01 Dissertação Adriane

INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA - INPA
UNIVERSIDADE DO ESTADO DO AMAZONAS - UEA

PROGRAMA DE PÓS-GRADUAÇÃO EM CLIMA E AMBIENTE - PPG-CLIAMB
avaliação de índices climáticos na amazônia para meados

e final do século xxi baseada no cenário rcp8.5 com o
modelo regional eta
Adriane Lima Brito
Manaus, Amazonas
Maio, 2016
Adriane Lima Brito
avaliação de índices climáticos na amazônia para meados

e final do século xxi baseada no cenário rcp8.5 com o
modelo regional eta
Orientador: Dr. José Augusto Paixão Veiga

Fonte Financiadora: CAPES
Dissertação apresentada ao Instituto

Nacional de Pesquisas da Amazônia
como parte dos requisitos para a ob-
tenção do título de Mestre em Clima e
Ambiente.
Manaus, Amazonas
Maio, 2016
Dedico este trabalho a todos meus fa-
miliares, em especial, Luís Ernesto de
Lima Araújo (namorado), Antonia Lo-
pes de Lima (mãe), Pedro Paulo Silva
Brito (Pai), Agda Lima Brito (irmã),
Paulo Brito (Irmão), Otávio Valente
Brito (irmão) e Pedro Brito (irmão)
que me incentivaram a perseverar e
acreditar sempre.
iv
agradecimentos
A meu namorado Luís pelo amor, paciência e ajuda indispensável na realização deste
trabalho.
Aos meus queridos pais (Antonia e Paulo), irmãos (Agda, Paulinho, Otávio e Pedro)
e agregados (Wal e Jacinha) pelo apoio, incentivo e por estarem comigo em todos os mo-
mentos da minha vida.
A todos os meus familiares e amigos que me incentivaram a seguir em frente.
A meu orientador José Augusto Paixão Veiga, pela dedicação dispensada e motivação
durante estes dois anos de curso.
A CAPES (Coordenação de Aperfeiçoamento do Pessoal de Ensino Superior) pela

bolsa de estudo oferecida durante o curso.
A UEA (Universidade do Estado do Amazonas), INPA (Instituto Nacional e Pesqui-

sas da Amazônia) e CPTEC/INPE (Centro de Previsão de Tempo e Estudos Climáti-
cos/Intituto Nacional de Pesquisas Espaciais) pelas instalações consedidas para que o
trabalho fosse realizado, em especial, a Dra. Chou por ter me cedido os dados que foram
utilizados no presente trabalho.
A todos os professores que contribuíram com o meu aprendizado.
As amigas, Patricia e Adriane e demais amigos pela amizade e companheirismo. Con-

tem sempre comigo!
A meus companheiros de trabalho das salas B09 e C06.
A todos, muito obrigada...
v
"Você pode encontrar a derrota muitas
vezes, mas não deve se deixar derrotar.
As derrotas são importantes - só assim
você saberá quem é e o que pode se tor-
nar".
Maya Angelou
vii
resumo
O efeito estufa é um fenômeno que ocasiona o aquecimento natural da superfície terres-

tre. No entanto, nas últimas décadas esse aquecimento vem aumentando devido à causas
naturais e principalmente às atividades antrópicas, acarretando mudanças no clima global,
incluindo a região Amazônica com impactos potencialmente catastróficos. Essas mudan-
ças no clima são medidas utilizando séries históricas de variáveis meteorológicas como,
por exemplo, a temperatura e a precipitação. Desse modo, a Organização Mundial de
Meteorologia (OMM), através de vários workshops criou vinte e sete indicadores de detec-
ção de mudanças no clima, baseados na temperatura e na precipitação. Foram utilizados
no presente trabalho 8 índices climáticos baseados na precipitação e calculados na região
da Bacia Amazônica, que é de grande importância econômica para a população (direta
e/ou indiretamente), tendo em vista o papel desses indicadores climáticos para meados e
final do século XXI com o intuito de melhores planejamentos para minimizar os impac-
tos ambientais, sociais e econômicos. A presente pesquisa utilizou dados de precipitação
do Climate Prediction Center (CPC) e do modelo regional ETA do EXP-CTRL, com o
intuito de avaliar 8 indicadores climáticos comparando seus padrões espaciais e validar o
modelo ETA utilizando os métodos estatístico BIAS e RMSE. No presente estudo tam-
bém foram utilizados dados provenientes do modelo regional ETA, tendo como condições
de contorno as simulações numéricas do modelo de circulação geral HadGEM2 para o
cenário de emissões de gases de efeito estufa RCP 8.5. Foram selecionados três períodos
distintos, são eles: 1) 1961 a 1990 (EXP-CTRL), 2) 2021 a 2050 (EXP-FP8.5) e 3) 2071
a 2100 (EXP-FD8.5). Objetivando avaliar a influência do aumento na concentração dos
GEE, caracterizado pelo cenário RCP8.5 do IPCC, sobre 8 índices climáticos baseados
em dados de precipitação para a Bacia amazônica. Dessa forma, os resultados mostra-
ram que na validação baseada no BIAS, o modelo apresentou variações semelhantes ao
que foi observado, em termos de distribuição espacial. Na validação baseada no RMSE,
observou-se que, o modelo possui boa precisão, em relação ao que foi observado, para o
número consecutivo de dias secos e a quantidade máxima de precipitação em um dia. Os
resultados também indicaram que, no EXP-FP8.5 apenas o número de dias consecutivos
chuvosos, o número total de dias secos e o número total de dias chuvosos são impactados
significativamente. Assim para os experimentos EXP-FP8.5 e EXP-FD8.5, do modelo
ETA forçado pelo HadGEM2, poderá haver um aumento significativo do número de dias
secos e uma redução no número de dias chuvosos, sendo consecutivos ou não entre meados
e final do século XXI. Para os demais indicadores climáticos (quantidade total de chuva,
quantidade máxima de chuva ocorrida em 1 dia, quantidade máxima de chuva ocorrida em
5 dias, percentil de 95% de chuva) o modelo indica redução na quantidade de chuva sobre
a região da Bacia Amazônica, principalmente para os indicadores associados a eventos
extremos.
Palavras-chave: Índices Climáticos, Bacia Amazônica, Precipitação, Modelo ETA
viii
abstract
The greenhouse effect is a phenomenon that causes the natural warming of the earth’s
surface. However, in recent decades this warming is increasing due to natural causes and
principalemente to human activities, causing global climate change, including the Ama-
zon region with potentially catastrophic impacts. These changes in climate are measured
using historical series of meteorological variables such as the temperature and precipita-
tion. Thus, the World Meteorological Organization (WMO), through various worksops
created twenty-seven changes in weather detection indicators based on temepratura and
precipitation. They were used in this study 8 climate indices based on precipitation
and calculated in the Amazon Basin region, which is Grende importance econônima for
the people (directly and/or indirectly), in view of the role of these climatic indicators
for the middle and end of the century XXI in order to better planning to minimize the
environmental, social and economic impacts.
Thus, the present study used data from precipitation Climate Prediction Center (CPC)
and the regional model ETA EXP-CTRL, both for the period 1981-1990, in order to
evaluate 8 climatic indicators, comparing their-spatial patterns and ETA validate the
model using statistical methods BIAS and RMSE. The present study also used data from
the regional model ETA, with the boundary conditions of numerical simulations of the
general circulation model HadGEM2 for the scenario of greenhouse gas emissions RCP 8.5,
we selected three different periods, they are: 1 ) 1961-1990 (EXP-CTRL), 2) 2021-2050
(EXP-FP8.5) and 3) 2071-2100 (EXP-FD8.5). To evaluate the influence of the increase
in the concentration of greenhouse gases, characterized by the IPCC scenario RCP8.5 on
8 climate indices based on rainfall data to the Amazon Basin.
The results showed that the validation based on BIAS, the model showed changes
similar to that observed in terms of spatial distribution. In the validation based on the
RMSE, it was observed that the model has good accuracy of the model in relation to
what was observed for the number of consecutive days and dried the maximum amount
of rainfall in a day. The results also indicated that the EXP-FP8.5 only the number of
consecutive rainy days, the total number of dry days and the total number of rainy days
are significantly impacted. So for the EXP-FP8.5 and EXP-FD8.5 experiments, model
ETA forced the HadGEM2, there may be a significant increase in the number of dry days
and a reduction in the number of rainy days and consecutive or not between the middle
and end the twenty-first century. For other climatic indicators (total amount of rainfall,
maximum rainfall occurred in 1 day, maximum rainfall amount occurred in five days, the
percentile 95% of rain) model indicates a reduction in the amount of rain on the region
of the Amazon Basin mainly for the indicators associated with extreme events.
Keyword: Climate Indices, Amazon Basin, Rainfall, Model ETA
ix
sumário
LISTA DE TABELAS xii
LISTA DE FIGURAS xvi
LISTA DE SIGLAS E ABREVIATURAS xvii
1 INTRODUÇÃO 1
2 OBJETIVOS 4
2.1 Objetivo geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Objetivos específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3 REVISÃO BIBLIOGRÁFICA 5
4 MATERIAIS E MÉTODOS 11
4.1 Dados Observados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4.1.1 Dados Provenientes do Modelo ETA . . . . . . . . . . . . . . . . . 11
4.1.2 Modelo Global HadGEM2 . . . . . . . . . . . . . . . . . . . . . . . 12
4.1.3 O Modelo de Mesoescala ETA . . . . . . . . . . . . . . . . . . . . . 12
4.1.4 Os cenários RCPs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4.2 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.2.1 Índices Climáticos . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.2.2 Validação do modelo ETA . . . . . . . . . . . . . . . . . . . . . . . 17
4.2.3 Análise de Composição dos Dados Oceânicos e Atmosféricos . . . . 18
4.2.4 Método para Avaliação da Significância dos Impactos . . . . . . . . 19
5 VALIDAÇÃO DO MODELO ETA 20

5.1 Validação baseada no BIAS (CPC versus ETA) . . . . . . . . . . . . . . . 25
5.2 Validação baseada no BIAS (CPC versus HadGEM2) . . . . . . . . . . . . 28
5.3 Validação baseada no RMSE (CPC versus ETA) . . . . . . . . . . . . . . . 31
5.4 Validação baseada no RMSE (CPC versus HadGEM2) . . . . . . . . . . . 34
6 AVALIAÇÃO DO ÍNDICES CLIMÁTICOS PARA O CENÁRIO RCP

8.5 37
6.1 Cenário de concentração de gases de efeito estufa RCP 8.5 - Experimento
Futuro Próximo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
6.2 Cenário de concentração de gases de efeito estufa RCP 8.5 - Experimento
Futuro Distante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
x
7 AVALIAÇÃO DOS CAMPOS DE COMPOSIÇÃO CLIMÁTICOS PARA
O CENÁRIO RCP 8.5 47
7.1 Campos de composição climáticos para o cenário de gases de efeito estuda
RCP 8.5 - Experimento Futuro Próximo . . . . . . . . . . . . . . . . . . . 49
7.2 Campos de composição climáticos para o cenário de gases de efeito estuda
RCP 8.5 - Experimento Futuro Distante . . . . . . . . . . . . . . . . . . . 51
8 CONCLUSÃO 54
REFERÊNCIAS BIBLIOGRÁFICAS 56
xi
lista de tabelas
2 Tabela de índices extremos de chuva utilizados neste estudo, como re-
comendado pelo World Meteorological Organization Commission of Cli-
matology and the Climate Variability and Predictability Project (ETC-
CDMI) e desenvolvido a partir do Climatic Variability and Predictability
(CCI/CLIVAR). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
xii
lista de figuras
1 Emissões dos principais gases de efeito estufa para todos os RCPs. A área
cinza indica os percentis 98 e 90 (cinzas claro e escuro, respectivamente)
da literatura. As linhas tracejadas i são representativos de quatro cenários
do Special Report on Emission Scenarios (SRES). As linhas sólidas verde,
vermelha, preta e zul, são respecitivamente, RCP2.6, RCP4.5, RCP6 e
RCP8.5. [Fonte: Detlef et al. 2011] . . . . . . . . . . . . . . . . . . . . . . 14
2 Média anual dos Índices Climáticos para o período de 1981 a 1990. Número
de dias consecutivos secos (dias) - CDD: (a) CPC e (b) modelo regional
ETA. Número de dias consecutivos úmidos (dias) - CWD: (c) CPC e (d)
modelo regional ETA. Número total de dias secos (dias) - NDD: (e) CPC e
(f) modelo regional ETA. Número total de dias úmidos (dias) - NWD: (g)
CPC e (h) modelo regional ETA. . . . . . . . . . . . . . . . . . . . . . . . 23
3 Média anual dos Índices Climáticos para o período de 1981 a 1990. Quan-
tidade total de chuva em dias úmidos (mm) - PRECPTOT: (i) CPC e (j)
modelo regional ETA. Quantidade máxima de chuva ocorrida em 1 dia (mm
dia−1 ) - R1D: (k) CPC e (l) modelo regional ETA. Quantidade máxima de
chuva ocorrida em 5 dias (mm dia−1 ) - R5D: (m) CPC e (n) modelo regi-
onal ETA. Percentil de 95% de chuva (mm dia−1 ) - P95%: (o) CPC e (p)
modelo regional ETA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4 BIAS dos índices climáticos - CPC versus ETA, média anual para o pe-
ríodo de 1981 a 1990. (a) Número de dias consecutivos secos (dias) - CDD,
(b) Número de dias consecutivos úmidos (dias) - CWD, (c) Número to-
tal de dias secos (dias) - NDD, (d) Número total de dias úmidos (dias),
(e) Quantidade total de chuva em dias úmidos (mm) - PRECPTOT, (f)
Quantidade máxima de chuva ocorrida em 1 dia (mm dia−1 ) - R1D, (g)
Quantidade máxima de chuva ocorrida em 5 dias (mm dia−1 ) - R5D e (h)
Percentil de 95% de chuva (mm dia−1 ) - P95%. . . . . . . . . . . . . . . . 27
5 BIAS dos índices climáticos - CPC versus HadGEM2, média anual para
o período de 1981 a 1990. (a) Número de dias consecutivos secos (dias) -
CDD, (b) Número de dias consecutivos úmidos (dias) - CWD, (c) Número
total de dias secos (dias) - NDD, (d) Número total de dias úmidos (dias),
xiii
6 RMSE dos índices climáticos - CPC versus ETA, média anual para o pe-
ríodo de 1981 a 1990. (a) Número de dias consecutivos secos (dias) - CDD,
(b) Número de dias consecutivos úmidos (dias) - CWD, (c) Número to-
tal de dias secos (dias) - NDD, (d) Número total de dias úmidos (dias),
7 RMSE dos índices climáticos - CPC versus HadGEM2, média anual para
o período de 1981 a 1990. (a) Número de dias consecutivos secos (dias) -
CDD, (b) Número de dias consecutivos úmidos (dias) - CWD, (c) Número
total de dias secos (dias) - NDD, (d) Número total de dias úmidos (dias),
8 Anomalias significativas dos índices climáticos, média anual para o período
de 2021 a 2050 (Futuro Próximo). (a) Número de dias consecutivos secos
(dias) - CDD, (b) Número de dias consecutivos úmidos (dias) - CWD, (c)
Número total de dias secos (dias) - NDD, (d) Número total de dias úmidos
(dias), (e) Quantidade total de chuva em dias úmidos (mm) - PRECPTOT,
(f) Quantidade máxima de chuva ocorrida em 1 dia (mm dia−1 ) - R1D, (g)
9 Anomalia significativas de (a) Temperatura da superfície do mar (1∘ C) -
TSM, (b) Temperatura do ar em 1000 mb (1∘ C), (c) Pressão ao nível médio
do mar (hPa), (d) Linhas de Corrente e Vorticidade Relativa (10−5 s−1 ), (e)
Fluxo umidade integrado na vertical (kgm−1 s−1 ) e Divergência do fluxo de
umidade (1×10−5 kgm−2 s−1 ) e (f) Precipitação (mmdia−1 ). Média anual
para o período de 2021 a 2050 (Futuro Próximo). . . . . . . . . . . . . . . 42
10 Anomalia significativas dos índices climáticos, média anual para o período
de 2071 a 2100 (Futuro Distante). (a) Número de dias consecutivos secos
(dias) - CDD, (b) Número de dias consecutivos úmidos (dias) - CWD, (c)
Número total de dias secos (dias) - NDD, (d) Número total de dias úmidos
(dias), (e) Quantidade total de chuva em dias úmidos (mm) - PRECPTOT,
(f) Quantidade máxima de chuva ocorrida em 1 dia (mm dia−1 ) - R1D, (g)
xiv
11 Anomalia significativas de (a) Temperatura da superfície do mar (1∘ C) -
TSM, (b) Temperatura do ar em 1000 mb (1∘ C), (c) Pressão ao nível médio
do mar (hPa), (d) Linhas de Corrente e Vorticidade Relativa (10−5 s−1 ), (e)
Fluxo umidade integrado na vertical (kgm−1 s−1 ) e Divergência do fluxo de
umidade (1×10−5 kgm−2 s−1 ) e (f) Precipitação (mmdia−1 ). Média anual
para o período de 2071 a 2100 (Futuro Distante). . . . . . . . . . . . . . . 47
12 Composição do índice climático Número total de dias secos - NDD (dias),
utilizando o cenário RCP 8.5 para: (a) Futuro Próximo e (b) Futuro Distante. 48
13 Composição de (a) Temperatura da superfície do mar (1∘ C) - TSM, (b)
Temperatura do ar em 1000 mb (1∘ C), (c) Pressão ao nível médio do mar
(hPa), (d) Linhas de Corrente e Vorticidade Relativa (10−5 s−1 ), (e) Fluxo
umidade integrado na vertical (kgm−1 s−1 ) e Divergência do fluxo de umi-
dade (1×10−5 kgm−2 s−1 ) e (f) Precipitação (mmdia−1 ). Média para cinco
anos dentro do período 2021 a 2050 (Futuro Próximo). . . . . . . . . . . . 51
14 Composição de (a) Temperatura da superfície do mar (1∘ C) - TSM, (b)
Temperatura do ar em 1000 mb (1∘ C), (c) Pressão ao nível médio do mar
(hPa), (d) Linhas de Corrente e Vorticidade Relativa (10−5 s−1 ), (e) Fluxo
umidade integrado na vertical (kgm−1 s−1 ) e Divergência do fluxo de umi-
dade (1×10−5 kgm−2 s−1 ) e (f) Precipitação (mmdia−1 ). Média para cinco
anos dentro do período 2071 a 2100 (Futuro Distante). . . . . . . . . . . . 53
15 Média climatológica do índice climático Número consecutivo de dias secos
- CDD, utilizando o cenário RCP 8.5 para: (a) EXP-CTRL (1981-1990),
(b) EXP-FP8.5 (2021-2050) e (c) EXP-FD8.5 (2071-2100). . . . . . . . . . 63
16 Média climatológica do índice climático Número consecutivo de dias umidos
- CWD, utilizando o cenário RCP 8.5 para: (a) EXP-CTRL (1981-1990),
(b) EXP-FP8.5 (2021-2050) e (c) EXP-FD8.5 (2071-2100). . . . . . . . . . 63
17 Média climatológica do índice climático Número total de dias secos - NDD,
utilizando o cenário RCP 8.5 para: (a) EXP-CTRL (1981-1990), (b) EXP-
FP8.5 (2021-2050) e (c) EXP-FD8.5 (2071-2100). . . . . . . . . . . . . . . 63
18 Média climatológica do índice climático Número total de dias umidos -
NDD, utilizando o cenário RCP 8.5 para: (a) EXP-CTRL (1981-1990), (b)
EXP-FP8.5 (2021-2050) e (c) EXP-FD8.5 (2071-2100). . . . . . . . . . . . 64
19 Média climatológica do índice climático Quantidade total de chuva em dias
úmidos - PRECPTOT, utilizando o cenário RCP 8.5 para: (a) EXP-CTRL
(1981-1990), (b) EXP-FP8.5 (2021-2050) e (c) EXP-FD8.5 (2071-2100). . . 64
20 Média climatológica do índice climático Quantidade máxima de chuva ocor-
rida em 1 dia - R1D, utilizando o cenário RCP 8.5 para: (a) EXP-CTRL
(1981-1990), (b) EXP-FP8.5 (2021-2050) e (c) EXP-FD8.5 (2071-2100). . . 64
xv
21 Média climatológica do índice climático Quantidade máxima de chuva ocor-
rida em 5 dia - R5D, utilizando o cenário RCP 8.5 para: (a) EXP-CTRL
(1981-1990), (b) EXP-FP8.5 (2021-2050) e (c) EXP-FD8.5 (2071-2100). . . 65
22 Média climatológica do índice climático Percentil de 95% de chuva - P95%,
utilizando o cenário RCP 8.5 para: (a) EXP-CTRL (1981-1990), (b) EXP-
FP8.5 (2021-2050) e (c) EXP-FD8.5 (2071-2100). . . . . . . . . . . . . . . 65
xvi
LISTA DE SIGLAS E ABREVIATURAS
AMO – Oscilação Multidecenal do Atlântico
CDD – Número Consecutivo de Dias Secos
CPC – Climate Prediction Center
CWD – Número Consecutivo de Dias Úmidos
ENOS – El Niño Oscilação Sul
EXP-CTRL – Experimento Controle
EXP-FP8.5 – Experimento Futuro Próximo RCP 8.5
EXP-FD8.5 – Experimento Futuro Distente RCP 8.5
GEE – Gases do Efeito Estufa
IPCC – Painel Intergovernamental de Mudanças Climáticas
IVDN – Índice de Vegetação por Diferença Normalizada
MCG – Modelos de Circulação Global
MCG – Modelo Climático Regional
NDD – Número Total de Dias Secos
NWD – Número Total de Dias ùmidos
OMM – Organização Mundial de Meteorologia
PRECPTOT – Total Anual de Precipitação em Dias Úmidos
PNUMA – Programa das Nações Unidas para o Meio Ambiente
PDO – Oscilação Decadal do Pacífico
R1D – Precipitação Anual Máxima em 1 Dia
R5D – Precipitação Anual Máxima em 5 Dias
P95% – Percentil 95
RECE – Relatório Especial sobre Cenários de Emissões
RCP – Cenário de Emissão de Gases de Efeito Estufa
TSM – Temperatura da Superfície do Mar
TNAI – Índice do Atlântico Norte Tropical
TSAI – Índice do Atlântico Sul Tropical
xvii
1 INTRODUÇÃO
A composição da atmosfera terrestre é constituída por vários gases, sendo o Nitrogênio

