos.
As Figuras A3.3, A3.4, A3.5, A3.6, A3.7 e A3.8 são mostradas as curvas IDF
geradas. De forma geral torna-se possível observar que as curvas propostas apresentam o
comportamento típico para as curvas IDF, ou seja, a intensidade é indiretamente
proporcional a duração, como constata Souza et al. (2016), ao observar que quanto menor
for a duração da precipitação, maior é a intensidade média.
Verificou-se uma relação diretamente proporcional entre a intensidade e o
período de retorno, evidenciando dessa forma a diferença no uso do Tr para o
dimensionamento de obras hidráulicas, visto que altos períodos de retorno indicam uma
elevada intensidade da precipitação. Dessa forma, a concepção de projetos hidráulicos
mais complexos necessita da previsão de grandezas hidrológicas de grande magnitude
com um intervalo temporal de recorrência grande, para que sejam estimadas máximas
vazões ou precipitações que podem vir a ocorrer em certa localidade. Nesse contexto o
custo de tal projeto encontra-se intimamente ligado ao período de retorno de ocorrência
do fenômeno (Beijo et al., 2005).
228
Figura A3.3 – Intensidades para diferentes durações com o período de retorno de 2 anos.
229
Figura A3.4 – Intensidades para diferentes durações com o período de retorno de 10 anos.
230
Figura A3.5 – Intensidades para diferentes durações com o período de retorno de 25 anos.
231
Figura A3.6 – Intensidades para diferentes durações com o período de retorno de 50 anos.
232
Figura A3.7 – Intensidades para diferentes durações com o período de retorno de 75 anos.
233
Figura A3.8 – Intensidades para diferentes durações com o período de retorno de 100 anos.
234
Ao analisar a tendência dos eventos extremos (Figura A3.9), nota-se que a
concepção de modelagens em eventos extremos deve ser atualizada em várias partes do
globo, pois regiões como sul da Ásia em junção com o leste europeu e a parte central da
África há grandes zonas de redução. Enquanto regiões várias regiões com grandes
volumes populacionais na América, Austrália e Ásia estão sofrendo com grandes
aumentos desses fenômenos.
A3.4 CONCLUSÃO
Esse trabalho apresentou muitos resultados relevantes, uma vez que construiu as
equações de chuvas intensas que poderão ser utilizadas como subsídio no
dimensionamento de obras hidráulicas e em estudos hidrológicos.
O estudo realizado confirma que as equações propostas para estimar a intensidade
das precipitações máximas são de grande aplicabilidade para a maioria das regiões do
globo, apenas a região mais ária da África que não apresentou uma boa resposta a
modelagem pela distribuição de Gumbel.
O trabalho denotou que a os eventos mais extremos ocorrem na parte de litorânea
dos continentes, contudo as zonas com maiores magnitudes de chuvas máximas se
localizam na nascente do rio Amazonas e no leste da Ásia.
As tendências de precipitação tendem a aumentar na Ásia, Austrália e América e
reduzem principalmente na parte central da África.
A3.5 REFERÊNCIAS
BEIJO, L. A.; MUNIZ, J. A.; CASTRO NETO, P. Tempo de retorno das precipitações
máximas em Lavras (MG) pela distribuição de valores extremos do tipo I. Ciência
Agrotécnica, Lavras, v. 29, n. 3, p. 657-667, 2005.
235
MANN, H.B. Nonparametric tests against trend. Econometrica, [s.l.], v.13, p.245-259.
1945.
236
ANEXO 4 - AVALIAÇÃO DOS MODELOS DIGITAIS DE
A4.1 INTRODUÇÃO
O relevo atua como importante agente regulador da distribuição dos fluxos de
água e de energia dentro das bacias hidrográficas. Sua representação pode ser feita por
meio dos modelos digitais de elevação (MDE), os quais são representações, em formato
digital, quantitativas da variação contínua do relevo sobre o espaço, representando, assim,
fontes para o conhecimento do relevo da superfície terrestre, permitindo a obtenção de
uma variedade de informações (Moore et al., 1993).