(N2 ) e o Oxigênio (O2 ) os que apresentam maiores concentrações, cerca de 99% da propor-
ção em volume. No entanto, outros gases também encontram-se presentes na atmosfera.
Dentre estes, citam-se os gases de efeito estufa (GEEs), tais como o vapor de água (H2 O),
metano (CH4 ), dióxido de carbono (CO2 ) e o óxido nitroso (N2 O). Embora seja visto,
por muitos, como um evento prejudicial, o efeito estufa é um fenômeno responsável pelo
equilíbrio térmico da superfície terrestre. No entanto nos últimos 100 anos o Painel Inter-
governamental de Mudanças Climáticas (IPCC, 2007), divulgou que parte considerável do
aquecimento global observado é decorrente do aumento progressivo da concentração dos
GEEs na atmosfera, provocado principalmente pelas atividades antrópicas (IPCC, 2007).
Dessa forma, para as próximas duas décadas, presumi-se um aquecimento de cerca de

0,2 C por década para uma faixa de cenários de emissões do RECE (Relatório Especial so-
∘
bre Cenários de Emissões) (IPCC, 2007). Assim, mesmo que as concentrações de todos os
gases de efeito estufa e aerossóis se mantivessem constantes nos níveis registrados no ano
2000, seria esperado um aquecimento adicional de cerca de 0,1∘ C por década. Nas áreas
mais secas, se prevê que o aquecimento global acarrete a salinização e a desertificação
das terras agrícolas, de forma que as mudanças na precipitação e o desaparecimento das
geleiras afetem de forma significativa a disponibilidade de água para o consumo humano,
a agricultura e a geração de energia (IPCC, 2007).
No que se refere a região Amazônica, estudos recentes apontam que o aquecimento

global trará impactos potencialmente catastróficos para essa região, como por exemplo,
o uso da terra de forma desordenada, que produz emissões de GEEs globalmente signi-
ficativas (Fearnside, 2007a, 2008a, 2008b). Assim como mudanças na temperatura da
superfície do mar, como por exemplo, o fenômeno El Niño - Oscilação Sul (ENOS), cau-
sado por oscilações da temperatura da superfície do mar no Oceano Pacífico equatorial.
Ademais, as oscilações da temperatura no Oceano Atlântico podem trazer impactos sobre
a Amazônia, tais como secas e incêndios florestais (Klein et al., 1999; Dickinson et al.,
2001; Araújo et al., 2013). Tem sido observado também que as árvores amazônicas são
sensíveis à ação do fogo e de estresse hídrico sob condições quentes e secas (Santos et al.,
2012).
2
Muitos são os impactos ocasionados pelas mudanças no clima que podem acarretar ou-
tros impactos ambientais além do aumento da temperatura, como a desertificação, extin-
ção de milhares de espécies, aumento no nível dos oceanos, intensificação de tempestades
e furacões. Estes impactos podem gerar uma série de problemas, dentre eles econômicos,
sociais e ambientais. Em suma, vários são os fatores mencionados pelos cientistas, que
provocam mudanças no clima e que consequentemente vêm ocasionando problemas ao
longo dos tempos. Do ponto de vista regional, os fatores que podem modificar o clima são
o desmatamento e a degradação ambiental, contribuindo assim para alterações no sistema
global. Por outro lado, do ponto de vista local, a temperatura do ar e a precipitação são
elementos meteorológicos que podem ser empregados na detecção de mudanças climáticas
(Santos, 2006).
Dessa forma, é consenso atualmente que, mudanças climáticas na temperatura e na

chuva têm um impacto direto e significativo nas atividades humanas, cujas variações fre-
quentemente resultam em efeitos econômicos no meio ambiente, sociais e políticas, tais
como consumo de energia, conforto humano e turismo (Subak et al., 2000; Qian e Lin,
2005).
O aumento nas perdas econômicas e de vidas devido a extremos de tempo (e clima),

tem sido comumente noticiadas nos meios de comunicação, despertando o interesse da
comunidade científica em estudar eventos extremos (Kostopoulo e Jones, 2005). Mudan-
ças na precipitação têm sido estudadas em escala global, nacional e regional. Em escala
global, análises mais compreensivas dos extremos climáticos são discutidas no Quarto
Relatório de Avaliação do IPCC (IPCC 2007). Na escala nacional e regional, têm sido
desenvolvidos estudos das mudanças e seus impactos na Ásia, Pacífico Sul, Caribe, África,
América do Sul e América do Norte (You et al. 2010; Santos et al. 2011).
Variações na precipitação têm implicações no ciclo hidrológico e recursos hídricos.

Espera-se que as mudanças climáticas alterem a temperatura média e os valores da pre-
cipitação e que aumentem a variabilidade dos eventos extremos de chuva, que poderão
causar inundações e secas mais intensas e frequentes. Qian e Lin (2005) afirmam que a
frequência e a persistência das secas deverão ser uma das consequências do aquecimento
global. Walsh e Pittock (1998) sugeriram que as potenciais mudanças nas tempestades
tropicais, furacões e eventos extremos de chuva são um resultado das mudanças climáticas.
Como já foi abordado, localmente as mudanças climáticas são medidas por meio de
análise de séries históricas de variáveis meteorológicas, tais como, temperatura do ar e
precipitação. De acordo com as tendências temporais dessas variáveis para um determi-
3
nado local é observado se ocorreram mudanças no clima. No final da década de 1990,

ocorreram vários workshops com o objetivo de criar e desenvolver um conjunto de índices
que poderiam ser calculados para uma variedade de climas possibilitando a comparação
entre regiões. Como resultado, 27 índices de mudanças climáticas, derivados de dados
diários de temperatura e precipitação, foram identificados (Zin et al. 2010). A partir
das tendências de precipitação e temperatura do ar para um determinado local pode-se
identificar possíveis mudanças no clima fazendo uma análise dos chamados "Índices de
Detecção de Mudanças Climáticas"criados pela Organização Mundial de Meteorologia
(OMM) (Zhang e Yang, 2004). Um dos principais objetivos da criação destes índices é
a utilização em estudos de monitoramento e detecção de alterações climáticas auxiliados
por ferramentas, como os Modelos de Circulação Global (MCGs) capazes de projetar o
clima em diversas regiões do globo (Araújo, 2012).
Dessa forma, no presente trabalho, foram calculados índices climáticos dependentes

da precipitação na região da Bacia Amazônica a qual é de extrema importância para a
economia de grande parte da população da região norte brasileira que depende direta ou
indiretamente dela. O objetivo desse estudo foi analisar as mudanças dos indicadores
climáticos, dependentes da precipitação pluvial diária, definidos pela Organização Mete-
orológica Mundial (Zhang e Yang 2004), utilizando-se as saídas do modelo regional ETA
para o cenário de emissões de gases de efeito estufa caracterizado pelo RCP 8.5. Esse
trabalho é de grande importância para o gerenciamento público, mitigação e minimização
de impactos na região Amazônica, uma vez que alterações no clima poderão influenciar
os setores sócio-econômicos, ambientais e estruturais da região.
2 OBJETIVOS
2.1 Objetivo geral

O presente trabalho teve como objetivo principal avaliar a influência do aumento na
concentração dos GEEs, caracterizado pelo cenário RCP8.5 do IPCC, sobre 8 índices
climáticos (ver Tabela 2) baseados em dados de precipitação para a Bacia amazônica.
Ademais, buscou-se também quantificar e avaliar os padrões anômalos oceânicos e atmos-
féricos responsáveis pelas mudanças nos indicadores climáticos. Para validar o modelo
foram utilizados os dados observados de precipitação provenientes do Climate Prediction
Center (CPC) (Chen e Xie, 2008), enquanto que os dados modelados foram oriundos das
simulações climáticas com o modelo ETA (Chou et al., 2012 ) forçado pelo modelo do
sistema terrestre Hadley Global Environment Model 2 (HadGEM2) (Chou et al., 2014a,b).
2.2 Objetivos específicos

Como objetivos específicos tem-se:
1) Quantificar a destreza do modelo ETA em reproduzir os índices climáticos utilizados

neste trabalho, a partir dos dados observados do CPC;
2) Avaliar as anomalias nos índices climáticos para o período de 2020-2050, considerado

neste trabalho como clima futuro-próximo, a partir dos dados simulados pelo modelo
ETA para o cenário de emissão RCP8.5 (EXP-FP8.5), forçado pelo HadGEM2;
3) Avaliar as anomalias nos índices climáticos para o período de 2070-2100, considerado

neste trabalho como clima futuro-distante, a partir dos dados simulados pelo modelo
ETA para o cenário de emissão RCP8.5 (EXP-FD8.5), forçado pelo HadGEM2;
4) Determinar e avaliar campos de anomalias climáticas das variáveis meteorológicas e

oceânica objetivando dar suporte às mudanças dos resultados encontrados nos itens
2 e 3.
5) Determinar e avaliar campos de anomalias climáticas baseados em campos de com-

posição atmosféricos e oceânicos.
3 REVISÃO BIBLIOGRÁFICA
O tema Mudanças Climáticas e Aquecimento Global veio à tona na década de 1980,

a partir de estudos que indicavam um aumento na temperatura terrestre associado ao
aumento da concentração de gás carbônico na atmosfera. Porém, a fim de obter resul-
tados mais confiáveis, a OMM em parceria com o Programa das Nações Unidas para o
Meio Ambiente (PNUMA) criaram o Painel Intergovernamental sobre Mudança do Clima
(IPCC), em 1988, órgão de grande autoridade nas questões climáticas. O IPCC, em 2001,
define mudanças climáticas como sendo mudanças temporais do clima devido a processos
naturais ou causadas pela ação antrópica.
Com a intenção de facilitar o entendimento sobre mudanças climáticas, Tucci (2002)

adotou duas terminologias para efeito de análise: o termo Variabilidade Climática para
indicar as variações de clima em função dos agentes naturais do globo terrestre e suas
interações e o termo Modificações Climáticas referente às variações climáticas devido às
atividades humanas. Diversas discussões a cerca das mudanças climáticas, tendo como
causa o aquecimento global, têm sido realizadas em todo mundo, nas últimas décadas. Es-
tudos mostram que as atividades humanas geradoras do aumento de gases do efeito estufa,
como, por exemplo, a queima de combustíveis fósseis, tem contribuído com o aquecimento
global. Em 1997, como consequência de uma série de eventos em que foram discutidas
questões relacionadas à preservação do meio ambiente, dentre elas, a Conferência das
Nações Unidas sobre Meio Ambiente e Desenvolvimento, foi estabelecido o Protocolo de
Kyoto no Japão com o objetivo de estimular os países envolvidos a reduzirem a emissão
de gases causadores do efeito estufa (Baptista et al., 2009).
Os efeitos das mudanças climáticas vêm se tornando cada vez mais evidentes, segundo
cientistas do IPCC (2000) nos últimos cem anos, a temperatura do planeta teve um au-
mento de 0,7∘ C. Alguns eventos extremos, como secas, furacões, tempestades tropicais,
ondas de calor e de frio, têm afetado diferentes partes do planeta causando grandes catás-
trofes. Outros impactos como alterações na biodiversidade das espécies, aumento no nível
do mar e impactos na saúde, na agricultura e na geração de energia hidrelétrica também
estão sendo observados, tanto no Brasil como no restante do planeta (Marengo, 2006).
Analisando a variabilidade do clima a curto e a longo prazo, Molion (2005) propõe que o
aquecimento do planeta está relacionado ao fenômeno denominado Oscilação Decadal do
6
Pacífico (PDO) e não está ligado aos efeitos antrópicos. Em seu estudo ele conclui que a
variabilidade da temperatura média global pode estar relacionada com a PDO que dura
de 20 a 30 anos. Este fenômeno é bem semelhante ao El-Niño que persiste num período
de 6 a 18 meses.
Soon e Baliunas (2003) questionaram os modelos do IPCC, segundo eles, para se fazer
uma análise mais precisa do clima é importante validar os dados a partir de uma média
de temperatura em longo prazo. Assim, para o IPCC afirmar um possível aquecimento
no século XX seria interessante comparar o clima dos últimos mil anos (Ex. paleoclima-
tologia), a fim de se obter informações mais precisas.
Os questionamentos sobre as mudanças climáticas vem se tornando cada vez mais fre-
quentes, pois não existe um consenso científico estabelecido a cerca deste assunto. Sendo
assim, diante de inúmeros desacordos de opiniões e com o intuito de analisar as questões
relacionadas às mudanças climáticas, a OMM criou um grupo de pesquisa que elaborou os
chamados Índices de Detecção de Mudanças Climáticas dependentes de fatores naturais,
como precipitação e temperatura do ar que podem provocar extremos climáticos (Zhang
e Yang, 2004).
Diversos estudos com diferentes finalidades sobre extremos climáticos vêm sendo rea-
lizados por muitos cientistas, em todo mundo, por ser um tema que vem gerando muitas
discussões a cerca de suas causas e consequências. Alguns estudos sobre indicadores
climáticos de precipitação indicam uma fraca tendência positiva da precipitação global
continental durante o século XX, embora este padrão não seja homogêneo, uma vez que
grandes áreas são caracterizadas por tendências negativas (IPCC 2001, 2007; Alexander
et al. 2005).
Frich et al. (2002) elaboraram um novo conjunto de dados globais indicadores de

frequência e/ou severidade dos extremos climáticos ocorridos durante a segunda metade
do século XX. Este período foi escolhido por fornecer a melhor cobertura espacial das
séries homogêneas diárias. Os autores optaram por dez índices de extremos climáticos os
quais foram baseados em séries de temperaturas máximas e mínimas diárias, bem como
nos totais diários de precipitação. Os resultados da pesquisa mostraram que as áreas ana-
lisadas, em todo globo terrestre, tornaram-se mais quentes e úmidas durante o período
estudado e que dos dez indicadores analisados em escala global, nas últimas cinco décadas,
sete forneceram resultados significativos.
Liebmann et al. (2004), analisando as tendências sazonais de chuva sobre a região

central e sul do Brasil, detectaram fortes tendências positivas ao sul de 20∘ S nos meses
7
de janeiro a março durante o período de 1976-1999, observadas também no período de

1948-1975, embora com menores intensidades. Este resultado é atribuído às tendências
positivas de Temperatura da Superfície do Mar (TSM) no Oceano Atlântico e ao aumento
no percentual de dias chuvosos.
Na Bacia Amazônica, estudos observacionais realizados por Marengo (2004) identifica-

ram uma fraca tendência positiva de chuva, com tendências negativa/positiva nas seções
norte/sul da Bacia. No entanto, segundo o autor, a variabilidade decadal exerce um pa-
pel de maior importância que as tendências na distribuição de chuva na região. O estudo
realizado por Santos e Brito (2007), utilizando a metodologia adotada por Haylock et al.
(2006), mostra um aumento no número de dias com chuvas, na precipitação total anual e
no número de dias extremamente úmidos nos Estados do Rio Grande do Norte e Paraíba
durante o período de 1935-2000 e, em algumas regiões, também se verifica um aumento
na ocorrência de chuvas superiores a 50mm.
Alexander et al. (2006) analisaram índices extremos de temperatura e precipitação

a partir de dados diários entre 1951 e 2003 em algumas regiões da Europa, dos Esta-
dos Unidos, do Brasil e da África. Os resultados evidenciaram alterações significativas
nos extremos de temperatura associados com o aquecimento, principalmente os índices
derivados da temperatura mínima diária. Os índices de precipitação não apresentaram
tendências bem definidas sobre as regiões de estudo.
Santos (2006) estimou a tendência dos índices de detecção de mudanças climáticas re-
lacionadas à precipitação pluvial diária para os estados do Rio Grande do Norte e Paraíba
analisando suas relações com o Índice de Vegetação por Diferença Normalizada (IVDN),
anomalias de temperatura e áreas de produção agrícola do Agreste, Zona da Mata e Lito-
ral e do Sertão. Dentre os resultados obtidos constatou-se que nos dois estados houve um
aumento do número de dias chuvosos, bem como no total anual de chuva, embora com
menor ocorrência de eventos extremos.
O estudo observacional desenvolvido por Haylock et al. (2006) sobre tendências nos
totais e extremos de chuva na América do Sul, particularmente ao sul de 12∘ S, durante o
período de 1960-2000 mostra que o comportamento dos índices anuais de chuva (r10mm,
r20mm, cdd, cwd, r95p, r99p entre outros) na grande maioria das estações de superfície
estudadas é semelhante ao da chuva total anual (prcptot) e indicam uma tendência de
aumento das condições de umidade no Equador, no norte do Peru, na região sul do Brasil,
no Paraguai, no Uruguai e na região central e norte da Argentina. Em contrapartida, so-
bre o sul do Peru e do Chile, foram observadas tendências de diminuição tanto nos totais
de chuva quanto nos seus extremos.
8
Santos e Brito (2007) verificaram tendências de índices de detecção de mudanças cli-

máticas, nos estados da Paraíba e do Rio Grande do Norte, dependentes da precipitação
pluvial diária a fim de analisar suas relações com o IVDN e anomalias de TSM nas re-
giões de Niño 1+2, Niño 3, Atlântico Tropical Norte e Atlântico Tropical Sul. Foram
utilizados na pesquisa dados de precipitação de 44 postos, no período de 1935 a 2000 e
de TSM obtidos da NOAA entre 1950 a 2000. Os resultados revelaram que correlações
entre as tendências dos índices e as anomalias de TSM dos oceanos Atlântico e Pacífico
mostraram influência das anomalias de TSM dos dois oceanos sobre a região de estudo e
que o IVDN do sertão com predominância de Caatinga é mais dependente dos extremos
de precipitação do que o da região leste composta pela Mata Atlântica.
Satyamurty et al. (2010), com base em séries de precipitação de 18 estações localizadas

ao longo dos principais rios da Bacia Amazônica verificaram a existência de tendências
significativas durante os anos de 1925 a 2007. Para cada estação os autores analisaram a
estação chuvosa e a estação seca. Dentre as estações avaliadas algumas mostraram ten-
dências positivas e outras negativas. Segundo os autores, diante desta situação é difícil
definir um padrão de aumento ou diminuição na região.
Santos et al., (2012), estudaram tendências nos índices de extremos climáticos ba-
seados em dados de precipitação para três estações localizadas em Manaus e na região
circunvizinha para o período de 1971-2007. Os autores observaram que houve aumento da
precipitação total anual sobre a região. A estação localizada na zona urbana de Manaus
(INMET) teve aumento, com significância estatística, dos eventos de precipitação iguais
ou superiores a 50 mm (R50mm), na precipitação máxima acumulada em cinco dias con-
secutivos (Rx5day) e nos dias úmidos (R95p), indicando que Manaus poderá sofrer com
o aumento das chuvas extremas.
Chou et al. (2012a), utilizaram o modelo climático regional (MCR) ETA forçado por
três modelos de circulação global (MCG), o HadGEM2-ES, BESM e MIROC5, para o pe-
ríodo de 1961 a 1990, para o domínio da América do Sul, América Central e Caribe. Estas
simulações foram comparadas com os dados do CRU e utilizadas para a avaliação das pro-
jeções de mudanças climáticas nessa regiões. Eles adotaram cinco indicadores de extremos
climáticos (PRCPTOT, RX5Day, R95P, CWD e CDD). Os resultados mostraram que, as
distribuições de frequência de temperatura e precipitação revelam que as simulações dos
MCR e MCG contêm valores mais extremos do que os observados no CRU. As avaliações
dos indicadores extremos climáticos mostram que em geral os dias quentes, noites quentes
e ondas de calor estão aumentando no período, de acordo com as observações. As simula-
ções do modelo Eta forçadas por HadGEM2-ES mostram tendências úmidas no período,
9
enquanto que o Eta forçado por BESM e por MIROC5 mostra tendências para condições
mais secas.
Chou et al. (2012b), realizaram quatro conjuntos de simulações com base no modelo
ETA forçados por dois MCG, o HadGEM2-ES e o MIROC5, e dois cenários de emis-
sões de gases de efeito estufa RCP 8.5 e RCP 4.5. Eles objetivaram avaliar a mudança
climática na América do Sul com base nas simulações ETA. As mudanças futuras são
mostrados para 30 anos: 2011-2040, 2041-2070 e 2071-2100. E são avaliadas em relação
ao período de referência, 1961-1990, considerado como o clima atual. A avaliação é base-
ada principalmente na temperatura e precipitação exibidos em alterações médias sazonais,
ciclo anual, séries temporais, distribuição de frequência e indicadores climáticos extremos
(PRCPTOT, RX5Day, R95P, CWD e CDD). Os resultados mostraram um aumento do
comprimento de dias secos consecutivos (CDD) no Nordeste do Brasil e diminuição de
dias chuvosos consecutivos (CWD) na região amazônica.
Skansi et al. (2013) utilizaram séries de temperatura máxima e mínima e de preci-

pitação para o período de 1950-2010 e 1969-2009 com o intuito de avaliar as mudanças
no clima baseadas em índices extremos sobre a América do Sul. Os resultados indicam
que, regionalmente, os índices de precipitação mostram intensificação nos dias úmidos e
eventos de chuva na parte oriental do continente. Eles verificaram que as médias anuais de
precipitação estão aumentando consideravelmente no Sudeste da América do Sul (26,41
mm por década) e da Amazônia (16,09 mm por década), no entanto em parte da região
Nordeste do Brasil e América do Sul Ocidental apresentaram redução não-significativa na
precipitação. A precipitação máxima anual de 5 dias e 1 dia mostraram as maiores ten-
dências de crescimento, indicando que a precipitação intensificou - se sobre a Amazônia e
Sudeste da América do Sul.
Santos et al. (2013) verificou as correlações de índices de detecção de mudanças climá-

ticas dependentes da precipitação pluvial, na Amazônia Ocidental e analisou suas relações
com a Oscilação Decenal do Pacífico (PDO), Oscilação Multidecenal do Atlântico (AMO)
e anomalias de TSM nas regiões do Pacífico Niño 1+2, Niño 3, Niño 3+4, Niño 4, e nas
regiões do Atlântico, Índice do Atlântico Norte Tropical (TNAI) e Índice do Atlântico
Sul Tropical (TSAI). Utilizaram uma série de índices de precipitação de 36 pontos de
grades, no período de 1970 a 2001, provenientes de reanalise do projeto ERA-40 do Eu-
ropean Center for Medium-Range Weather Forecasts (ECMWF), e de anomalias de TSM
e oscilações climáticas, PDO e AMO, disponíveis no site do NCEP (National Centers for
Environmental Prediction). Realizou-se a correlação (coeficiente de correlação de Pear-
son) entre as anomalias de TSM e a média aritmética anual dos 36 pontos de grade de
cada índice. Os resultados indicaram que as regiões do El Niño apresentaram uma fraca
10
influência sobre a precipitação total da região estudada. O Índice simples de intensidade

diária (SDII) apresenta forte correlação com o TSAI, mostrando que este índice é bem
afetado pela variabilidade da TSM do Atlântico Sul. Portanto. Compreende-se que os
índices de extremos climáticos da Amazônia Ocidental são influenciados pelas oscilações
interdecenais.
Com base no que foi apresentado, o presente trabalho propõe Avaliar a influência do
aumento na concentração de gases de efeito estufa, caracterizados pelos cenários do Inter-
governmental Panel on Climate Change (IPCC), sobre indicadores de mudanças climáticas
baseados em dados observados (CPC) e modelados (saídas do ETA) de precipitação so-
bre a Bacia amazônica. Isto posto, a pesquisa mostra-se bastante relevante, pois nas
últimas décadas inúmeros trabalhos mostraram os efeitos dos índices climáticos em torno
do globo, porém poucos com um enfoque sobre a Bacia Amazônica, principalmente em
estudos simulados para o clima atual como para o clima futuro.
11
4 MATERIAIS E MÉTODOS
4.1 Dados Observados

No presente trabalho foram utilizados dados de precipitação provenientes do Climate
Prediction Center (CPC), centro pertencente ao National Centers for Environmental Pre-
diction (NCEP), para os cálculos dos indicadores climáticos. A análise da precipitação
global diária baseada em pluviômetros do CPC é um conjunto de produtos de precipita-
ção combinando todas as fontes de informações disponíveis de medidas em estações de
superfície (Chen e Xie, 2008). Estes dados estão dispostos em frequência diária para o
período de 1979 até o presente com informações distribuídas em uma grade de 0,5∘ × 0,5∘
de latitude e longitude para todo o globo. Os dados do CPC estão disponíveis a partir do
endereço ftp://ftp.cpc.ncep.noaa.gov/precip/CPC_UNI_PRCP/GAUGE_GLB/.
4.1.1 Dados Provenientes do Modelo ETA

No presente estudo foram utilizados dados provenientes do modelo regional ETA, o
qual teve como condições de contorno e iniciais as simulações numéricas provenientes do
modelo do sistema terrestre HadGEM2 (Hadley Global Environment Model 2) para o ce-
nário de emissões de gases de efeito estufa RCP 8.5 (Moss et al. 2010, Riahi et al. 2011).
As variáveis utilizadas para avaliar as anomalias climáticas atmosféricas e oceânicas fo-
ram: componentes 𝑥 e 𝑦 do vetor velocidade do vento (𝑢 e 𝑣 ), pressão à superfície (𝑃𝑠 ),
temperatura do ar (𝑇 ), temperatura da superfície do mar (𝑇 𝑆𝑀 ), umidade específica
(𝑞 ) e precipitação (𝑃 ). A disponibilidade de dados é diária e mensal, com informações
distribuídas em uma grade de 0,2∘ × 0,2∘ de latitude-longitude para a América do Sul
(Chou et al. 2008). Os dados foram gentilmente cedidos pela equipe da Dra. Sin Chan
Chou do CPTEC/INPE. No presente trabalho, foram utilizados 3 períodos distintos, 1)
1961 a 1990, denominado com experimento controle (EXP-CTRL), 2) 2021 a 2050, de-
nominado como experimento futuro próximo (EXP-FP8.5) e 3) 2071 a 2100, denominado
como experimento futuro distante (EXP-FD8.5).
12
4.1.2 Modelo Global HadGEM2

O HadGEM2, que foi usado pelo Met Office Unified Model (MetUM), compreende
uma variedade de configurações de modelos específicos que incorporam diferentes níveis
de complexidade, mas com uma estrutura física comum. É um modelo do sistema Ter-
restre baseado em sua antiga versão HadGEM1 (Johns et al. 2006; Martin et al. 2006).
O HadGEM2 inclui melhorias para reduzir erros sistemáticos, como viés da temperatura
continental do hemisfério norte, o viés da temperatura dos oceanos tropicais e sua baixa
variabilidade (Collins et al. 2008, 2011) e o viés seco na Amazônia (Yin et al. 2013).
Essas configurações têm diferentes níveis de complexidade, para aplicação em uma ampla
variedade de questões cientificas (Martin et al. 2011).
Em sua versão terrestre existem vários componentes do sistema climático, tais como
oceano, atmosfera, continente, criosfera, química atmosférica, biosfera terrestre e marinha
e ciclo do carbono (Marengo, et al. 2002). O modelo climático HadGEM2-ES compreende
um GCM atmosférico e um GCM oceânico com uma resolução horizontal de 1 grau e 40
níveis verticais (Chou et al. 2014a,b). O principal avanço da recente versão do modelo
Hadley Center é sua capacidade de representar as condições climáticas da Amazônia para
ambas as estações seca e chuvosa com precisão (Li et al. 2006, Yin et al. 2013). O modelo
utiliza o esquema de vegetação dinâmica TRIFFID.
Sua resolução horizontal é de 1,875∘ de latitude × 1,25∘ de longitude com 38 níveis

verticais na atmosfera. No oceano são 40 níveis verticais e resolução 1∘ de latitude e
longitude dos pólos até 30∘ de latitude, aumento em 0.33∘ em direção ao equador. Uma
descrição mais detalhada do modelo HadGEM2 pode ser obtida em Collins et al (2011).
4.1.3 O Modelo de Mesoescala ETA

Os dados que serão analisados no trabalho resultarão das simulações numéricas reali-
zadas a partir do modelo regional ETA que foi desenvolvido pela Universidade de Belgrado
em conjunto com o Instituto de Hidrometeorologia da Iugoslávia, e se tornou operacional
no NCEP (Mesinger et al. 1988; Black 1994). Esse modelo foi instalado no CPTEC em
1996 com o fim de complementar a previsão numérica de tempo que vem sendo realizada
desde o início de 1995 com o modelo de circulação geral atmosférica (Moura et al. 2010).
O modelo ETA, 𝜂 (Mesinger et al. 1988; Black 1994; Janjic 1994) é um modelo de me-
soescala de ponto de grade baseado na coordenada vertical eta, (Mesinger 1984), definida
como:
[︂ ]︂ [︂ ]︂
(𝑝 − 𝑝𝑡 ) (𝑝𝑟𝑒𝑓 (𝑍𝑠𝑓 𝑐 ) − 𝑝𝑡 )
𝜂= × (1)
(𝑝𝑠𝑓 𝑐 − 𝑝𝑡 ) (𝑝𝑟𝑒𝑓 (0) − 𝑝𝑡 )
13
onde 𝑝 é a pressão atmosférica e 𝑍 a altura. Os índices de 𝑡 e 𝑠𝑓 𝑐 indicam pressão no

topo e em superfície, respectivamente. O índice 𝑟𝑒𝑓 refere-se a valores de uma atmosfera
de referência, desse modo, 𝑝𝑟𝑒𝑓 (0) é a pressão de ar na altura 0 e 𝑝𝑟𝑒𝑓 (𝑍𝑆𝐹 𝐶 ) é a pressão
de ar na superfície. As coordenadas de superfícies do 𝜂 são aproximadamente horizontais,
o que é particularmente adequado para regiões com orografia acentuada, como a Cordi-
lheira dos Andes na América do Sul (Chou et al. 2012). A grade horizontal do modelo
ETA possui resolução de 40km com 38 níveis na vertical. As equações do modelo são
discretizadas para a grade 𝐸 de Arakawa (Arakawa e Lamb 1977). O domínio do modelo
cobre aproximadamente a região compreendida entre as longitudes de 25∘ W a 90∘ W e as
latitudes de 12∘ N a 45∘ S, cobrindo praticamente toda a América do Sul. O modelo de
precipitação é produzido pelo esquema de parametrização de cumulus fundamentado em
Betts-Miller-Janjic (Janjic, 1994) e pelo esquema de microfísica de nuvens de Zhao (Zhao
et al. 1997). O esquema de superfície (Chen et al. 1997; Ek et al. 2003) tem 4 camadas
de solo para temperatura e umidade. O esquema diferencia 12 tipos de vegetação e 7
tipos de textura do solo. O mapa de vegetação inclui o arco do desmatamento (Sestini
et al. 2002). O esquema de radiação foi desenvolvido pelo Geophysical Fluid Dynamics
Laboratory. O esquema inclui radiação de ondas curtas (Lacis e Hansen, 1974) e ondas
longas (Fels e Schwarzkopf, 1975). As simulações do ETA foram forçadas com o modelo
global HadGEM2 (Collins et al. 2011 e Martin et al. 2011) para dois cenários distintos de
forçantes radiativas, RCP4.5 e RCP8.5 (IPCC 2013). Porém, no presente trabalho será
utilizado somente o RCP 8.5, devido este cenário ser o mais pessimista, e caso ele ocorra,
poderá acarretar em consequências desastrosas para o ambiente, sociedade e econômica.
O CO2 é atualizado a cada 3 anos e a TSM é proveniente do MST (Chou et al. 2012).
4.1.4 Os cenários RCPs

No AR4 (IPCC 2007), os cenários de emissão foram construídos baseados em linhas
históricas agrupadas em um desenvolvimento econômico mais sustentável e ambiental, e
em um mundo mais globalizado ou mais desenvolvido regionalmente. No AR5 (IPCC
2013), os cenários são baseados em forçantes radiativas antropogênicas do final do século
XXI. Modelos econômicos podem tomar caminhos diferentes para chegar a quatro dife-
rentes forçantes radiativas que são equivalentes a caminhos distintos da concentração dos
gases de efeito estufa, os chamados RCPs.
Os quatro diferentes cenários são: RCP8.5, RCP6.0, RCP4.5 e RCP2.6, que corres-
pondem à forçantes radiativas de 8,5𝑊 𝑚−2 , 6,0𝑊 𝑚−2 , 4,5𝑊 𝑚−2 e 2.6𝑊 𝑚−2 , respecti-
vamente (ver Figura 1). O primeiro RCP é o mais pessimista e resulta em uma média de
aquecimento global de 4∘ 𝐶 no final do século XXI, considerando que o último RCP é o
mais otimista e corresponde a um aquecimento global de 1∘ 𝐶 .
14
Figura 1: Emissões dos principais gases de efeito estufa para todos os RCPs. A área cinza
indica os percentis 98 e 90 (cinzas claro e escuro, respectivamente) da literatura. As linhas
tracejadas i são representativos de quatro cenários do Special Report on Emission Scenarios
(SRES). As linhas sólidas verde, vermelha, preta e zul, são respecitivamente, RCP2.6, RCP4.5,
RCP6 e RCP8.5. [Fonte: Detlef et al. 2011]
O RCP2.6 é desenvolvido pela IMAGE modeling team of the Netherlands Environ-

mental Assessment Agency. A emissão é representativa para cenários que levam a níveis
de concentração de gases de efeito estufa muito baixos. É um chamado cenário de "pico":
o nível da forçante radiativa primeiro atinge um valor em torno de 3,1 W/mš na metade
do século, retornando a 2,6 W/mš até 2100. Para alcançar esses níveis, as emissões de
gases de efeito estufa (e indiretamente emissões de poluentes atmosféricos) são reduzidas
substancialmente ao longo do tempo.
O RCP4.5 é desenvolvido pela MiniCAM modeling team at the Pacific Northwest Na-
tional Laboratory’s Joint Global Change Research Institute (JGCRI). É um cenário de
estabilização onde a forçante radiativa é estabilizada antes de 2100 por emprego de uma
variedade de tecnologias e estratégias para reduzir as emissões de gases de efeito estufa.
O RCP6.0 é desenvolvido pela AIM modeling team at the National Institute for En-
vironmental Studies (NIES), Japão. É um cenário de estabilização, no qual, as forçantes
radiativas são estabilizadas após 2100, sem superação pelo emprego de uma variedade de
tecnologias e estratégias para reduzir as emissões de gases de efeito estufa.
O RCP8.5 é desenvolvido pela MESSAGE modeling team and the IIASA Integrated
Assessment Framework at the International Institute for Applies Systems Analysis (II-
ASA), na Áustria. O RCP8.5 é caracterizado pelo aumento das emissões de gases de
efeito estufa ao longo do tempo.
15
4.2 Metodologia
4.2.1 Índices Climáticos
Os índices climáticos extremos foram estabelecidos para a detecção e atribuição das
mudanças no clima, com um total de 27 índices com base em dados diários de precipitação
(11 índices) e temperatura máxima e mínima (16 índices) (Karl et al. 1999; Peterson et al.
2001; Alexander et al. 2005; Valcerde e Marengo, 2014). Os índices que serão utilizados
no presente trabalho estão descritos na Tabela 2.
Tabela 2: Tabela de índices extremos de chuva utilizados neste estudo, como recomendado
pelo World Meteorological Organization Commission of Climatology and the Climate Variability
and Predictability Project (ETCCDMI) e desenvolvido a partir do Climatic Variability and
Predictability (CCI/CLIVAR).
Índice Definição Expressão Unidades