Um MDE é uma fonte de informação usada em vários segmentos, tais como na
identificação de áreas favoráveis para a agricultura (culturas, variedades, possibilidade de
mecanização, necessidade de irrigação, estimativa de determinados custos), indicação de
áreas para conservação do solo e da diversidade biológica, modelagem hidrológica,
ortorretificação de imagens de satélite, avaliação de riscos de desmoronamentos, entre
outros. (Melgaço et al., 2003 ; Hoff et al., 2009; Alba et al., 2010; Huggel et al., 2010).
Especificamente na modelagem hidrológica, um MDE representa uma forçante
que determinará direção de fluxo do escoamento superficial, rede de drenagem, divisores
da bacia hidrográfica, declividade e orientação das vertentes (Jenson, Domingue, 1988;
Fairfield e Leymarie, 1991; ANA, 2007).
Nesse contexto, a eficiência das informações acima é produto da qualidade do
modelo digital de elevação representar fielmente a geografia da área estudada. Dentre as
várias bases de MDEs, na região amazônica, o Shuttle Radar Topography Mission
(SRTM), em sua versão com dados brutos ou corrigidos hidrologicamente - Topodata
(Valeriano, 2005) e HydroSHEDS, tem sido um dos mais empregados (Sadeq et al., 2012;
Paiva, 2011; Rossetti e Valeriano, 2007; Paiva, 2009).
No entanto, especificamente para essa região, não há, segundo o conhecimento do
autor, muitos estudos rigorosos das eficiências dessas bases em representar o relevo e
gerar hidrografias consistentes e representativas. Assim, o presente estudo tem por
objetivo avaliar os MDEs de três bases de dados, STRM, Topodata e Hydrosheds, para a
parte brasileira da bacia do rio Madeira, um dos mais importantes afluentes do rio
Amazonas. Essas bases de dados são comparadas com dados de altimetria espacial,
estações de elevação e hidrografia oficial da região.
237
A4.2 MATERIAIS E MÉTODOS
A4.2.1 Área de Estudo
A bacia do rio Madeira (Figura A4.1) é a segunda maior sub-bacia da bacia
Amazônica, com uma área aproximada de 1.370.000 km2, representando
aproximadamente 23% do total da bacia amazônica.
O rio principal dessa bacia é o rio Madeira, o maior afluente meridional do rio
Amazonas e o único rio Amazônico que drena, ao mesmo tempo, a cordilheira dos Andes,
o escudo brasileiro e a planície amazônica. A largura do rio Madeira varia de 440 a 9.900
metros, e sua profundidade, em alguns trechos, ultrapassa 13 metros. Em território
brasileiro, passando as cachoeiras, em locais com grandes profundidades, o rio Madeira
permite a navegação, até mesmo, de navios de grande calado (ANDRADE, 2008).
A bacia situa-se na região equatorial e possui um clima quente e úmido, o que
propicia a incidência de precipitações intensas e com alta variabilidade espacial, além de
regime hidroclimático contrastante em diferentes regiões e rios extremamente caudalosos
(Espinoza et al., 2009).
238
A4.2.2 Base de Dados
Os produtos de elevação utilizados nesta pesquisa baseiam-se em dados do Shuttle
Radar Topography Mission (SRTM), sendo eles: imagens SRTM brutas (resolução de ~
30 m) tratadas por um processo de correção de píxeis utilizando a metodologia “fill” (e.g.,
Paiva 2011; Sadeq et al., 2012; Souza, 2012); imagens SRTM corrigidas pelo projeto
Topodata (resolução de ~ 30 m) (Valeriano, 2005); e o produto HydroSHEDS (resolução
de ~ 90 m). As imagens brutas e o HydroSHEDS foram obtidos através da NASA
(National Aeronautics and Space Administration), enquanto o TOPODATA a partir do
Instituto de Pesquisas Espaciais (INPE), ambos disponibilizados em formato Geotiff.