CDD Número máximo anual de 𝑅𝑅𝑖𝑗 < 1 mm Dias
dias consecutivos secos
CWD Número máximo anual de 𝑅𝑅𝑖𝑗 ≥ 1 mm Dias
dias consecutivos chuvosos
NDD Número máximo anual 𝑅𝑅𝑖𝑗 < 1 mm Dias
de dias secos
NWD Número máximo anual 𝑅𝑅𝑖𝑗 ≥ 1 mm Dias
de dias chuvosos
R1D Precipitação anual 𝑅𝑋1𝑑𝑖𝑎𝑗 = 𝑚𝑎𝑥(𝑅𝑅𝑖𝑗 ) mm
máximo de 1 dia
R5D Precipitação anual 𝑅𝑋5𝑑𝑖𝑎𝑗 = 𝑚𝑎𝑥(𝑅𝑅𝑖𝑗 ) mm
máximo de 5 dias
𝑊
∑︁
P95% O percentil 95 𝑅95𝑝𝑗 = 𝑅𝑅𝑤𝑗 mm
𝑤=1
de precipitação 𝑅𝑅𝑤𝑗 > 𝑅𝑅𝑤𝑛 95
em dias úmidos
PRECPTOT Total anual
1
∑︁
de precipitação 𝑃 𝑅𝐶𝑃 𝑇 𝑂𝑇𝑗 = 𝑅𝑅𝑖𝑗 mm
𝑖=1
em dias úmidos
O número máximo anual de dias consecutivos secos (CDD) é calculado considerando-

se que, para cada ponto de grade do domínio avaliado, o valor da precipitação total diária
não alcance o valor de 1 𝑚𝑚. Sendo este o caso, o ponto de grade avaliado é considerado
como um dia seco. O cálculo do CDD será feito para cada ano dentro do período conside-
rado (ex: 1960-1990, 2020-2050 e 2070-2100) de forma a se determinar o número máximo
16
de dias consecutivos (ininterruptos) onde o valor total da chuva diária em cada ponto de
grade do domínio permaneceu abaixo do limiar de 1 𝑚𝑚.
O número máximo anual de dias consecutivos chuvosos (CWD) é calculado considerando-

se que, para cada ponto de grade do domínio avaliado, o valor da precipitação total diária
é igual ou maior que o valor de 1 𝑚𝑚. Sendo este o caso, o ponto de grade avaliado é
considerado como um dia chuvoso. O cálculo do WDD será feito para cada ano dentro
do período considerado (ex: 1960-1990, 2020-2050 e 2070-2100) de forma a se determinar
o número máximo de dias consecutivos onde o valor total da chuva diária em cada ponto
de grade do domínio permaneceu se deu igual ou acima do limiar de 1 𝑚𝑚.
O número máximo anual de dias secos (NDD) é calculado considerando-se que, para
cada ponto de grade do domínio avaliado, o valor da precipitação total diária não alcance
o valor de 1 𝑚𝑚. Sendo este o caso, o ponto de grade avaliado é considerado como um dia
seco, assim como no cálculo do CDD. O cálculo do NMDS será feito para cada ano dentro
o número máximo de dias secos (não necessariamente consecutivos) onde o valor total da
chuva diária em cada ponto de grade do domínio permaneceu abaixo do limiar de 1 𝑚𝑚.
Desta forma, o NMDS mostra o número total de dias sem chuva, dentro de um ano, no
domínio considerado.
O número máximo anual de dias chuvosos (NWD) é calculado considerando-se que,

para cada ponto de grade do domínio avaliado, o valor da precipitação total diária é igual
ou superior ao valor de 1 𝑚𝑚. Sendo este o caso, o ponto de grade avaliado é considerado
como um dia chuvoso, assim como no cálculo do WDD. O cálculo do NMDC será feito
para cada ano dentro do período considerado (ex: 1960-1990, 2020-2050 e 2070-2100) de
forma a se determinar o número máximo de dias chuvosos (não necessariamente consecu-
tivos) onde o valor total da chuva diária em cada ponto de grade do domínio permaneceu
igual ou a cima do limiar de 1 𝑚𝑚. Desta maneira, o NMDC mostra o número total de
dias em que ocorreu chuva, dentro de um ano, no domínio considerado.
A quantidade máxima de precipitação em um dia (R1D) é calculada considerando-se

que, para cada ponto de grade do domínio avaliado, seleciona-se o dia com o maior valor
de precipitação. O cálculo do R1D será feito para cada ano dentro do período consi-
derado (ex: 1960-1990, 2020-2050 e 2070-2100) de forma a se determinar a média dos
dias máximos de precipitação, no qual, o valor total da chuva diária em cada ponto de
grade do domínio permaneceu se deu igual ou acima do limiar da média dos máximos de
precipitação.
17
A quantidade máxima de precipitação em cinco dias (R5D) é calculada considerando-

se que, para cada ponto de grade do domínio avaliado, seleciona-se o valor máximo de
precipitação em cinco dias consecutivos. O cálculo do R5D será feito para cada ano dentro
a média dos dias máximos de precipitação, no qual, o valor total da chuva diária em cada
ponto de grade do domínio permaneceu se deu igual ou acima do limiar da média dos
máximos de precipitação.
A quantidade de precipitação anual superior ao percentil de 95 (R95P) é calculada

considerando-se que, para cada ponto de grade do domínio avaliado, o total diário de
chuva ultrapassa os valores do percentil 95. Sendo este o caso, o ponto de grade avaliado
é considerado um dia chuvoso. O cálculo do R95P será feito para cada ano dentro do
período considerado (ex: 1960-1990, 2020-2050 e 2070-2100) de forma a se determinar a
intensidade da chuva.
O total anual de precipitação em dias úmidos (PRECPTOT) é calculado considerando-

se que, para cada ponto de grade do domínio avaliado, o valor total da precipitação diária
é igual ou superior ao valor de 1 𝑚𝑚. Sendo este o caso, o ponto de grade avaliado é con-
siderado como um dia chuvoso. O cálculo do PRECPTOT será feito para cada ano dentro
o total de precipitação em dias úmidos (não necessariamente consecutivos) onde o valor
total da chuva diária em cada ponto de grade do domínio permaneceu igual ou acima do
limiar de 1 𝑚𝑚. Desta maneira, o PRECPTOT mostra o número total de chuva, dentro
de um ano, no domínio considerado.
4.2.2 Validação do modelo ETA

Nesta seção descrevem-se os métodos estatísticos que foram aplicados a variável pre-
cipitação proveniente da saída da simulação do EXP-CTRL com o ETA. Como a precipi-
tação é uma variável não contínua no espaço e no tempo, ou seja, discreta, deve-se aplicar
a metodologia de avaliação correta, ou específica para variáveis discretas (Warner, 2011).
Nesta seção, avaliou-se a destreza do modelo ETA em reproduzir os indicadores cli-

máticos descritos na tabela 2, para tanto, foram calculados a média anual para 8 índices
climáticos, utilizando os dados de precipitação do CPC e do modelo ETA experimento
EXP-CTRL para o período de 1981-1990 (10 anos). Após o calculo dos índices, foram
aplicados os métodos estatísticos BIAS (Equação 2) e RMSE (Equação 3), explanados
abaixo.
O BIAS é uma expressão estatística que expressa erro sistemático ou tendenciosidade,
18
i.e., o quanto os resultados baseados em simulações se afastam das observações. No

presente trabalho, esta métrica é utilizada para quantificar a tendenciosidade do modelo
ETA em representar os índices climáticos, ele é definido como:
𝐵𝐼𝐴𝑆 = 𝑀 − 𝑂 (2)
em que M são os dados derivados do modelo de mesoescala ETA e O são os observados

provenientes do CPC. O BIAS indica o quão bem o modelo simula o número de ocorrên-
cias de um evento, considerando-se uma distribuição espaço-temporal.
Outro método estatístico utilizado foi o erro médio quadrático (RMSE) que expressa
o quão as simulações oriundas, por exemplo, de um modelo são precisas em relação aos
dados observados. A partir da métrica avaliada no presente trabalho, quanto mais próximo
de zero for o valor do RMSE, mais próximo do observado será o resultado do modelo, ele
é definido como:
√︃
∑︀𝑁
(𝑀 − 𝑂)2
𝑅𝑀 𝑆𝐸 = 𝑖=1
(3)
𝑁
no qual N é o número total da série, M é o dado do modelo e O é o dado observado.
4.2.3 Análise de Composição dos Dados Oceânicos e Atmosféricos

Com o propósito de explicar as mudanças significativas nos indicadores climáticos
apresentados na Tabela 2 foi aplicada uma metodologia de seleção de anos para compor
os campos de composição de dados oceânicos e atmosféricos. Uma vez determinado esses
anos, foi calculado a média aritmética dos mesmos, definida como média dos compostos.
A média dos compostos foi, então, subtraída do campo climatológico para detectar-se as
características gerais dos casos selecionados. Todavia, de que forma o caso foi selecionado?
Primeiramente calculou-se o NDD para cada ano entre o período dos experimentos
EXP-FP8.5 (2021-2050) e EXP-FD8.5 (2071-2100). Após esse processo calculou-se a sua
climatologia e na sequência escolheu-se uma área dentro da Bacia Amazônica e calculou-se
o valor médio, do NDD anual e climatológico, dentro da área selecionada. A partir dai,
o NDD médio, na área escolhida, para todos os anos do período utilizado foi comparado
com o NDD médio climatológico, de forma que os anos selecionados foram aqueles onde o
valor do NDD anual foi superior ao valor do NDD climatológico mais uma vez seu desvio
padrão (Tabela 2). Esses anos servirão de base para os compostos oceânicos e atmos-
féricos, ou seja, para cada ano que foi selecionado foram gerados campos anômalos de
TSM, temperatura, pressão, vorticidade e linhas de corrente, transporte de convergência
19
do fluxo de umidade integrados na vertical e precipitação.
4.2.4 Método para Avaliação da Significância dos Impactos

A significância estatística nas anomalias dos indicadores climáticos relativo aos expe-
rimentos EXP-FP8.5 e EXP-FD8.5 versus a condição climática EXP-CTRL será avaliada
a partir do teste t de Student. O teste t de Student é tradicionalmente utilizado pelos
estudos de sensibilidade climática. A estatística do teste t, para pequenas amostras, é
dada, por exemplo, por Spielge (1972), na forma:
𝑋1 − 𝑋2
𝑡 = √︁ 2 (4)
𝑠1 𝑠2
𝑛1
+ 𝑛22
no qual 𝑋 1 e 𝑋 2 correspondem a média do conjunto 1 (EXP-FP8.5 ou EXP-FD8.5) e

2 (EXP-CTRL), respectivamente. 𝑠21 e 𝑠22 correspondem a variância do conjunto 1 (EXP-
FP8.5 ou EXP-FD8.5) e 2 (EXP-CTRL), respectivamente. 𝑛1 e 𝑛2 correspondem ao
número total de elementos em cada um dos conjuntos 1 (EXP-FP8.5 ou EXP-FD8.5) e 2
(EXP-CTRL), respectivamente.
5 VALIDAÇÃO DO MODELO ETA
Neste Capítulo de resultados é apresentado a validação do modelo regional ETA e

do modelo do sistema terrestre HadGEM2 tendo-se como base os oito índices climáticos
(ICs) apresentados na Tabela (2). Para tanto, aplicou-se os métodos estatísticos relativos
ao BIAS e ao RMSE de acordo com as respectivas equações 2 e 3. Uma vez que, os
dados provenientes das simulações de controle com os modelo ETA e HadGEM2 são para
o período de 1960 a 1990, e que os dados provenientes do CPC estão disponíveis a partir
do ano de 1979, por conveniência, optou-se por se validar os modelos em questão entre os
anos de 1981 a 1990 (10 anos).
Inicialmente foi avaliado o padrão espacial dos oito ICs comparando os dados proveni-
entes do CPC com os do modelo ETA utilizando a média anual para o período de 10 anos
citado acima. Os resultados mostram que o índice CDD proveniente do CPC e do mo-
delo ETA (Figuras 2a-b, respectivamente) apresentam distribuição espacial e magnitude
semelhantes, com valores mínimos no oeste do estado do Amazonas e máximos próximo
a costa nordeste do Brasil. Estes resultados mostram que o modelo ETA é capaz de si-
mular bem o padrão espacial do índice CDD na região de interesse. Para o caso do índice
CWD provenientes do CPC e do modelo ETA, figuras 2c-d, respectivamente, nota-se que
seus padrões espaciais não são tão próximos. No entanto, ambos possuem algumas seme-
lhanças como os valores máximos observados nas regiões do estado do Pará, Amazonas e
Mato Grosso. Na região noroeste da Bacia Amazônica, observa-se que o modelo produz
menores valores de CWD.
A partir das figuras 2e-f, que mostram, respectivamente, os valores do índice NDD,
para ambos dados do CPC e do modelo ETA, nota-se que ambas apresentaram padrões
espaciais semelhantes. No qual, observa-se que existem valores mínimos do índice NDD
na região conhecida como Cabeça do Cachorro (Noroeste do estado do Amazonas) e má-
ximos valores na região nordeste do Brasil. No entanto, em linhas gerais, nota-se que o
índice NDD proveniente do modelo ETA está de acordo no que diz respeito a magnitude
dos valores e padrão espacial do índice NDD oriundo do CPC. Com relação ao índice
NWD, verifica-se que o mesmo é oposto ao índice NDD (Figuras 2g-h, respectivamente).
Dessa forma, a distribuição espacial do índice NWD provenientes do CPC e do modelo
ETA são semelhantes. Neste sentido, nota-se que ambos apresentam máximos valores do
21
índice NWD no noroeste do estado do Amazonas e mínimos no nordeste do Brasil. Na

região de interesse, a Bacia Amazônica, o modelo apresenta bom resultado em referência
a distribuição espacial e magnitude dos valores de NWD.
A média anual da precipitação acumulada, representada pelo índice PRECPTOT,

oriundo dos dados do CPC (Figura 3i) e do modelo ETA (Figura 3j) mostram distribui-
ção espacial e magnitude similares. Valores máximos de PRECPTOT são observados na
região oeste da Amazônia, diminuindo em direção ao sudeste do Brasil. Esse padrão espa-
cial pode estar associado à Zona de Convergência do Atlântico Sul (ZCAS) que também é
observada na distribuição da precipitação do modelo regional ETA (Chou et al., 2014a).
Ademais, nota-se que os valores do índice PRECPTOP, oriundos do modelo ETA, são
bastante próximos dos valores provenientes dos dados do CPC, principalmente na região
da Bacia Amazônica.
Em relação a média anual da quantidade máxima de chuva ocorrida em 1 dia (índice

R1D), as figuras 3k (resultante dos dados do CPC) e 3l (resultante dos dados do mo-
delo ETA) apresentam distribuição espacial aproximadas, com valores mínimos sobre o
nordeste do Brasil indicando que nesse setor o acumulado chuvoso relacionado a eventos
extremos é reduzido. Nota-se também, que em ambos (Figuras 3k-l), existe uma região
que compreende o noroeste da América do Sul até o sudeste do Brasil que apresentam
magnitude similar. No entanto, os valores máximos de R1D, provenientes dos dados ob-
servados, encontram-se em aproximadamente todo o estado do Amazonas, Pará e norte do
Peru, em contrapartida os valores máximos de R1D, oriundos das simulações do modelo
ETA, encontram-se no setor centro oeste do estado do Amazonas.
Ao analisar os resultados nas figuras 3m-n, que apresentam a média anual da quan-
tidade máxima de chuva ocorrida em 5 dias (R5D), para os dados provenientes do CPC
e do modelo ETA respectivamente, observa-se que a distribuição espacial de ambos não
possuem semelhanças aproximadas. Isto posto, nota-se que o padrão espacial do modelo
ETA é homogêneo, com valores máximos situados no centro oeste do Amazonas, noroeste
e nordeste do Pará e valores mínimos localizados no nordeste do Brasil. Em contrapartida
o padrão espacial do R5D, resultante dos dados observados, apresenta valores máximos
pontuais distribuídos ao longo da região que abrange a Bacia Amazônica.
A média anual do percentil de 95% de chuva (representada pelo índice P95%), pro-
veniente dos dados do CPC (Figura 3o) e do modelo ETA (Figura 3p), exibem padrões
espaciais próximos do que foi observado no R5D (Figuras 3m-n), porém com valores de
magnitude mais intensos. Por conseguinte, observa-se também a uniformidade do padrão
espacial do modelo ETA, com valores máximos no centro oeste do estado do Amazonas,
22
noroeste e nordeste do Pará. Em compensação o padrão espacial do P95%, oriundo dos

dados observados CPC, apresenta valores máximos pontuais distribuídos ao longo da re-
gião que abrange a Bacia Amazônica, com maior concentração desses valores no setor
oeste da Bacia (região que abrange o norte do Peru e o oeste do estado do Amazonas).
23
Figura 2: Média anual dos Índices Climáticos para o período de 1981 a 1990. Número de
dias consecutivos secos (dias) - CDD: (a) CPC e (b) modelo regional ETA. Número de dias
consecutivos úmidos (dias) - CWD: (c) CPC e (d) modelo regional ETA. Número total de dias
secos (dias) - NDD: (e) CPC e (f) modelo regional ETA. Número total de dias úmidos (dias) -
NWD: (g) CPC e (h) modelo regional ETA.
24
Figura 3: Média anual dos Índices Climáticos para o período de 1981 a 1990. Quantidade total
de chuva em dias úmidos (mm) - PRECPTOT: (i) CPC e (j) modelo regional ETA. Quantidade
máxima de chuva ocorrida em 1 dia (mm dia−1 ) - R1D: (k) CPC e (l) modelo regional ETA.
Quantidade máxima de chuva ocorrida em 5 dias (mm dia−1 ) - R5D: (m) CPC e (n) modelo
regional ETA. Percentil de 95% de chuva (mm dia−1 ) - P95%: (o) CPC e (p) modelo regional
ETA.
25
5.1 Validação baseada no BIAS (CPC versus ETA)