O SRTM representa um esforço no mapeamento altimétrico global em alta
resolução, com dados disponíveis gratuitamente para análise do terreno. Os dados de
elevação gerados a partir do SRTM foram coletados através do ônibus espacial
Endeavour em uma única passagem realizada em fevereiro de 2000 (Farr e Kobrick,
2000). Os MDEs SRTM resultantes têm uma resolução de 1 segundo de arco (~ 30 m) e
3 segundos (~ 90 m) cobrindo a área da Terra entre 60 ° N e 54 ° S (Van Zyl, 2001). Os
erros verticais para a precisão absoluta e relativa são de ± 16 m e ± 6 m, respectivamente,
em 90% dos dados de toda a missão; quanto à precisão horizontal do produto, não foram
observados deslocamentos superiores ao requisito de 20 m no nível de confiança de 90%
(RABUS et al., 2003).
TOPODATA é uma base de dados topográfica concebida para fornecer variáveis
geomorfométricas básicas do território brasileiro (Valeriano e Rossetti, 2012). O projeto
disponibiliza dados SRTM (~ 90 m) refinados por krigagem, gerando informações com
resolução espacial de 1 segundo de arco. Segundo os desenvolvedores do TOPODATA,
os dados originais SRTM têm uma capacidade limitada na modelagem de redes de
drenagem amazônicas, tanto visualmente quanto digitalmente (Valeriano et al., 2006). A
krigagem permite que as superfícies intra-amostras se curvem livremente de acordo com
as tendências vizinhas, gerando melhores derivações de primeira e segunda ordem do
MDE (Valeriano e Rossetti, 2012), Sendo assim, a krigagem gera melhorias importantes
nos dados SRTM, tanto para a análise visual quanto digital do terreno, permitindo a
aplicação de mapeamento morfométrico digital (Valeriano et al., 2006).
O HydroSHEDS (Hydrological data and maps based on SHuttle Elevation
Derivatives at multiple Scales) foi desenvolvido com o objetivo de apoiar análises de
bacias hidrográficas regionais e globais, modelagem hidrológica e planejamento de
conservação de água doce (Lehner; Verdin; Jarvis, 2006). Esse produto é derivado de
239
dados SRTM (3 segundos de arco) e fontes auxiliares, incluindo o SRTM Water Body
Data, de redes de rios do Digital Chart of the World (DCW), da rede fluvial global
vetorizada (ArcWorld) e da base de dados global de lagos e áreas úmidas (Wetlands)
(Lehner, Verdin e Jarvis, 2008). Para tanto, preenchimento de vazios, filtragem, queima
de fluxo e técnicas de upscaling foram alguns dos métodos de melhoria de dados e
algoritmos aplicados em seu desenvolvimento (Lehner, Verdin e Jarvis, 2008).
240
Figura A4.2 – Estações virtuais do ICEsat e pontos de referência altimétrica.
241
Águas - ANA, escala 1:100000, no qual, identificou-se visualmente o arquivo mais
adequadamente hidrologicamente condicionado. Cabe destacar que, para atender uma
dimensão escalar próxima a hidrografia da ANA, foi adotado um número de células que
atendessem a proporção parecidas de área ao adotado no estudo de Elesbon et al. (2011).
242
Figura A4.4 – Ampliação da zona de cotas superestimadas do modelo corrigido do
SRTM
243
Figura A4.5 – Comparação de hidrografias da bacia do rio Madeira em uma zona
aleatória ampliada
Observa-se, pela Figura A4.5, que a hidrografia gerada pelos MDE’s produziu um
maior detalhamento da drenagem e com mais segmentos de ramificações, quando
comparados à hidrografia apresentada pela ANA. Esse fato não impossibilitou as análises,
visto que é possível comparar os segmentos principais, sobrepondo-os. Dessa forma,
observou-se que todas as hidrografias apresentaram um comportamento similar. Sob o
ponto de vista de um grau de sobreposição mais fidedigno, o Hydrosheds sobressaiu-se,
em oposição aos outros dois modelos, onde se notam certos deslocamentos dos canais
gerados para com hidrografia da ANA.
A comparação acima remete que o uso de modelos digitais de elevação também
pode fornecer um detalhamento maior para a base de dados oficiais. Além disso, como
destaca Elesbon et al. (2011), maiores análises de acurácia são impossibilitadas de
execução devido às falhas na base oficial de dados , que não fornece, de forma precisa, a
posição geográfica de todas as nascentes das bacias hidrográficas para uma melhor
definição no nível de ramificação das drenagens modeladas.
O procedimento para forçar um ajuste nas hidrografias dos modelos do Topodata
e SRTM poderia se dar por meio da metodologia stream burning, idealizada por
Hutchinson (1989), que consiste na ideia de drenagem forçada, por meio da incorporação
da rede de drenagem digital real, sendo utilizado em diversos trabalhos para geração de
dados digitais de rede hidrográfica e delimitação de bacias hidrográficas (Chaves, 2002).
244
Rubert et al. (1999) ressalvam que o uso desses algoritmos não garante,
especialmente em áreas planas com baixa densidade de dados altimétricos, tal como é a
região de estudo, a concordância espacial entre o traçado da drenagem numérica e o da
hidrografia mapeada
Como o trabalho propõe-se a analisar e discutir o melhor modelo digital de
elevação para modelagens na área da bacia do rio Madeira, que, como dito antes, carecem
de informações detalhadas, o que forçaria o uso de uma hidrografia na resolução de
1:100.000, a qual é a melhor resolução disponível oficialmente para tal procedimento.
Dessa forma, haveria limitaçãona qualidade das escalas dos modelos de elevações
gerados, pois, conforme elucidam os dois pressupostos de Saunders (2000), tal integração
possui bons resultados apenas quando se é observada a escala do mapa que fornecerá a
rede de drenagem digital e se execute o pré-processamento da drenagem vetorial, como
remoção de lagos e represas, representados cartograficamente por polígonos fechados e
que poderiam atuar como falsas depressões, interrompendo o caminho do escoamento
superficial. Essas feições e suas ramificações devem ser substituídas por linhas simples
conectadas às ramificações da rede de drenagem digital.
Quando analisado os modelos digitais de elevação com os pontos contados do
IBGE (Figura A4.6), observou-se um comportamento dos resíduos são bem similares em
todos os modelos, onde houve uma variação entre -100 a 100 m.
245
Figura A4.6 – Resíduos dos MDE’s testados com os dados cotados do IBGE
246
Figura A4.7 – Resíduos dos MDE’s testados com os dados cotados do Icesat
Tabela A4.1 – Análise de erros dos MDE’s e pontos cotados do IBGE e Icesat
247
por este estudo, devido a zonas com alturas errôneas de grandes magnitudes, conforme
discutido previamente.
Em relação à região amazônica, o trabalho de Santos et al. (2005) utilizou dados
de MDEs gerados a partir de cartas topográficas, em diferentes escalas, para comparar
com informações do SRTM. Os autores encontraram um valor de erro padrão médio de
10,74 m, sendo este menor que o observado para a bacia em estudo. Esse estudo confirma
os resultados observados por evidenciar um bom resultado altimétrico dos dados de
sensoriamento remoto paras todas as situações avaliadas.
Os dados percentuais refutaram novamente que, dentre os modelos de elevação
analisados, o SRTM corrigido tenha sido o que apresentou maior disparidade com cotas
médias do terreno, visto que encontrou variações entre 2,35 e 4,63%. Nota-se que os
outros dois modelos foram mais precisos, com uma ligeira subestimação da cota do
terreno devido à presença de erros negativos.
A proximidade nos valores dos erros comparando tanto a fonte do IBGE quanto o
Icesat reforçam também a eficiência de se avaliar dados de modelos de elevação digital
com dados de altimetria espacial, visto que, muitas vezes, informações de elevações
medidas são escassas, desatualizadas e propensas a erros humanos. Além disso, as
informações de altimetria espacial podem ser captadas em lugares inacessíveis e não
possuem custos monetários em seu acesso por estarem disponíveis gratuitamente em
sítios eletrônicos de órgãos como a NASA.
Cabe destacar, também, que outra vantagem em se avaliar os MDE’s por
informações de fontes oriundas de altimetria espacial em relação aos dados medidos por
estações foram a grande quantidade de pontos amostrais, sendo, neste estudo, a proporção
de 86500 para o Icesat e apenas 1250 para o IBGE, o que tornou o crivo avaliativo do
Icesat mais rigoroso que o do IBGE.