O BIAS é uma expressão estatística que expressa erro sistemático ou tendenciosidade,
i.e., o quanto os resultados baseados em simulações se afastam das observações. No pre-
sente trabalho, esta métrica é utilizada para quantificar a tendenciosidade do modelo ETA
em representar os índices climáticos.
Na figura 4a-h apresenta-se o resultado do BIAS dos 8 índices climáticos utilizados no

presente trabalho relativos a média anual. Os resultados mostram que na média anual
o modelo ETA tende a produzir um número consecutivo de dias secos (CDD) maior do
que o observado em parte da região nordeste do Brasil e norte da AS (Figura 4a). Em
contrapartida, existe uma tendência do modelo em reproduzir um número menor de dias
consecutivos secos na região central do Brasil, com valores máximos negativos sobre o
estado do Mato Grosso. Estes resultados indicam que nos setores onde há tendências po-
sitivas de CDD o modelo tende a produzir menos chuva. No que diz respeito ao número
total de dias consecutivos úmidos (CWD), ver figura 4b, nota-se que o modelo apresenta
tendência positiva sobre o setor oeste da Bacia Amazônica, com valores máximos em torno
da região conhecida como Cabeça do Cachorro. No setor leste e extremo norte do Brasil
(Amapá) o modelo tende a produzir um número total de dias consecutivos úmidos menor
do que o observado (Figura 4b).
Em relação ao número total de dias secos (NDD), nota-se que o modelo apresenta ten-
dência positiva na região nordeste do Brasil e extremo norte do continente (Figura 4c).
Por outro lado, no setor oeste do continente, incluindo os estados do Amazonas, Acre,
Rondônia, Pará e parte do Mato Grosso, o modelo ETA tende a reduzir o número total de
dias secos. Ou seja, de acordo com os resultados apresentados, onde os valores são mais
extremos e negativos (positivos) o modelo produz maiores (menores) acumulados chuvo-
sos (Figura 4e). Máximos valores negativos do número total de dias úmidos (NWD) são
observados em parte do setor nordeste do Brasil e extremo norte do continente, indicando
que o modelo ETA tende a produzir menores volumes chuvosos em relação as observa-
ções (Figura 4d). O oposto deveria ocorrer em relação aos valores positivos de NWD. No
entanto, isso não ocorre em grande parte dos estado do Pará, Amazonas e Mato Grosso
(veja figura 4e). Nestes casos, o volume total de chuvas relativo as simulações numéricas
deve ser menor do que o volume total de chuvas que de fato ocorrem.
No que diz respeito ao volume chuvoso total anual (Figura 4e), observa-se que na
Bacia Amazônica há tendência do modelo ETA em produzir maior ou menor volume chu-
voso. Os máximos valores de chuva são observados em parte do estado do Amazonas,
na Colômbia e Peru. Em contrapartida, máximos negativos são observados no leste do
26
estado do Amazonas, grande parte do Pará, Roraima e Amapá. Estes resultados estão
coerentes com o artigo de Chou et al. (2014a).
Quando o índices de extremos R1D, R5D e P95% são apresentadas (Figuras 4f-h),
nota-se que os resultados apresentam semelhanças no que tange a distribuição espacial e
em alguns casos máximos valores. Estes resultados tem em comum que o modelo ETA
possui uma tendência em produzir acumulados chuvosos (associados a eventos extremos)
menor do que de fato ocorre, principalmente na maior parte da Bacia Amazônica. Re-
giões com maiores acumulados chuvosos associados a eventos extremos são mais esparsas
e pontuais. No entanto, ocorrem praticamente nos mesmos locais, independentemente de
índice (R1D, R5D e P95%).
27
Figura 4: BIAS dos índices climáticos - CPC versus ETA, média anual para o período de 1981
a 1990. (a) Número de dias consecutivos secos (dias) - CDD, (b) Número de dias consecutivos
úmidos (dias) - CWD, (c) Número total de dias secos (dias) - NDD, (d) Número total de dias
úmidos (dias), (e) Quantidade total de chuva em dias úmidos (mm) - PRECPTOT, (f) Quanti-
dade máxima de chuva ocorrida em 1 dia (mm dia−1 ) - R1D, (g) Quantidade máxima de chuva
ocorrida em 5 dias (mm dia−1 ) - R5D e (h) Percentil de 95% de chuva (mm dia−1 ) - P95%.
28
5.2 Validação baseada no BIAS (CPC versus HadGEM2)

Nesta seção o método estatístico BIAS foi utilizado para quantificar a tendência do
modelo do sistema terrestre HadGEM2. O BIAS foi aplicado com base nos indicadores
climáticos selecionados relativos a média anual, figura 5a-h. Os resultados mostram que,
o modelo HadGEM2 apresenta tendência em produzir um número de dias consecutivos
secos maior do que o observado em praticamente todo o estado do Pará e sudoeste do
estado do Amazonas e menores valores de CDD em relação as observações sobre as regiões
norte e leste do estado do Amazonas (Figura 5a). Com relação ao número de dias con-
secutivos chuvosos, nota-se que esse indicador tende a apresentar maiores valores do que
nas observações em praticamente toda a América do Sul, com exceção do litoral brasileiro
e nordeste do Pará (Figura 5b).
No que diz respeito ao número total de dias secos (Figura 4c), nota-se que o modelo
apresenta tendência positiva no litoral do Brasil e nordeste do Pará. Em contrapartida,
em praticamente toda a região da América do Sul o modelo HadGEM2 apresenta tendên-
cia de diminuir o número total de dias secos. Verifica-se que o oposto ocorre com o número
total de dias chuvosos, em que observa-se tendências negativas no litoral brasileiro e nor-
deste do Pará e tendências positivas em praticamente toda a América do Sul (Figura 5d).
Esses resultados indicam que, em grande parte da América do Sul, o modelo apresenta
tendência em diminuir o indicador NDD e aumentar o NWD em relação as observações.
Em relação a quantidade de chuva total anual (Figura 5e), observa-se que o HadGEM2
tem tendência em diminuir o volume chuvoso em praticamente toda a América do Sul,
abrangendo todo o território brasileiro, com máximos negativos sobre a Bacia Amazônica.
Nota-se que, sobre a região da Bacia Amazônica, o modelo tem tendência de diminuir o
número de dias secos e aumentar o número de dias chuvosos, sejam eles consecutivos ou
não (Figuras 5a-d). No entanto, esses resultados não influenciam o índice PRECPTOT,
isto é, apesar de haver um maior número de dias com chuva o volume chuvoso diminuiu.
Isso deve-se ao fato de que o volume de chuvas que ocorrem nestes dias apresentar menor
volume em relação as observações.
Nas figuras 5f-h, observa-se que para os indicadores climáticos R1D, R5D e P95%,
o modelo do sistemas terrestre HadGEM2, apresenta tendência em produzir acumulados
chuvosos menores do que nas observações. Essa tendência ocorre em praticamente toda a
região da América do Sul, abrangendo todo o território Brasileiro, com máximos negativos
principalmente sobre a Bacia Amazônica. Esses resultados indicam que o modelo produ-
ziu uma quantidade de chuva associada a eventos extremos menor sobre a região da Bacia.
29
Ao comparar os resultados do BIAS do modelo ETA com o HadGEM2, na região

da Bacia Amazônica, nota-se que os modelos possuem muitas diferenças na distribuição
espacial de valores negativos e positivos dos indicadores CDD e PRECPTOT. Em contra-
partida, para os demais indicadores ambos os modelos apresentam semelhanças na região
da Bacia. Isto indica que o modelo do sistema terrestre HadGEM2, que foi utilizado
para forçar o modelo regional ETA, poderia ser utilizado para o estudo da maioria dos
indicadores climáticos. No entanto, ainda sim, é mais interessante utilizar o ETA por
possuir uma resolução espacial maior, no qual pode-se observar sistemas meteorológicos
com mais detalhes.
30
Figura 5: BIAS dos índices climáticos - CPC versus HadGEM2, média anual para o período
de 1981 a 1990. (a) Número de dias consecutivos secos (dias) - CDD, (b) Número de dias
consecutivos úmidos (dias) - CWD, (c) Número total de dias secos (dias) - NDD, (d) Número
total de dias úmidos (dias), (e) Quantidade total de chuva em dias úmidos (mm) - PRECPTOT,
(f) Quantidade máxima de chuva ocorrida em 1 dia (mm dia−1 ) - R1D, (g) Quantidade máxima
de chuva ocorrida em 5 dias (mm dia−1 ) - R5D e (h) Percentil de 95% de chuva (mm dia−1 ) -
P95%.
31
5.3 Validação baseada no RMSE (CPC versus ETA)

O erro quadrático médio (RMSE) expressa o quão as simulações oriundas, por exem-
plo, de um modelo são precisas em relação aos dados observados. A partir da métrica
avaliada no presente trabalho, quanto mais próximo de zero for o valor do RMSE, mais
próximo do observado será o resultado do modelo.
As figuras 6a-h apresentam a média anual do RMSE para os 8 índices climáticos ava-
liados no presente estudo. A partir da figura 6a, os resultados mostram que os valores
do CDD são mínimos na região da Cabeça do Cachorro, seguido do restante do estado
do Amazonas e noroeste do Pará. Isto indica que a precisão do modelo em simular o que
foi observado, nessas regiões, é melhor que no restante da área da Bacia Amazônica. Em
contrapartida o índice CDD apresenta altos valores de RMSE em uma região localizada
no nordeste do Brasil, indicando baixa precisão do modelo nessa área.
Em relação ao índice CWD (figura 6b), observa-se que o modelo apresenta uma per-
formance relativamente boa em praticamente toda a Bacia Amazônica, com exceção da
cabeceira da Bacia e nordeste do estado do Pará, onde o modelo apresenta valores altos
de RMSE, o que está associado à uma menor precisão nessas regiões.
Nas figuras 6c-d os valores dos índices NDD e NWD, respectivamente, são máximos
no setor oeste da Bacia Amazônica, sudoeste do Amazonas e nordeste do Pará, indicando
baixa precisão do modelo em relação ao que foi observado nessas regiões. Nas demais
áreas da Bacia Amazônica os valores do RMSE são menores, associados a um melhor
desempenho do modelo ETA. Observa-se, por outro lado, que os valores de RMSE dos
índices NDD e NWD são iguais. Isso ocorre porque quando faz-se o calculo dos dados do
modelo menos os dados do CPC (Equação 1), tanto o NDD como o NWD apresentarão
valores iguais, porém com sinais opostos. Ademais, quando aplica-se o quadrado da equa-
ção 1, os valores negativos tornam-se positivos. Dessa forma o restante do cálculo terá o
mesmo resultado para NDD e NWD.
Para o índice PRECPTOT (figura 6e), nota-se que a distribuição espacial do RMSE
é bem homogênea, apresentando valores máximos em apenas três regiões, sendo elas:
extremo norte do Pará, Amapá e norte do Peru. Estes resultados sugerem incertezas
na simulação do modelo em relação ao que foi observado. Nas demais regiões da Bacia
Amazônica o padrão espacial é bastante uniforme com valores de RMSE relativamente
menores, o que está relacionado a valores mais precisos do modelo nesses setores, apon-
tando uma melhor previsão do modelo com relação ao que foi observado no período.
32
Para os índices de extremos R1D, R5D e P95% (Figuras 6f-h, respectivamente), nota-
se que os resultados apontam semelhanças em relação a distribuição espacial e em alguns
casos valores máximos. Em termos de valores, na figura 6f, observa-se que para o índice
R1D o modelo melhor representou os dados observados (comparando com R5D e P95%)
em praticamente toda a região que abrange a Bacia Amazônica, indicando eficácia do mo-
delo no que concerne a simulação numérica do mesmo, principalmente na região que vai
do noroeste a sul do estado do Amazonas, onde os valores de RMSE são mínimos. No que
diz respeito aos índices R5D (Figura 6g) e P95% (Figura 6h), os resultados apresentam
variações espaciais semelhantes, com valores máximos e pontuais em praticamente toda
a Bacia Amazônica, indicando que o modelo apresenta baixa performance em simular os
acumulados chuvosos relacionados à esses índices extremos.
No geral, observa-se que dentre os 8 ICs, o modelo ETA apresentou um melhor de-
sempenho em apenas dois, são eles: o CDD (Figura 4a) e R1D (Figura 4f). Nos quais os
valores de RMSE são mínimos na região da Bacia Amazônica, indicando que o modelo
possui uma boa previsão para esses indicadores climáticos.
33
Figura 6: RMSE dos índices climáticos - CPC versus ETA, média anual para o período de 1981
a 1990. (a) Número de dias consecutivos secos (dias) - CDD, (b) Número de dias consecutivos
úmidos (dias) - CWD, (c) Número total de dias secos (dias) - NDD, (d) Número total de dias
úmidos (dias), (e) Quantidade total de chuva em dias úmidos (mm) - PRECPTOT, (f) Quanti-
dade máxima de chuva ocorrida em 1 dia (mm dia−1 ) - R1D, (g) Quantidade máxima de chuva
ocorrida em 5 dias (mm dia−1 ) - R5D e (h) Percentil de 95% de chuva (mm dia−1 ) - P95%.
34
5.4 Validação baseada no RMSE (CPC versus HadGEM2)

Nesta seção o método estatístico RMSE foi utilizado para expressar o quão as simu-
lações oriundas do HadGEM2 são precisas em relação aos dados observados. As figuras
7a-h apresentam a média anual do RMSE para os 8 indicadores climáticos que foram se-
lecionados e avaliados no presente estudo. A partir da figura 7a, observa-se que os valores
do CDD são mínimos em praticamente toda a região que abrange a Bacia Amazônica e
o estado do Pará. Esse resultado indica que o modelo possui boa precisão, em simular as
observações, melhor do que no restante da área da Bacia Amazônica. Por outro lado, o
modelo apresenta baixa precisão na região nordeste do Brasil, nota-se pelos altos valores
de REMSE localizados nesse setor.
No número consecutivo de dias chuvosos (figura 7b), o modelo apresenta valores má-
ximos de RMSE nas regiões sul e oeste da Bacia Amazônica, indicando que o modelo
HadGEM possui baixa precisão nessas regiões. No norte da Bacia os valores de RMSE
diminuem, apontando uma maior eficácia do modelo ao norte da Bacia.
No que tange aos indicadores NDD e NWD, figuras 7c-d respectivamente, os respecti-
vos valores de RMSE desses indicadores são altos em praticamente toda a região da Bacia
Amazônica. Estes resultados indicam baixa precisão do modelo em relação ao que foi
observado nessa região. Observa-se também que, assim como no NDD e NWD do modelo
ETA (figuras 6c-d), os valores de RMSE do modelo HadGEM, para os mesmos índices,
também são similares.
Para o caso do índice PRECPTOT (figura 7e), nota-se que os valores de RMSE são
máximos principalmente no estado do Amazonas e extremo norte do estado do Pará. Estes
resultados sugerem incertezas na simulação do modelo em relação ao que foi observado.
No que tange as demais regiões da Bacia Amazônica os valores de RMSE são relativa-
mente menores, o que está relacionado a uma melhor previsão do modelo com relação ao
que foi observado no período.
Com relação aos indicadores associados a extremos R1D, R5D e P95% (Figuras 7f-h,
respectivamente), nota-se que os resultados apontam semelhanças em relação a distribui-
ção espacial e em alguns casos valores máximos. Dessa forma, dos três indicadores em
questão, o que melhor foi representado pelo modelo, em termos de precisão, foi o R1D
(Figura 7f), seguido do P95% (Figura 7h) e por último o R5D (Figura 7g). O R1D, dos
três indicadores associados a extremos, é o que possui menores valores de RMSE indicando
eficácia do modelo em relação a simulação numérica do mesmo. No que diz respeito aos
índices R5D e P95%, os resultados apresentam variações espaciais relativamente seme-
35
lhantes, com máximos de RMSE em praticamente toda a Bacia Amazônica, apontando

baixa previsão do modelo em relação a chuvas extremas.
Diferente do que ocorre no RMSE do modelo ETA, o modelo HadGEM2 apresentou

um melhor desempenho apenas para o CDD (Figura 5a). Para os demais índices os va-
lores de RMSE são máximos na região da Bacia, indicando baixa precisão do modelo em
prever as observações. Dessa forma, como o modelo HadGEM2 foi utilizado para forçar
o modelo ETA, é esperado que o HadGEM2 influencie nas simulações do ETA, ou seja
o modelo regional ETA também apresentou baixa precisão no que diz respeito ao CWD,
NDD, NWD, PRECPTOT, R5D e P95%.
36
Figura 7: RMSE dos índices climáticos - CPC versus HadGEM2, média anual para o período
de 1981 a 1990. (a) Número de dias consecutivos secos (dias) - CDD, (b) Número de dias
P95%.
37
6 AVALIAÇÃO DO ÍNDICES CLIMÁTICOS PARA O
CENÁRIO RCP 8.5
Neste Capítulo de resultados avaliou-se a saída do modelo regional ETA, para o clima
futuro, utilizando o cenário de concentração de gases de efeito estufa RCP 8.5, tendo-se
como base os oito indicadores climáticos apresentados na Tabela (2). Para tal fim, aplicou-
se o método do teste t de student (Equação 4) para calcular a significância estatística nas
anomalias dos índices climáticos, correspondentes aos experimentos EXP-FP8.5 (Expe-
rimento para o futuro próximo utilizando o cenário RCP 8.5 para o período de 2021 a
2050) e EXP-FD8.5 (Experimento para o futuro distante utilizando o cenário RCP 8.5
para o período de 2071 a 2100) versus EXP-CTRL (condição climática para o período de
1961 a 1990). O teste t de student também foi utilizado para calcular a significância nas
anomalias das variáveis de temperatura da superfície do mar, precipitação, temperatura
do ar, pressão, vorticidade e linhas de corrente, com o intuito de explanar as mudanças
dos índices climáticos que ocorreram nos EXP-FP8.5 e EXP-FD8.5.
6.1 Cenário de concentração de gases de efeito estufa RCP 8.5 -

Experimento Futuro Próximo
O RCP 8.5 é um dos quatro cenários, distintos, de concentração dos gases de efeito
estufa, considerado como o cenário mais pessimista, resultando em uma média de aque-
cimento global de 4∘C no final do século XXI. No presente trabalho as saídas do modelo
ETA para esse cenário são utilizadas para avaliar a atuação dos índices climáticos no
clima futuro, nesse primeiro caso, futuro próximo - EXP-FP8.5 (período 2021-2050).
Na figura 8a-h apresenta-se o resultado do EXP-FP8.5 para 8 índices climáticos uti-

lizados no presente trabalho relativos a média anual para o período de 2021 a 2050. Os
resultados mostram que o modelo ETA produziu um número consecutivo de dias secos
(CDD) maior sobre o nordeste do Pará e Amapá (Figura 8a), isto posto, o modelo sugere
que, nessas regiões, haverá diminuição de chuva no futuro próximo. Por outro lado, o
modelo gerou valores negativos sobre o sul do Pará, norte dos estados do Mato Grosso e
Roraima, estes resultados indicam que nos setores onde há valores significativos positivos
de CDD o modelo tende a produzir menos chuva no clima futuro. No que diz respeito ao
número total de dias consecutivos úmidos (CWD), ver figura 8b, nota-se que o modelo
apresenta, em sua maioria, tendência negativa, para o EXP-FP8.5, sobre praticamente
toda a região que abrange a Bacia Amazônica com maior concentração na região sul da
Bacia, apontando dias mais secos para o período estudado.
38
A partir das figuras 8c-d, nota-se que os valores significativos de NDD e NWD, res-
pectivamente, compreendem os pontos sul e nordeste do estado do Amazonas, norte do
Peru, também no nordeste do pará e Amapá e no litoral da região sudeste do Brasil. De
modo que, o modelo produziu valores positivos para o total de dias secos (Figura 8c) com
máximos no sudoeste do estado do Amazonas e Peru e valores negativos para o total de
dias úmidos (Figura 8d) com máximos igualmente distribuídos no sudoeste do estado do
Amazonas e Peru. Assim, ambos os índices indicam que, para o futuro próximo, dentro
do período avaliado, o modelo aponta que haverá um decréscimo de chuvas nas regiões
citadas.
Em relação ao volume chuvoso total anual (índice PRECPTOT), ver figura 8e, observa-
se que, em sua maioria, o modelo produziu valores negativos nos setores sul do Amazonas,
nordeste e leste do Pará e Amapá, com maior concentração sobre os estados do Maranhão
e Tocantins. Esses resultados indicam, no que se refere ao EXP-FP8.5, que o modelo
aponta decréscimo da quantidade de chuva que ocorrerá nas regiões citadas, dentro do
período em questão.
Para os índices de extremos R1D, R5D e P95% (Figuras 8f-h, respectivamente), nota-
se que os resultados apontam semelhanças no que tange a distribuição de valores posi-
tivos e negativos. Estes resultados tem em comum que, a saída do modelo ETA para o
EXP-FP8.5, produziu acumulados chuvosos, associados a eventos extremos, maior sobre
o norte do Peru e estado do Amazonas e sudeste da Colômbia. No entanto nota-se valores
negativos dos índices de extremos no nordeste do Pará, principalmente na Ilha de Marajó.
39
Figura 8: Anomalias significativas dos índices climáticos, média anual para o período de 2021 a
2050 (Futuro Próximo). (a) Número de dias consecutivos secos (dias) - CDD, (b) Número de dias
P95%.
A figura 9a-f apresenta, respectivamente, a média anual dos resultados da significância

nas anomalias das variáveis de temperatura da superfície do mar (TSM), temperatura do
ar, pressão, vorticidade e linhas de corrente, convergência e transporte do fluxo de umi-
40
dade e precipitação, utilizando o EXP-FP8.5 para o período de 2021 a 2050. Os resultados

apontam valores significativos positivos de TSM (figura 9a) nas regiões do Oceano Pacífico
e Atlântico, com aumento da TSM de 2∘ C em ambas as regiões, de forma que, no Pacífico,
o valor de TSM apresenta um máximo de até 2,5∘ C na região identificada como região
do Niño 3. Isto posto, nota-se que o aumento da concentração dos gases de efeito estufa,
para o cenário mais pessimista, ocasionará aumento da TSM para os Oceanos Pacífico e
Atlântico, singularmente sobre o Pacífico, configurando El Niño, resultando em mudanças
significativas sobre o continente da América do Sul (que será discutido a seguir), visto que
é de conhecimento na literatura que alterações na TSM podem ter influências conside-
ráveis sobre os continentes (Andreoli e Kayano (2007); Chaves (2011); Fischer et al., 2008).
Com relação a temperatura do ar em 1000 mb, a figura 9b apresenta valores positivos

sobre praticamente toda a América do Sul, mantendo distribuição espacial uniforme sobre
a Bacia Amazônica, com valores de até 3∘ C na região, ou seja, o aumento dos gases de
efeito estufa ocasionado pelo cenário RCP 8.5 produziu aumento na temperatura sobre a
Bacia. Comparando esses resultados aos resultados do trabalho de Chou et al., 2014b, os
valores de temperatura são similares em alguns pontos da Bacia, porém o padrão espa-
cial não é tão próximo. Isto pode ter ocorrido devido a diferença no período de estudo
utilizado que, para este trabalho, foi a média anual para o período de 2021-2050 (futuro
próximo) e para o trabalho de Chou et al., 2014b foi a média sazonal para os períodos de
2011-2040 (período inicial), 2040-2070 (período médio) e 2071-2100 (período final). Na
figura 9c, observa-se que a pressão ao nível médio do mar apresenta valores negativos em
praticamente toda a América do Sul, diminuindo cerca de 0.3 a 0.7 hPa em uma região
que abrange o leste/sul do estado do Amazonas e o Pará até o norte do Mato Grosso e
Rondônia.
Na figura 9d é apresentada a anomalia da circulação atmosférica (linhas de corrente)

e da vorticidade relativa em 850 hPa. Observa-se que as linhas de correntes exibem cir-
culação ciclônica bem desenvolvida ao sul da Bacia Amazônica com vorticidade negativa
de 0,2 s−1 nessa região, esse padrão da trajetória da partícula com vorticidade, apon-
tam diminuição da pressão atmosférica na região citada, ver analise da figura 9c, assim
como, ascendência de ar e consequentemente aumento da precipitação. Nota-se também
na figura alguns setores da Bacia Amazônica com vorticidade relativa positiva, como no
norte do estado do Amazonas, no qual as linhas de corrente possuem trajetória de crista,
indicando movimentos descendentes do ar e consequente decréscimo de precipitação nessa
região.
A partir da figura 9e, que apresenta a distribuição espacial da convergência e trans-

porte de umidade, proveniente dos dados do EXP-FP8.5, observa-se que há um padrão
41
no transporte de umidade de leste para oeste na região da Bacia Amazônica, também do

nordeste do Brasil para sudoeste da América do Sul desviando para o sul do continente,
indicando o padrão de transporte de umidade ocasionados pelos Jatos de Baixos Níveis
no período do inverno Austral (Marengo et al., 2004). Desse modo, nota-se divergência
sobre o sul do estado do Amazonas e norte do Pará conduzindo a uma redução das ati-
vidades convectivas e da precipitação. Em contrapartida na região noroeste do estado
do Amazonas observa-se que ocorre convergência de umidade, apontando aumento das
atividades convectivas e consequentemente aumento da precipitação nessas regiões. Esses
resultados estão de acordo com o que é observado na figura 9f. Isto posto, observa-se
que nas regiões onde houve divergência, como sul e nordeste do Amazonas e e norte do
Pará, ocorreu uma redução de até 1,5 mmdia−1 na precipitação. E nas regiões, nas quais,
houve convergência, verificou-se aumento de 1 mmdia−1 na precipitação, nesse caso no
setor noroeste do estado do Amazonas, esses resultados estão de acordo com os resultado
de (Chou et al., 2014b).
42
Figura 9: Anomalia significativas de (a) Temperatura da superfície do mar (1∘ C) - TSM, (b)
Temperatura do ar em 1000 mb (1∘ C), (c) Pressão ao nível médio do mar (hPa), (d) Linhas de
Corrente e Vorticidade Relativa (10−5 s−1 ), (e) Fluxo umidade integrado na vertical (kgm−1 s−1 )
e Divergência do fluxo de umidade (1×10−5 kgm−2 s−1 ) e (f) Precipitação (mmdia−1 ). Média
anual para o período de 2021 a 2050 (Futuro Próximo).
6.2 Cenário de concentração de gases de efeito estufa RCP 8.5 -

Experimento Futuro Distante
A figura 10a-h apresenta os resultados do EXP-FD8.5 (experimento para o futuro dis-
tante) para 8 índices climáticos referentes a média anual para o período de 2070 a 2100. Os
resultados mostram que, para o EXP-FD8.5, há um predomínio de valores significativos
positivos, de número consecutivo de dias secos (CDD), no oeste do estado do Amazonas e
Peru, com maior ocorrência de máximos sobre o norte do Pará, Amapá e litoral brasileiro
(Figura 10a). No que concerne, ao número total de dias consecutivos secos (Figura 10b),
observa-se que, o modelo, apresentou valores negativos em aproximadamente toda a região
que abrange a Bacia Amazônica, com valores negativos máximos no setor centro/norte da
43
Bacia. Esses resultados indicam que, para ambos os índices, o modelo aponta decréscimo
de chuva nas regiões citadas, principalmente no setor norte da Bacia Amazônica.
Para o total de dias secos (Figura 10c), observa-se que o modelo gerou valores positivos
de NDD em toda a região que compreende a Bacia Amazônica, com máximos no Peru,
oeste do estado do Amazonas e norte do Pará. Quanto ao total de dias úmidos (Figura
10d), nota-se que os valores significativos abrangem as mesmas regiões descritas no NDD,
bem como seus máximos, porém com valores negativos. Dessa forma, analisando os re-
sultados, os valores do NDD, para o EXP-FD8.5, estão maiores quando comparados com
a média anual da condição climática atual (Ver Apêndice A) e do NWD estão menores
(efetuando a mesma comparação), ou seja, o modelo aponta um decréscimo expressivo de
dias com chuva, para esses indicadores climáticos, principalmente no setor da nascente da
Bacia Amazônica, no Peru.
A partir da figura 10e, observa-se que em aproximadamente toda a Bacia Amazônica,

Centro oeste, Sudeste e parte do Nordeste Brasil, o modelo ETA produziu valores signifi-
cativos de PRECPTOT negativos, com máximos compreendendo os setores sul e nordeste
do estado do Amazonas e os estados do Pará e Amapá. Esses resultados referentes ao
EXP-FD8.5, indicam que o modelo possui tendência negativa na quantidade de chuva
para o final do século XXI, ou seja, para o cenário mais pessimista, no qual as emissões
de gases de efeito estufa tendem a aumentar continuamente, os impactos na quantidade
de chuva serão expressivos.
Para os índices de extremos R1D, R5D e P95% (Figuras 10f-h, respectivamente), os

resultados apontam semelhanças em relação a distribuição espacial de valores positivos e
negativos. Na figura 10f, observa-se que para o R1D o modelo produziu menor quantidade
de chuvas, equiparando ao experimento EXP-CTRL, na região que abrange o nordeste
do estado do Amazonas até o sudeste do Brasil, englobando parte das regiões Centro
Oeste e Nordeste do país, com máximos nos setores nordeste do estado do Amazonas e
Pará. Em contrapartida, o EXP-FD8.5 produziu valores positivos de R1D no norte do
Peru. Em relação ao R5D (Figura 10g) nota-se que os valores significativos positivos
são mais intensos, do que foi observado no índice R1D, distribuídos no norte do Peru e
nordeste do estado do Amazonas, no entanto os valores negativos, assim como no R1D,
concentram-se em um setor que abrange o nordeste do estado do Amazonas até o sudeste
do Brasil, com máximos negativos no noroeste e nordeste do Pará. Quanto ao indicador
climático P95%, ver figura 10h, os valores significativos positivos e negativos apresentam
distribuição espacial próximo do que foi descrito nos índices R1D e R5D. Porém os valores
positivos máximos além de se concentrarem no noroeste do Amazonas e norte do Peru,
também abrangem parte da Colômbia. E os valores negativos, assim como no R1D e
44
R5D, concentram-se no noroeste do Pará, nordeste do Amapá e sobre a Ilha de Marajó.
Figura 10: Anomalia significativas dos índices climáticos, média anual para o período de 2071 a
2100 (Futuro Distante). (a) Número de dias consecutivos secos (dias) - CDD, (b) Número de dias
P95%.
45
A figura 11a-f apresenta, respectivamente, a média anual dos resultados da significân-

cia nas anomalias das variáveis de temperatura da superfície do mar (TSM), temperatura
do ar, pressão, vorticidade e linhas de corrente, convergência e transporte do fluxo de umi-
dade e precipitação, utilizando o EXP-FD8.5 para o período de 2071 a 2100. Os resultados
apontam valores significativos positivos de TSM (figura 11a) nas regiões do Oceano Pací-
fico e Atlântico mais intensos do que foi observado no EXP-FP8.5, com aumento da TSM
de até 4∘ C no Atlântico e 5∘ C no Pacífico, nessa conformidade, no Pacífico, o valor máximo
de TSM está localizado na região do Niño 3. Isto posto, nota-se que para o final do século
XXI, um maior aumento da concentração dos gases de efeito estufa, ocasionará aumento
considerável da TSM para os Oceanos Pacífico e Atlântico, com maior relevância sobre o
Pacífico, configurando El Niños mais intensos para o período em questão, resultando em
mudanças significativas sobre o continente da América do Sul (Andreoli e Kayano (2007);
Chaves (2011); Fischer et al., 2008).
Com relação a temperatura do ar em 1000 mb (11b), observa-se anomalias positivas

sobre toda a Bacia Amazônica variando entre 6 a 9∘ C, com valores máximos sobre o nor-
deste do estado do Amazonas e oeste do Pará, ou seja, o aumento dos gases de efeito estufa
ocasionado pelo EXP-FD8.5 produziu aumento na temperatura sobre a Bacia. Esses re-
sultados são roborados pelo trabalho de Chou et al., 2014b, apresentando valores, bem
similares de temperatura, principalmente no nordeste do estado do Amazonas e oeste do
Pará, do mesmo modo o padrão espacial sobre a Bacia é bem próximo. De forma que para
este trabalho, foi utilizada a média anual para o período de 2071-2100 (futuro distante)
e para o trabalho de Chou et al., 2014b foi a média sazonal para o período de 2071-2100
(período final), justificando algumas diferenças entre os resultados dos trabalhos. No que
concerna a pressão ao nível médio do mar, ver figura 11c, observa-se anomalias positivas
sobre o litoral do Brasil, indicando aumento da pressão nessa região. Em contrapartida
nota-se redução da pressão sobre praticamente todo o setor da Bacia Amazônica, com
máximos negativos de até 1,3 hPa sobre o leste do Amazonas e oeste do Pará. Assim,
nota-se que quando há o aumento da temperatura do ar sobre a superfície do continente,
discutido na figura 11c, a massa de ar quente tende a expandir-se, diminuindo a pressão
atmosférica na região.
Na figura 11d é apresentada a anomalia das linhas de corrente e vorticidade relativa

em 850 hPa. Observa-se que as linhas de correntes exibem circulação ciclônica bem de-
senvolvida ao sul da Bacia Amazônica com vorticidade negativa de 0,2 a 0,6 s−1 nessa
região, esse padrão de circulação atmosférica com vorticidade negativa, indicam redução
da pressão atmosférica na região citada, que foi observada na figura 11c, de forma que,
sistemas de baixa pressão na superfície estão associados a ascendência de ar para a at-
mosfera e consequente aumento da precipitação. Assim como no EXP-FP8.5, nota-se que,
46
no EXP-FD8.5, há alguns setores da Bacia Amazônica com vorticidade relativa positiva,

como no norte do estado do Amazonas, no qual as linhas de corrente possuem trajetória
de crista, indicando movimentos descendentes do ar e consequente decréscimo de precipi-
tação nessa região.
A partir da figura 11e, que apresenta a anomalia da distribuição espacial da conver-

gência e transporte de umidade, proveniente dos dados do EXP-FD8.5, observa-se que
no final do século XXI, o aumento da concentração dos gases de efeito estufa ocasionará
divergência sobre praticamente toda a região que abrange a Bacia Amazônica, isso está
associado a redução das atividades convectivas e consequentemente da precipitação so-
bre a região. Dessa maneira, esses resultados correspondem aos valores de anomalia da
precipitação observados na figura 11f, com redução de chuva de 1 a 3,5mmdia−1 , em pra-
ticamente toda a região da Bacia Amazônica, apresentando máximos negativos sobre o
nordeste do Amazonas e Pará de até 4 mmdia−1 , esses resultados estão de acordo com
os resultado de (Chou et al., 2014b). No EXP-FD8.5, observa-se também o padrão no
transporte de umidade de leste para oeste na região da Bacia Amazônica e do nordeste do
Brasil para sudoeste da América do Sul desviando para o sul do continente ocasionados
pelos Jatos de Baixos Níveis no período do inverno Austral (Marengo et al., 2004).
47
Figura 11: Anomalia significativas de (a) Temperatura da superfície do mar (1∘ C) - TSM, (b)
Temperatura do ar em 1000 mb (1∘ C), (c) Pressão ao nível médio do mar (hPa), (d) Linhas de
Corrente e Vorticidade Relativa (10−5 s−1 ), (e) Fluxo umidade integrado na vertical (kgm−1 s−1 )
e Divergência do fluxo de umidade (1×10−5 kgm−2 s−1 ) e (f) Precipitação (mmdia−1 ). Média
anual para o período de 2071 a 2100 (Futuro Distante).
7 AVALIAÇÃO DOS CAMPOS DE COMPOSIÇÃO
CLIMÁTICOS PARA O CENÁRIO RCP 8.5
Neste capítulo utilizou-se a saída do modelo regional ETA, para o clima do futuro pró-
ximo e distante, utilizando o cenário RCP 8.5, tendo-se como base a composição do índice
climático NDD (Figura 12), com o intuito de mensurar as contribuições atmosféricas e
oceânicas responsáveis pela variação que ocorreu no índice em questão. Para isso, aplicou-
se o método do teste t de student (Equação 4) para calcular a significância estatística nas
anomalias do NDD, correspondentes aos experimentos EXP-FP8.5 e EXP-FD8.5 versus
EXP-CTRL. O teste t de student também foi utilizado para calcular a significância nas
48
anomalias das composições das variáveis de temperatura da superfície do mar, tempera-

tura do ar, pressão, vorticidade e linhas de corrente, transporte e convergência do fluxo
de umidade e precipitação.
As figuras 12a-b, apresentam a media para cinco anos do NDD (selecionados através
da metodologia descrita na seção 4.6), os anos selecionados foram: 2022, 2023, 2030, 2035
e 2050 para o EXP-FP8.5 e 2079, 2080, 2081, 2084 e 2088 para o EXP-FD8.5. Nota-se
na composição desse índice, que o total de dias secos do EXP-FP8.5 (Figura 12a) mostra
anomalias positivas em praticamente toda a região da Bacia Amazônica, com máximos
nos setores norte e leste do Peru, no nordeste e sul do estado do Amazonas e no norte do
Pará. Todavia, observa-se que a composição do NDD para o EXP-FD8.5 (Figura 12b),
apresenta valores de anomalia positivos em aproximadamente todo o Brasil incluindo in-
tegralmente a região que abrange a Bacia Amazônica, com valores máximos sobre o norte
do Peru, oeste e leste do Amazonas. Esses resultados indicam que para ambos os expe-
rimento, o EXP-FP8.5 e EXP-FD8.5, o número de dias secos irá aumentar na proporção
em que a concentração dos gases de efeito estufa na atmosfera também aumenta, com
influências significativas na quantidade de chuva, ou seja, para um número de dias secos
maior espera-se decréscimo na quantidade de chuvas, ver Figuras 13f e 14f.
Outro elemento que é notado ao longo do trabalho, e também nesta seção, é que o
EXP-FP8.5 tende a ser menos intenso, nas anomalias significativas dos indicadores climá-
ticos e das variáveis meteorológicas, em comparação ao EXP-FD8.5. Isso ocorre porque
no cenário RCP 8.5 a concentração dos gases de efeito estufa aumenta linearmente ao
longo do século XXI, isto é, a concentração dos gases de efeito estufa são menores no
EXP-FP8.5 (meio do século) e maiores no EXP-FD8.5 (final do século), ver figura 1.
Figura 12: Composição do índice climático Número total de dias secos - NDD (dias), utilizando
o cenário RCP 8.5 para: (a) Futuro Próximo e (b) Futuro Distante.
49
7.1 Campos de composição climáticos para o cenário de gases de

efeito estuda RCP 8.5 - Experimento Futuro Próximo
As figuras 13a-f mostram as anomalias significativas das composições das variáveis
meteorológicas atmosféricas e oceânica para o experimento EXP-FP8.5. Deste modo,
nota-se na figura 13a que a TSM aumenta anomalamente em torno de 2 a 2,5∘ C na região
equatorial do Oceano Pacífico caracterizando padrão de El Niño mais intenso no experi-
mento em questão, também ocorre aquecimento anômalo de TSM de até 2∘ C na região
do Atlântico Norte, águas mais quentes nessa região estão associados ao deslocamento
da Zona de Convergência Intertropical (ZCIT) mais ao norte do Equador o que pode
provocar decréscimo de precipitação na região norte da Bacia Amazônica. Normalmente,
anomalias nas TSMs desses oceanos estão associadas a mudanças na circulação da atmos-
fera e, consequentemente, a mudanças na temperatura e na precipitação sobre a Bacia
Amazônica.
Isto posto, nota-se o aumento anômalo da temperatura na figura 13b de aproximada-

mente 2 a 3∘ C, sobre toda a Bacia Amazônica com máximos valores, de 4∘ C, localizados
sobre o nordeste e sul do Amazonas e leste do Pará. Praticamente nas mesmas regiões que
foram observadas na figura 12a, de forma que, o aumento da temperatura pode ser um
dos fatores que estão associados ao aumento do número de dias secos sobre essas regiões.
Outra consequência do aumento na temperatura pode estar relacionada ao decréscimo na
pressão, em sua maior parte, na região sul da Bacia de até 0,7 hPa, observado na figura
13c, também há um aumento da pressão sobre o litoral brasileiro.
A partir da figura 13d é apresentada a anomalia das linhas de corrente e vorticidade

relativa em 850 hPa. Nota-se vorticidade negativa sobre o sul do Amazonas, oeste do
Pará e norte do Mato Grosso, com circula ciclônica bem desenvolvida sobre essas regiões,
apontando padrões de baixa pressão sobre esses setores, o que é observado na figura 13c.
Em contrapartida, sobre a região norte do estado do Amazonas, observa-se vorticidade
relativa com valores anômalos positivos e linhas de corrente em trajetória de crista indi-
cando aumento da pressão sobre essa região.
Na (Figura 13e), observa-se o transporte e a convergência do fluxo de umidade inte-

grado na vertical sobre a área da Bacia amazônica, para o EXP-FP8.5. Nota-se aumento
da redução de convergência sobre a maior parte da Bacia Amazônica, com valores máxi-
mos positivos sobre o sul do Amazonas e leste do Pará, indicando que a saída de umidade
nessas regiões são maiores do que a entrada podendo ocasionar a supressão da precipitação
nesses setores. O que é observado na figura 13f no qual nota-se que a precipitação dimi-
nui em praticamente toda a Bacia Amazônica, principalmente no setor sul com máximos
50
negativos em torno de 2 mm sobre o sul do Amazonas e de até 3 mm sobre o nordeste do