248
Verificou-se, ainda, que os píxeis com superelevação presentes nos dados puros
do STRM não foram eliminados pelo filtro fill, tornando-o menos eficiente que os seus
produtos corrigidos – Topodata e HydroSheds.
A4.5 REFERÊNCIAS
ALBA, P. J; AMADO, T. J. C., NICOLOSO, R. S.; SCHOSSLER, D. S.; TRINDADE,
B. S. Comparação de Modelos de Altitudes com Diferentes Fontes de Dados.
Congresso Brasileiro de Agricultura de Precisão (Anais), Ribeirão Preto/SP, 2010.
ELESBON, A. A. A.; GUEDES, H. A. S.; SILVA, D. D.; OLIVEIRA, I.C. Uso de dados
SRTM e plataforma SIG na caracterização morfométricada bacia hidrográfica do
Braço Norte do Rio São Mateus – Brasil. Rem– Revista Escola de Minas, v. 64,
n. 3, p. 281-288, 2011.
FAIRFIELD, J.; LEYMARIE, P. Drainage networks from grid digital elevation models.
Water Res. Res., 27:709-717, 1991.
FARR, T. G.; KOBRICK, M. Shuttle radar topography mission produces a wealth of data.
Eos, v. 81, n. 48, p. 583–585, 2000.
HUTCHINSON, M. F. A new procedure for gridding elevation and stream line data with
automatic removal of spurious pits. Journal of Hydrology, v. 106, n. 3, p. 211-
232, 1989.
249
JENSON, S. K.; DOMINGUE, J. O. Extracting Topographic Structure from Digital
Elevation Data for Geographic Information System Analysis. , v. 54, n. 11, p.
1593-1600, 1988.
LEHNER, B.; VERDIN, K.; JARVIS, A. New global hydrography derived from
spaceborne elevation data. Eos, [s.l], v. 89, n. 10, p. 93–94, 2008.
MOORE, I. D.; GESSLER, G.A.; PETERSON, G.A. Soil attribute prediction using
terrain analysis. Soil Science Society of America Journal, v.57, p.443-452, 1993.
HAAN, C. T. (1977). Statistical Methods in Hydrology. Ames (IA): The Iowa
University Press, 378p.
RABUS, B.; EINEDER, M.; ROTH, A.; BAMLER, R. The shuttle radar topography
mission - A new class of digital elevation models acquired by spaceborne radar.
ISPRS Journal of Photogrammetry and Remote Sensing, v. 57, n. 4, p. 241–262,
2003.
SADEQ, H., DRUMMOND, J. AND LI, Z. 2012. Evaluation of ASTER GDEM v.2 using
GPS checkpoints, OSGB DEM values and photogrammetrically derived DEMs.
ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information
Sciences. Vol. I–4, XXIInd ISPRS Congress, 25 Aug.–1 Sept. 2012, Melbourne,
Australia, 295–300.
250
SAUNDERS, W. Preparation of DEMs for use in environmental modeling
analysis.Hydrologic and hydraulic modeling support with geographic
informationsystems. ESRI Press, New York, p. 29-52, 2000.
VAN ZYL, J. J. The shuttle radar topography mission (SRTM): A breakthrough in remote
sensing of topography. Acta Astronautica, v. 48, n. 5–12, p. 559–565, 2001.
251
ANEXO 5 - ANÁLISE MORFOMÉTRICA NA BACIA DO RIO
A5.1 INTRODUÇÃO
O comportamento hidrológico de uma bacia hidrográfica é função de suas
características geomorfológicas, como, por exemplo, forma, relevo, área, geologia, rede
de drenagem e solo, e do tipo da cobertura vegetal. Desse modo, as características físicas
e bióticas de uma bacia possuem importante papel nos processos do ciclo hidrológico,
influenciando, dentre outros processos, a infiltração, a quantidade de água produzida
como deflúvio, a evapotranspiração e os escoamentos superficial, subsuperficial e
subterrâneo (Tonello et al., 2006).
Assim, a análise morfométrica de bacias hidrográficas é definida como um
conjunto de procedimentos que tem, como orientação, a investigação e a compreensão
científica dos componentes naturais de uma bacia hidrográfica. Os estudos relacionados
aos cursos fluviais, por meio de métodos sistêmicos e racionais como parâmetros
quantitativos, podem levar ao esclarecimento de várias questões acerca da morfogênese
e da morfordinâmica da paisagem, tendo em vista que a rede de drenagem assume papel
de destaque na compartimentação do relevo.
As análises dos aspectos relacionados à drenagem, ao relevo e à geologia facilitam
a compreensão de diversas indagações associadas à dinâmica ambiental local, sendo as
informações obtidas, nesses estudos, fundamentais para a elaboração de projetos de
engenharia, uma vez que a tomada de decisão é facilitada, e os parâmetros de
planejamento podem ser modificados mediante os resultados obtidos (Silva, 2011).
Nesse sentido, o objetivo do presente trabalho foi realizar a caracterização
morfométrica da bacia hidrográfia do rio Madeira a partir do levantamento de algumas
informações fisiográficas, a saber: área, perímetro, fator de forma, coeficiente de
compacidade, índice de circularidade, elevação, declividade da bacia, declividade do
curso de água principal, densidade de drenagem e ordem dos cursos de água.
3
Artigo publicado no XXIII Simpósio Brasileiro de Sensoriamento Remoto, 2019
252
A bacia do rio Madeira (Figura A5.1) é a segunda maior sub-bacia da bacia
Amazônica, com uma área aproximada de 1.370.000 km2, representando 23% do total da
bacia Amazônica.
O rio principal dessa bacia é o rio Madeira, o maior afluente meridional do rio
Amazonas e o único rio Amazônico que drena, ao mesmo tempo, a cordilheira dos Andes,
o escudo brasileiro e a planície Amazônica. A largura do rio Madeira varia de 440 a 9.900
metros, e sua profundidade, em alguns trechos, ultrapassa 13 metros. Em território
brasileiro, passando as cachoeiras, em locais com grandes profundidades, o rio Madeira
permite a navegação, até mesmo, de navios de grande calado (Andrade, 2008).
A bacia situa-se na região equatorial e possui um clima quente e úmido, o que
propicia a incidência de precipitações intensas e com alta variabilidade espacial, além de
regime hidroclimático contrastante em diferentes regiões e rios extremamente caudalosos
(Espinoza et al., 2009).
253
A morfometria da bacia hidrográfica do rio Madeira foi aferida para visualizar
comportamentos típicos que tal unidade pode apresentar dado seu formato e conformação
de seus rios. Essa ação também possibilitou os pressupostos vislumbrados nos estudos de
Teodoro et al. (2007) e de Collares (2000), onde destacam que, por essa análise, é possível
elucidar as várias questões relacionadas com o entendimento da dinâmica ambiental local
e regional, além de revelar indicadores físicos específicos para uma determinada porção
da região, de forma a melhor qualificar as alterações ambientais.
Para a aplicação das fórmulas, tornou-se necessário delimitar a bacia e a
hidrografia, utilizando, para tanto, o modelo digital do terreno obtido através de imagens
HydroSHEDS (Hydrological data and maps based on SHuttle Elevation Derivatives at
multiple Scales) com resolução de 30 metros, disponíveis no sítio da NASA (National
Aeronautics and Space Administration), devido a essa base de dados corresponder melhor
ao relevo da bacia do rio Madeira. Posteriormente, por meio dessas mesmas imagens,
aferiu-se a declividade da região ao realizar o processamento de sua superfície na função
declividade (slope) do código computacional ArcGIS 9.3.
Na discriminação das sub-bacias, em nível 6 de ottobacias, utilizou-se a extensão
jgrasstools-pfafstetter do código computacional QGis, que subdivide e delimita bacias
hidrográficas segundo o método de Otto Pfafsteter. Nesse módulo, foram fornecidos,
como entradas, o modelo do terreno e os mapas de direção de fluxo e acumulação de
fluxo.
Os índices morfométricos estimados encontram-se sumarizados na Tabela A5.1.
As fórmulas para obtenção desses índices estão evidenciadas nos trabalhos de
Christofolletti (1969), Villela e Mattos (1975), Tonello (2005), Cardoso (2006) e Antoneli
e Thomaz (2007).
254
Tabela A5.1 – Índices morfométricos analisados.