Amazonas e noroeste do pará. Nota-se um transporte de umidade de leste para oeste, ou
seja, a quantidade de umidade que entra na região leste da Bacia é muito menor do que
o que sai da região oeste.
Em relação ao que foi explanado acima, nota-se que o aumento dos gases de efeito
estufa no EXP-FD8.5, levando-se em consideração a média para cinco anos selecionados,
ocasiona aumento da temperatura e diminuição da convergência do fluxo de umidade para
o meio do século XXI na região da Bacia Amazônica, essas condições atmosféricas podem
ter causado o aumento do número de dias secos (Figura 12a) principalmente no sul e nor-
deste do Amazonas e também no noroeste do Pará, no qual são regiões onde o NDD foi
mais intenso. Parte do aumento do NDD também pode ter sido ocasionado pelo aumento
da TSM principalmente no Pacífico na região do El Niño que pode provocar aumento da
temperatura e diminuição da precipitação na região da Bacia.
51
Figura 13: Composição de (a) Temperatura da superfície do mar (1∘ C) - TSM, (b) Tempera-
tura do ar em 1000 mb (1∘ C), (c) Pressão ao nível médio do mar (hPa), (d) Linhas de Corrente
e Vorticidade Relativa (10−5 s−1 ), (e) Fluxo umidade integrado na vertical (kgm−1 s−1 ) e Diver-
gência do fluxo de umidade (1×10−5 kgm−2 s−1 ) e (f) Precipitação (mmdia−1 ). Média para cinco
anos dentro do período 2021 a 2050 (Futuro Próximo).
7.2 Campos de composição climáticos para o cenário de gases de

efeito estuda RCP 8.5 - Experimento Futuro Distante
As figuras 14a-f mostram as anomalias significativas das composições das variáveis
meteorológicas atmosféricas e oceânica, utilizando o cenário de emissão de gases de efeito
estufa para o final do século XXI (2071-2100), período no qual as emissões tendem a ser
máximas. Isto posto, a temperatura da superfície do mar (Figura 14) apresenta anomalias
positivas de até 5∘ C no Pacífico na região do Niño 3 e de 4∘ C no Atlântico Norte, de forma
que, valores nessa magnitude podem ocasionar mudanças significativas na circulação at-
mosférica como, por exemplo, o deslocamento nas células de Walker e Hadley e na ITCZ,
provocando variações na circulação e temperatura sobre a Bacia Amazônica influenciando
52
em sistemas meteorológicos que provocam chuva na região.
A temperatura do ar em 1000mb (Figura 14b) apresenta valores anômalos em pra-

ticamente toda a América do Sul. Na Bacia Amazônica esses valores variam em torno
de 5 a 9∘ C, com máximos sobre o leste do estado do Amazonas e oeste do Pará, mesma
região observada na figura 13b. Porém no EXP-FD8.5 os valores são mais intensos. Com
relação a pressão, ver figura 14c, nota-se valores positivos no litoral brasileiro que decres-
cem em direção a região central do Brasil. Em contrapartida, observa-se valores negativos
máximos na região central do continente da América do Sul, abrangendo os setores sul e
leste do Amazonas e oeste do Pará, o que corobora com as regiões de máximos anômalos
observados na temperatura (Figura 14b).
No que se refere a figura 14d, os valores anômalos de vorticidade relativa positiva,

em 850 hPa, ainda permanecem na região norte do Amazonas, assim como foi obser-
vado no EXP-FP8.5 (Figura 13d), formando circulação do tipo crista sobre a região. Em
compensação observa-se valores negativos de vorticidade no setor sul da Bacia Amazô-
nica, apresentando circulação ciclônica bem desenvolvida com núcleo sobre o estado de
Rondônia, essas características estão associadas a baixa pressão sobre essas regiões, cor-
roborando o que foi explanado na figura 14c.
A partir da figura 14d é apresentada a anomalia das linhas de corrente e vorticidade

relativa em 850 hPa. Nota-se vorticidade negativa sobre o sul do Amazonas, oeste do
Pará e norte do Mato Grosso, com circula ciclônica bem desenvolvida sobre essas regiões,
apontando padrões de baixa pressão sobre esses setores, o que é observado na figura 13c.
Em contrapartida, sobre a região norte do estado do Amazonas, observa-se vorticidade
relativa com valores anômalos positivos e linhas de corrente em trajetória de crista indi-
cando aumento da pressão sobre essa região.
Nota-se na figura 14e que os valores anômalos de convergência do fluxo de umidade

são negativos em praticamente todo o estado do Amazonas e sobre o norte do Peru, apon-
tando redução da convergência sobre essas regiões, isto é, há maior redução de umidade
nesses setores do que aumento, podendo ocorrer diminuição das atividades convectivas e
consequentemente redução da precipitação. Esse último pode ser observado na figura 14f,
no qual observa-se diminuição significativa sobre praticamente toda a região brasileira,
apresentando valores negativos máximos sobre o estado do Amazonas, Pará, norte do
Peru e sul da Colômbia.
No geral nota-se que a composição das variáveis atmosféricas e oceânica, que foram
descritas acima, apresentam as condições necessárias para que ocorra o aumento do nú-
53
mero de dias secos, observados sobre a Bacia, na figura 12b. A combinação de valores
anômalos significativamente altos de TSM, na região do Pacífico, podem provocar aumento
da temperatura na região da Bacia, que em conjunto com convergência do fluxo de umi-
dade positiva, podem ocasionar decréscimo de precipitação. Diminuindo a precipitação a
quantidade de dias úmidos diminuem e consequentemente o NDD irá aumentar.
Figura 14: Composição de (a) Temperatura da superfície do mar (1∘ C) - TSM, (b) Tempera-
tura do ar em 1000 mb (1∘ C), (c) Pressão ao nível médio do mar (hPa), (d) Linhas de Corrente
e Vorticidade Relativa (10−5 s−1 ), (e) Fluxo umidade integrado na vertical (kgm−1 s−1 ) e Diver-
gência do fluxo de umidade (1×10−5 kgm−2 s−1 ) e (f) Precipitação (mmdia−1 ). Média para cinco
anos dentro do período 2071 a 2100 (Futuro Distante).
8 CONCLUSÃO
O presente trabalho teve como objetivo principal avaliar o aumento na concentração

de GEE, caracterizado pelos cenário RCP8.5 do IPCC, sobre 8 índices climáticos (ver Ta-
bela 2) baseados em dados de precipitação para a Bacia amazônica. Ademais, buscou-se
também quantificar e avaliar os padrões anômalos oceânicos e atmosféricos responsáveis
pelas mudanças nos indicadores climáticos. Os dados observados de precipitação foram
provenientes do Global Precipitation Climatology Project (GPCP) (XIE et al., 2007 ),
enquanto que os dados modelados foram oriundos das simulações climáticas com o modelo
ETA (CHOU et al., 2012 ) forçado pelo modelo global Hadley Global Environment Model
2 (HadGEM2) (CHOU et al., 2014a,b).
Inicialmente foram avaliados 8 indicadores climáticos, comparando os padrões espacias

dos dados provenientes do CPC com os do modelo ETA, utilizando a média anual para
o período de 10 anos (1981-1990). A análise da média climatológica anual mostra que
o modelo regional ETA reproduziu bem o padrão espacial do observado para os índices
CDD, CWD, NDD, NWD, PRECPTOT e R1D. No entanto para o padrão espacial dentro
do período de 10 anos, o modelo não reproduziu bem os indicadores climáticos associados
a eventos extremos (R5D e P95%). Para validar o modelo foram utilizados dois métodos
estatísticos, o BIAS e o RMSE.
Na validação baseada no BIAS, o modelo apresentou variações semelhantes, em ter-

mos de distribuição espacial. Entre os seguintes indicadores climáticos: CDD e NDD em
que o modelo tendeu a produzir valores negativos, em relação ao observado, sobre o sul
da Bacia e norte do Peru e valores positivos sobre o nordeste do Pará; CWD, NWD e
PRECPTOT nos quais o modelo produziu maior número de dias úmidos sobre o oeste
do Amazonas e Peru. E R1D, R5D e P95%, no qual o modelo possui uma tendência
em produzir acumulados chuvosos menor do que de fato ocorre, principalmente na maior
parte da Bacia Amazônica.
Em relação a validação baseada no RMSE, observou-se que, o modelo possui uma

boa precisão para os indicadores CDD e R1D. Em contrapartida o modelo possui incer-
tesas para os demais indicadores. De forma que o modelo ETA foi forçado pelo modelo
HadGEM2 e tal modelo possui baixa precisão para quase todos os índices, com exceção
55
do CDD. Apontando que o modelo ETA forçado pelo HadGEM2 não possui confiabili-
dade suficiente para o tipo de metodologia aplicado na presente pesquisa. No entanto
ao compararmos o RMSE do modelo ETA com o RMSE do modelo HadGEM2, o ETA
apresentou o melhor resultado de RMSE em todos os indicadores, mesmo sendo forçado
pelo modelo HadGEM2.
Para avaliar as anomalias significativas dos indicadores climáticos, utilizou-se a saída

do modelo regional ETA com o cenário de concentração de gases de efeito estufa RCP
8.5, para o clima futuro, que foi dividido em dois experimentos EXP-FP8.5 (2021-2050) e
EXP-FD8.5 (2071-2100) vesus o experimento controle EXP-CTRL (1961-1990). Nota-se
ao longo do trabalho que os dois experimentos, EXP-FP8.5 e EXP-FD8.5, possuem se-
melhanças na distribuição espacial, dos índices climáticos, com relação aos seus valores
máximos e mínimos. Por outro lado, a magnitude dos valores do EXP-FD8.5 é muito
maior do que é observado no EXP-FP8.5. Isso ocorre porque no cenário RCP 8.5 a con-
centração dos gases de efeito estufa aumenta linearmente ao longo do século XXI, isto é,
a concentração dos gases de efeito estufa são menores no EXP-FP8.5 (meio do século) e
maiores no EXP-FD8.5 (final do século).
No geral observou-se que, em ambos os experientos, para o cenário mais pessimista, ha-
verá aumento significativo do número total de dias secos (observado no CDD e NDD) e con-
sequentemente diminuição da precipitação (observado no CWD, NWD e PRECPTOT),
principalmente na região que abrange a Bacia Amazônica. Esse aumento no número de
dias secos e diminuição da precipitação, podem estar relacionados com o aquecimento
anômalo da TSM do Pacífico e do Atlântico e também com o aumento da temperatura
que juntamente com a divergência do fluxo de umidade, ou seja sumidouro de umidade,
podem provocar condições atmosféricas para redução da precipitação na região da Bacia.
Para determinar e avaliar campos de anomalias significativas baseados em campos de

composição atmosféricos e oceânicos, utilizou-se a saída do modelo regional ETA para
os experimentos EXP-FP8.5 e EXP-FD8.5 versus o EXP-CTRL, tendo-se como base o
índice climático NDD. Notou-se que as condições atmosféricas e oceânica, em ambos
os experimentos, possuem proximidades em relação a disposição espacial dos seus valores
positivos e negativos, de forma que, a magnitude dos valores do EXP-FD8.5 é muito maior
do que é observado no EXP-FP8.5. Em geral observou-se que as condições propícias para o
aumento do NDD, foram o aumento da TSM que pode ocasionar aumento da temperatura
do ar que em conjunto com o sumidouro de umidade na região da Bacia Amazônica podem
provocar supressão da precipitação e consequentemente aumento do NDD.
56
referências bibliográficas
Alexander L. V.; Zhang X.; Peterson T. C.; Caesar J.; Gleason B.; Klein Tank AMG.;
Haylock M.; Collins D.; Trewin B.; Rahimzadeh F.; Tagipour A.; Rupa Kumar K.; Re-
vadekar J.; Griffiths G.; Vincent L.; Stephenson D. B.; Burn J.; Aguilar E.; Brunet M.;
Taylor M.; New M.; Zhai P.; Rusticucci M.; Vazquez-Aguirre J. L.; 2005: Global observed
changes in daily climate extremes of temperature and precipitation. J Geophys Res 111:
D05109, doi:10.1029/2005JD006290.
Andreoli, R. V.; Kayano, M. T.; 2005: A Importancia Relativa do Atlântico Tropical

Sul e Pacífico Leste na Variabilidade de Precipitação do Nordeste do Brasil. Revista
Brasileira de Meteorologia, 22, 63-74.
Araújo, F. R. C. D. 2012: Análise de índices de detecção de mudanças climáticas

na Bacia Hidrográfica do Rio Colorado - EUA. Tese de doutorado. PROGRAMA DE
POS-GRADUACAO EM METEOROLOGIA. UFCG/CTRN/UACA.
Araújo, R. G.; Andreoli, R. V.; Candido, L. A.; Kayano, M. T.; Souza, R. A. F.; 2013:
A influência do evento El Niño - Oscilação Sul e Atlântico Equatorial na precipitação
sobre as regiões norte e nordeste da América do Sul. Acta Amazonica, 43, 469-480.
Arakawa, A.; Lamb, V. R.; 1997: Computational design of the basic dynamical proces-
ses of the ucla general circulation model. Methods in Computational Physics, p. 173-265.
Baptista, J. A. A.; 2009: Nível de conhecimento sobre o Protocolo de Kyoto pelas

empresas componentes do índice sustentabilidade empresarial Bovespa. Dissertação de
Mestrado - São Caetano do Sul.
Black, T. L.; 1994: The new nmc mesoscale eta model: Description and forecast
examples. Weather and Forecasting, p. 265-278, June.
Chaves, R. R.; 2005: Padrões da Temperatura sa Superfície do Oceano Atlântico

Norte e a Convecção de Verão Sobre a América do Sul - Análise Observacional. Revista
Brasileira de Geofísica, 23, 27-38.
Chen, F.; Janjic, Z.; Mitchell, K.; 1997: Impact of atmospheric surface-layer paramete-
rizations in the new land-surface scheme of the ncep mesoscale eta model. Boundary-Layer
Meteorology, p. 291-421, Dec.
Chen, M.; Xie, P.; 2008: CPC precipitation working group. CPC Unified Gauge-
based Analysis of Global Daily Precipitation, Western Pacific Geophysics Meeting, Cairns,
Australia.
Chou, S. C.; Marengo, J. A.; Lyra, A. A.; Sueiro, G.; Pesquero, J. F.; Alves, L. M.;
Kay, G.; Betts, R.; Chagas, D. J.; Gomes, J. L.; Bustamante, J. F.; Tavares, P.; 2012:
Downscaling of south america present climate driven by 4-member hadcm3 runs. Clim
57
Dyn, p. 635-653, Feb.
Chou, S. C.; Lyra, A.; Mourão, C.; Dereczynski, C.; Pilotto, I.; Gomes, J.; Busta-
mante, J.; Tavares, P.; Silva, A.; Rodrigues, D.; Campos, D.; Chagas, D.; Sueiro, G.;
Siqueira, G.; Marengo, J.; 2014a: Evaluation of the Eta Simulations Nested in Three
Global Climate Models. American Journal of Climate Change, 3, 438-454.
Chou, S. C.; Lyra, A.; Mourão, C.; Dereczynski, C.; Pilotto, I.; Gomes, J.; Busta-
mante, J.; Tavares, P.; Silva, A.; Rodrigues, D.; Campos, D.; Chagas, D.; Sueiro, G.;
Siqueira, G.; Nobre, P.; Marengo, J.; 2014b: Assessment of Climate Change over South
America under RCP 4.5 and 8.5 Downscaling Scenarios. American Journal of Climate
Change, 3, 512-525.
Collins, W. G.; et al., 2008: Hadley Centre, Evaluation of the HadGEM2 Model,
Technical note 74 at Hadley Centre, 2008, 47 p.
Collins W. G. et al., 2011: Development and Evaluation of an Earth System Model

HadGEM2, Geoscientific Model Development, Vol. 4, 2011, pp. 997-1062. doi:10.5194/gmdd-
4-997-2011.
Detlef, V. P. V.; Edmonds, J.; Kainuma, M.; Riahi, K.; Thomson, A.; Hibbard,
K.; Hurtt, G. C.; Kram, T.; Krey, V.; Lamarque, J.-F.; Masui, T.; Meinshausen, M.;
Nakicenovic, N.; Smith, S. J.; Rose, S. K. The representative concentration pathways: an
overview. Climatic Change, p. 5âĂŞ31, Aug. 2011.
Ek, M. B.; Mitchell, K. E.; Lin, Y.; Rogers, E.; Grenmann, P.; Koren, V.; Gayano,
G.; Tarpley, S. J. D.; 2003: Implementation of noah land surface model advances in the
national centers for environmental prediction operational mesoscale eta model. Journal
of Geophysical Research, Washinton, p. 291-421, Nov.
Fearnside, P.M. 2007a. Uso da terra na Amazônia e as mudanÃğas climÃąticas globais.

Brazilian Journal of Ecology, 10: 83-100.
Fearnside, P.M. 2008a. QuantificaÃğÃčo do serviÃğo ambiental do carbono nas flo-

restas amazônicas brasileiras. Oecologia Brasiliensis, 12: 743-756.
Fearnside, P.M. 2008b. Deforestation in Brazilian Amazonia and global warming.