255
Figura A5.2- Mapa de elevação da bacia do rio Madeira
256
Figura A5.3 - Mapa de declividade da bacia do rio Madeira
257
Figura A5.4 – Principais índices físicos da bacia do rio Madeira
258
como geológicos, topográficos, a área tem grande dificuldade para formação de novos
canais fluviais (Santos e Morais, 2012).
A maior frequência de valores de relação de relevo encontrada na bacia foi abaixo
de 0,020, indicando que a bacia tem uma baixa relação de relevo entre os componentes
horizontais (alongamento) e verticais (baixa amplitude altimétrica).
Analisando o valor do fator de forma das bacias, observa-se que se apresentaram,
em maior frequência, entre os intervalos de 1 a 4 e acima de 4. Esse fato indica que grande
parte da bacia possui as unidades drenantes variando entre formatos quadrados a
retangulares de baixo comprimento, identificando regiões com uma menor propensão a
enchentes. Percebe-se, ainda, a existência de áreas no intervalo que caracterizam um
aspecto de circularidade, que podem apresentar, como característica, hidrograma com
picos mais acentuados, com alto risco de cheias e um pequeno tempo de concentração.
Complementando as constatações anteriores, o índice de compacidade obtido foi,
na maioria das bacias, acima de 1,4, indicando novamente que a bacia possui formato
próximo ao retangular, denotando, assim, uma menor potencialidade de enchentes (Porto
et al., 1999).
Como o índice de sinuosidade mostrou-se no intervalo de 1 a 2 e com algumas
áreas acima de 2,0, o sistema drenante caracteriza-se por apresentar por redes de
drenagem sinuosas, podendo haver acúmulos de sedimentos, o que pode ser agravado
pela ação antrópica (Stipp et al., 2010).
O gradiente de inclinação do canal principal da bacia foi de em maioria abaixo de
0,1%, mostrando, assim, segundo Stipp et al. (2010), que a área drenada por esse sistema
fluvial naturalmente não sofre uma grande pressão pela erosão fluvial.
Os valores de densidade de drenagem calculados para as bacias foram abaixo de
0,5 km.km-2; esse fator qualifica a bacia em fracamente drenada, conforme os padrões de
classificação adotados por Beltrame (1994). Assim, as unidades da bacia do rio Madeira
não possuem uma grande eficiência em seus sistemas de drenagem, indicando que têm
fluxos mais lentos no escoamento superficial, originado da chuva, para as sua chegada na
saída da bacia (Silva, 2011).
O intervalo de valores típicos encontrados para os coeficientes de manutenção de
5500 a 7500 m².m-1 revela que cada canal da bacia possui essa magnitude em média para
sua manutenção (área de recarga) e evolução da drenagem, denotando ter uma boa área
de distribuição da rede hidrográfica. No entanto, o parâmetro densidade hidrográfica, que
considera a média da quantidade de canais por quilômetro quadrado de uma bacia,
259
conforme destacado previamente, contrasta com essa interpretação, uma vez que o valor
de 0,50 canal.km-² revela grande dificuldade para formação de novos canais fluviais.
A extensão do percurso superficial para a bacia em estudo foi abaixo de 0,60;
assim, esse é o valor que representa a distância média percorrida pelas enxurradas na
mesma entre o interflúvio e o canal permanente (Silva, 2011).
Ao analisar conjuntamente os índices físicos, depreende-se que as unidades
drenantes dentro da bacia do Madeira possuem formato retangular e alongado e, como
posto anteriormente, em condições normais, apresenta pouca propensão a enchentes, mas
seus canais podem ser altamente impactados pelo transporte de sedimentos. Logo, ações
antrópicas que provoquem processos erosivos podem comprometer a qualidade dos
corpos hídricos desse corpo hídrico.
A5.5 REFERÊNCIAS
BELTRAME, A. V. “Diagnóstico do meio ambiente físico de bacias hidrográficas:
modelo de aplicação”. Florianópolis, UFSC, 1994.
260
hidrográfica do Rio Capivari-SP”. Tese de Doutorado em Geotecnia,
Universidade de São Paulo, São Carlos, São Paulo, 2000.
261