Annals of Arid Zone, 47(3-4): 1-20. (in press).
Fels, S. B.; Schwaezkopf, M. D.; 1975: The simplified exchange approximation: a new
method for radiative transfer calculations. J Atmos Sci.
Fischer, G. R.; Diniz G. B.; Marquez J. R. Q.; 2008: Previsão do número de dias de
chuva para a metade sul do Rio Grande do Sul utilizando a temperatura da superfície do
mar (TSM). Revista Brasileira de Meteorologia, 23, 143-151.
Frich P.; Alexander L. V.; Della-Marta P.; Gleason B.; Haylock M.; Klein Tank A.
M. G.; Tom Peterson; 2002: Observed coherent change in climatic extremes during the
58
second half of the twentieth century. Climate Research 19: 193-212.
Fu R.; Dickinson R. E.; Chen M.; Wang H.; 2001: Tropical sea surface temperatures
influence the seasonal distribution of precipitation in the Equatorial Amazon? J. Clim.,
14: 4003-4026.
Haylock M. R.; Peterson T.; Alves L. M.; Ambrizzi T.; Anunciação Y. M. T.; Baez J.;
Barros V. R.; Berlato M. A.; Bidegain M.; Coronel G.; Corradi V.; Garcia V. J.; Grimm
A. M.; Karoly D.; Marengo J. A.; Marino M. B.; Moncunill D. F.; Nechet D.; Quintana
J.; Rebello E.; Rusticucci M.; Santos J. L.; Trebejo I.; Vincent L.; 2006: Trends in total
and extreme South American rainfall 1960-2000 and links with sea surface temperature.
Journal of Climate 19: 1490-1512.
Hooper, D. U.; Chaping, F. S.; Ewel, J. J.; Hector, E.; Inchausti, P.; Lavorel, S.;
Lawton, J. H.; Lodge, D. M.; Loreau, M.; Naeem, S.; Schmid, B.; Setala, H.; Symstad, A.
J.; Vandermeer, J.; Wardle, D. A.; 2005: Effects of biodiversity on ecosystem functioning:
A consensus of current knowledge. Ecological Monographs, v. 75, p 3-35.
Intergovernmental Panel on Climate Change IPCC; 2000: Emissions Scenarios: a

special report of IPCC Working Group III (SRES). Cambridge University Press.
Intergovernmental Panel on Climate Change IPCC; 2001: Climate Change - The

Scientific Basis. Contribution of Working Group I to the Third Assessment Report of
the IPCC. Cambridge Univ Press.
Intergovernmental Panel on Climate Change IPCC; 2002: Climate Change and Bio-
diversity. Cambridge, University, 86 p.
Intergovernmental Panel on Climate Change IPCC; 2007: Climate Change: Impacts,

Adaptation and Vulnerability. Working Group II Contribution to the Intergovernmental
Panel on Climate Change Fourth Assessment Report. 2007.
Intergovernmental Panel on Climate Change IPCC; 2013: Climate Change: The Phy-
sical Science Basis. Contribution of Working Group I to the Fifth Assessement Report
of the Intergovernmental Panel on Climate Change. Stocker, T.F., Qin, D., Plattner,
G.-K., Tignor, M., Allen, S.K., Boschung, J., Nauels, A., Xia, Y., Bex, V. and Midgley,
P.M. Eds., Cambridge University Press, Cambridge, United Kingdom and New York, NY,
USA, 1535. http://dx.doi.org/10.1017/CBO9781107415324.
Janjic, Z. I.; 1994: The step-mountain eta coordinate model: Further developments
of the convection, viscous sublayer, and turbulence closure schemes. Monthly Weather
Review, p. 927-945, May.
Johns, T. C. et al.; 2006: The New Hadley Centre Climate Model (HadGEM1): Eva-
luation of Coupled Simulations, Journal of Climate, Vol. 19, No. 7, 2006, pp. 1327-1353.
doi:10.1175/JCLI3712.1.
Karl, T.; Nicholls, N.; Ghazi, A.; 1999: Clivar/gcos/wmo workshop on indices and
59
indicators for climate extremes. Climatic Change.
Klein S. A.; Soden B. J.; Lau N-C.; 1999: Remote Sea Surface Temperature Variations
during ENSO: Evidence for a Tropical Atmospheric Bridge. J. Clim., 12: 917-932.
Kostopoulo, E.; Jones, P. D.; 2005: Assesment of climate extremes in the Eastern
Mediterrenean. Meteorology and Atmospheric Physics, v. 89, p. 69-85.
Lacis, A. A.; Hansen, J. E.; 1974: A parameterization of the absorption of solar

radiation in earthâĂŹs atmosphere. J Atmos Sci.
Li, W.; Fu, R. and Dickinson R. E.; 2006: Rainfall and its seasonality over the Amazon
in the 21st century as assessed by the coupled models for the IPCC AR4 J. Geophys. Res.
111 D02111.
MANTUA, N. J. et al. A Pacific interdecadal climate oscillation with impacts on

salmon production. Bull. Amer. Meteor. Soc., v. 78, p. 1.069-1.079, 1997.
Liebmann B.; Vera C. S.; Carvalho L. M. V.; Camilloni I.; Hoerling M. P.; Barros V. R.;
Báez J.; Bidegain M.; 2004: An observed trend in central South American Precipitation.
Journal of Climate 17: 4357-4367.
Marengo, J. A.; Ambrizzi, T.; Kiladis, G.; Liebmann, B.; 2002: Upper-Air Wave Trains
over the Pacific Ocean and Wintertime Cold Surges in Tropical-Subtropical South Ame-
rica Leading the Freezes in Southern and Southeastern Brazil, Theoretical and Applied
Climatology, Vol. 73, No. 3-4, 2002, pp. 223-242. doi:10.1007/s00704-001-0669-x.
Marengo, J. A.; 2004: Interdecadal variability and trends of rainfall across the Amazon
basin. Theoretical and Applied Climatology 78: 79-96.
Marengo, J.; 2006: Mudanças Climáticas Globais e seus efeitos sobre a Biodiversidade.
Brasilia: Editora Biodiversidade 26, 25p.
Marengo, J.A.; Chou, S.C.; Kay, G.; Alves, L.M.; Pesquero, J.F.; Soares, W.R. et
al.; 2012: Development of Regional Future Climate Change Scenarios in South America
Using the Eta CPTEC/HadCM3 Climate Change Projections: Climatology and Regional
Analyses for the Amazon, São Francisco and the Parana River Basins. Climate Dynamics,
38, 1829-1848. http://dx.doi.org/10.1007/s00382-011-1155-5.
Martin, G. M.; Ringer, M. A.; Pope, V. D.; Jones, A.; Dearden C. and Hinton T.
J.; 2006: The Physical Properties of the Atmosphere in the New Hadley Centre Global
Environmental Model (HADGEM1), Part I: Model Description and Global Climatology,
Journal of Climate, Vol. 19, No. 7, 2006, pp. 1274-1301. doi:10.1175/JCLI3636.1.
Martin, G. M.; Bellouin, N.; Collins, W. J.; Culverwell, I. D.; Halloran, P. R.; Hardi-
man, S. C.; Hinton, T. J.; Jones, C. D.; Mcdonald, R. E.; Mclaren, A. J.; OâĂŹConnor, F.
M.; Roberts, M. J.; Rodriguez, J. M.; Woodward, S.; Best, M. J.; Brooks, M. E.; Brown,
A. R.; Butchart, N.; Dearden, C.; Derbyshire, S. H.; Dharssi, I.; Doutriaux-Boucher, M.;
60
Edwards, J. M.; Falloon, P. D.; Gedney, N.; Gray, L. J.; Hewitt, H. T.; Hobson, M.;
Huddleston, M. R.; Hughes, J.; Ineson, S.; Ingran, W. J.; ; James, P. M.; Johns, T. C.;
Johnson, C. E.; Jones, A.; Jones, C. P.; Joshi, M. M.; Keen, A. B.; Liddicoat, S.; Lock,
A. P.; Maidens, A. V.; Manners, J. C.; Milton, S. F.; Rae, J. G. L.; Ridley, J. K.; Sellar,
A.; Senior, C. A.; Totterdell, I. J.; Verhoef, A.; Vidale, P. L.; Wiltshire, A.; 2011: He
hadgem2 family of met office unified model climate configurations. Geoscientific Model
Development, p. 723-757, Sept.
Mesinger, F.; Janjic, Z. I.; Nickovic, S.; Gavrilov, D.; Deaven, D. G.; 1988: The
step-mountain coordinate: model description and performance for cases of alpine lee
cyclogenesis and for a case of appalachian redevelopment. Monthly Weather Review, p.
1493-1518, July.
Molion, L. C. B.; 2005: Aquecimento global, El Niños, manchas solares, vulcões e

Oscilação Decadal do Pacífico. Climanálise 8 (agosto), disponível em
http://www6.cptec.inpe.br/revclima/revista.
Moss R. H. et al.; 2010: The next generation of scenarios for climate change research
and assessment Nature 463 747-56
Moura, R. G.; Herdies, D. L.; Mendes, D.; Mendes, M. C. D.; 2010: Avaliação do
modelo regional eta utilizando as análises do cptec e ncep. Revista Brasileira de Meteo-
rologia, p. 46-53, Mar.
Oliveira, M. J.; Vecchia, F.; 2009: A Controvérsia das Mudanças Climáticas e do

Aquecimento Global Antropogênico: Consenso Científico ou Interesse Político. Períodico
Eletrônico. FÃşrum Ambiental da Alta Paulista.
Peterson, T. C.; Folland, C.; Greuza, G.; Hogg, W.; Mokssit, A.; Plumer, N.; 2011:
Report on the activities of the working group on climate change detection and related
rapporteurs 1991-2001. 1. ed. Geneve: WMO.
Qian, W.; Lin, X.; 2005: Regional trends in recent precipitation indices in China.
Meteorology and Atmospheric Physics, v. 90, p. 193-207.
Riahi, K.; Rao, S.; Krey, V.; Cho, C.; Chirkov, V.; Fischer, G.; Kindermann, G.;
Nakicenovic, N.; Rafaj, P.; 2011: RCP 8.5 - A scenario of comparatively high greenhouse
gas emissions Clim. Change 109 33-57.
Santos, C. A. C.; 2006: Estimativa e tendências de índices de detecção de mudan-

ças climáticas com base na precipitação diária no Rio Grande do Norte e na Paraíba.
Dissertação de Mestrado âŤĂ Campina Grande.
Santos C. A. C.; Brito J. I. B.; 2007: Análise dos índices de extremos para o semi-
árido do Brasil e suas relações com TSM e IVDN. Revista Brasileira de Meteorologia 22:
303-312.
Santos, C.A.C.; Neale, C.M.U.; Rao, T.V.R.; Silva, B.B.; 2011: Trends in indices for
61
extremes in daily temperature and precipitation over Utah, USA. International Journal
of Climatology, 31: 1813 - 1822 (2011), DOI: 10.1002/joc.2205, 2011.
Santos, C. A. C.; Satyamurty, P.; Santos, E. M.; 2012: Tendências de índices de

extremos climáticos para a região de Manaus-AM. Acta Amazônica, 42, 329 - 336.
Santos, D. C.; Medeiros, R. M.; Brito, J. I. B.; 2013: Análise de índices de precipitação
na Amazônia Ocidental. Revista Brasileira de Geografia Física, 6, 1336-1355.
Satyamurty, P.; Castro, A. A.; Tota, J.; Gularte, L. E. S.; Manzi, A. O.; 2012: Rainfall
trends in the Brazilian Amazon Basin in the past eight decades. Theoretical Applied
Climatology, v. 99, 139-148.
Sestine, M. F.; Alvalá, R. C. S.; Mello, E. M. K.; Valeriano, D. M.; Chou, S. C.;
Nobre, C. A.; Paiva, J. A. C.; Reimer, E. S.; 2002: Vegetation map elaboration for use in
numerical models ("elaboração de mapas de vegetação para utilização em modelos mete-
orolÃşgicos e hidrolÃşgicos") internal report. Instituto Nacional de Pesquisas Espaciais.
Skansi, M. M.; Brunet, M.; SigrÃş, J.; Aguilar, E.; Groening, J. A. A.; Bentancur, O.
J.; Geier, Y. R. C.; Amaya, R. L. C.; Jácome, H.; Ramos, A. M.; Rojas, C. O.; Pasten,
A. M.; Mitro, S. S.; Jiménez, C. V.; Martínes, R.; Alexander, L. V.; Jones, P. D.; 2013:
Warming and wetting signals emerging from analysis of changes in climate extreme indices
over South America. Global and Planetary Change, 100, 295-307.
Spiegel, M.Estatística. 1. ed. São Paulo: Embrapa Pecuária Sudeste (CPPSE), 1972.
Soon, W.; Baliunas, S.; 2003: Proxy climatic and environmental changes of the past
1000 years. Climate Research, v. 23, 89-110.
Subak, S.; Palutikof, J. P.; Agnew, M. D.; Watson, S. J.; Bentham, C. G.; Cannell,
M. G. R.; Hulme, M.; McNally, S.; Thornes, J. E.; Waughray, D.; Woods, J. C.; 2000:
The impact of the anomalous weather of 1995 on the UK economy. Climatic Change, v.
44, p. 1-26.
Tucci, C. E. M.; 2002: Impactos da variabilidade climática e o Uso do solo sobre os

recursos hídricos. In: FÃşrum Brasileiro de Mudanças Climáticas - Câmara Temática de
Recursos Hídricos, Brasília, maio.
Valverde, M. C.; Marengo, J. A.; 2014: Extreme rainfall indices in the hydrographic
basins of brazil. Open Journal of Modern Hydrology.
Walsh, K.; Pittock, A. B.; 1998: Potential changes in tropical storms, hurricanes, and
extreme rainfall events as a result of climate change. Climatic Change, v. 39, p. 199-213.
Warner, T. T.; 2011: Numerical weather and climate prediction. 1. ed. New York:
Cambrigde University Press.
You, Q.; Kang, S.; Aguilar, E.; Pepin, N.; Flugel, W.; Yan, Y.; Xu, Y.; Zhang, Y.;
62
Huang, J.; 2010: Changes in daily climate extremes in China and their connection to the
large scale atmospheric circulation during 1961-2003. Climate Dynamics, 36:2399-2417
(2011), DOI: 10.1007/s00382-009-0735-0.
Yin, L.; Fu, R.; Shevilakova, E.; Dickinson, R. E.; 2013: How well can CMIP5 simulate
precipitation and its controlling processes over tropical South America? Clim. Dyn. 41
3127-43.
Zhang, X.; Yang, F.; 2004: RClimDex (1.0) User Guide. Climate Research Branch
Environment Canada. Downsview (Ontario, Canada), 22p.
Zhao, Q.; Black, T. L.; Baldwinb, M. E.; 1997: Implementation of the cloud prediction
scheme in the eta model at ncep. Weather and Forecasting, p. 697-712, Sept.
Zin, W. Z. W.; Jamaludin, S.; Deni, S. M.; Jemain, A. A.; 2010: Recent changes
in extreme rainfall events in Peninsular Malaysia: 1971-2005. Theoretical and Applied
Climatology, 99: 303-314.
63
APÊNDICE A
Figura 15: Média climatológica do índice climático Número consecutivo de dias secos - CDD,
utilizando o cenário RCP 8.5 para: (a) EXP-CTRL (1981-1990), (b) EXP-FP8.5 (2021-2050) e
(c) EXP-FD8.5 (2071-2100).
Figura 16: Média climatológica do índice climático Número consecutivo de dias umidos - CWD,
(c) EXP-FD8.5 (2071-2100).
Figura 17: Média climatológica do índice climático Número total de dias secos - NDD, utilizando
o cenário RCP 8.5 para: (a) EXP-CTRL (1981-1990), (b) EXP-FP8.5 (2021-2050) e (c) EXP-
FD8.5 (2071-2100).
64
Figura 18: Média climatológica do índice climático Número total de dias umidos - NDD,
(c) EXP-FD8.5 (2071-2100).
Figura 19: Média climatológica do índice climático Quantidade total de chuva em dias úmidos
- PRECPTOT, utilizando o cenário RCP 8.5 para: (a) EXP-CTRL (1981-1990), (b) EXP-FP8.5
(2021-2050) e (c) EXP-FD8.5 (2071-2100).
Figura 20: Média climatológica do índice climático Quantidade máxima de chuva ocorrida em
1 dia - R1D, utilizando o cenário RCP 8.5 para: (a) EXP-CTRL (1981-1990), (b) EXP-FP8.5
(2021-2050) e (c) EXP-FD8.5 (2071-2100).
65
Figura 21: Média climatológica do índice climático Quantidade máxima de chuva ocorrida em
5 dia - R5D, utilizando o cenário RCP 8.5 para: (a) EXP-CTRL (1981-1990), (b) EXP-FP8.5
(2021-2050) e (c) EXP-FD8.5 (2071-2100).
Figura 22: Média climatológica do índice climático Percentil de 95% de chuva - P95%, utilizando
o cenário RCP 8.5 para: (a) EXP-CTRL (1981-1990), (b) EXP-FP8.5 (2021-2050) e (c) EXP-
FD8.5 (2071-2100).

01 Dissertação Adriane

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

01 Dissertação Adriane

Enviado por

Direitos autorais:

Formatos disponíveis

INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA - INPA

UNIVERSIDADE DO ESTADO DO AMAZONAS - UEA

avaliação de índices climáticos na amazônia para meados

Adriane Lima Brito

avaliação de índices climáticos na amazônia para meados

Orientador: Dr. José Augusto Paixão Veiga

Dissertação apresentada ao Instituto

A todos os meus familiares e amigos que me incentivaram a seguir em frente.

A CAPES (Coordenação de Aperfeiçoamento do Pessoal de Ensino Superior) pela

A UEA (Universidade do Estado do Amazonas), INPA (Instituto Nacional e Pesqui-

A todos os professores que contribuíram com o meu aprendizado.

As amigas, Patricia e Adriane e demais amigos pela amizade e companheirismo. Con-

A meus companheiros de trabalho das salas B09 e C06.

A todos, muito obrigada...

O efeito estufa é um fenômeno que ocasiona o aquecimento natural da superfície terres-

Palavras-chave: Índices Climáticos, Bacia Amazônica, Precipitação, Modelo ETA

Keyword: Climate Indices, Amazon Basin, Rainfall, Model ETA

5 VALIDAÇÃO DO MODELO ETA 20

6 AVALIAÇÃO DO ÍNDICES CLIMÁTICOS PARA O CENÁRIO RCP

A composição da atmosfera terrestre é constituída por vários gases, sendo o Nitrogênio

Dessa forma, para as próximas duas décadas, presumi-se um aquecimento de cerca de

No que se refere a região Amazônica, estudos recentes apontam que o aquecimento

Dessa forma, é consenso atualmente que, mudanças climáticas na temperatura e na

O aumento nas perdas econômicas e de vidas devido a extremos de tempo (e clima),

Variações na precipitação têm implicações no ciclo hidrológico e recursos hídricos.

nado local é observado se ocorreram mudanças no clima. No final da década de 1990,

Dessa forma, no presente trabalho, foram calculados índices climáticos dependentes

2.1 Objetivo geral

2.2 Objetivos específicos

1) Quantificar a destreza do modelo ETA em reproduzir os índices climáticos utilizados

2) Avaliar as anomalias nos índices climáticos para o período de 2020-2050, considerado

3) Avaliar as anomalias nos índices climáticos para o período de 2070-2100, considerado

4) Determinar e avaliar campos de anomalias climáticas das variáveis meteorológicas e

5) Determinar e avaliar campos de anomalias climáticas baseados em campos de com-

O tema Mudanças Climáticas e Aquecimento Global veio à tona na década de 1980,

Com a intenção de facilitar o entendimento sobre mudanças climáticas, Tucci (2002)

Frich et al. (2002) elaboraram um novo conjunto de dados globais indicadores de

Liebmann et al. (2004), analisando as tendências sazonais de chuva sobre a região

de janeiro a março durante o período de 1976-1999, observadas também no período de

Na Bacia Amazônica, estudos observacionais realizados por Marengo (2004) identifica-

Alexander et al. (2006) analisaram índices extremos de temperatura e precipitação

Santos e Brito (2007) verificaram tendências de índices de detecção de mudanças cli-

Satyamurty et al. (2010), com base em séries de precipitação de 18 estações localizadas

Skansi et al. (2013) utilizaram séries de temperatura máxima e mínima e de preci-

Santos et al. (2013) verificou as correlações de índices de detecção de mudanças climá-

influência sobre a precipitação total da região estudada. O Índice simples de intensidade

4.1 Dados Observados

4.1.1 Dados Provenientes do Modelo ETA

4.1.2 Modelo Global HadGEM2

Sua resolução horizontal é de 1,875∘ de latitude × 1,25∘ de longitude com 38 níveis

4.1.3 O Modelo de Mesoescala ETA

onde 𝑝 é a pressão atmosférica e 𝑍 a altura. Os índices de 𝑡 e 𝑠𝑓 𝑐 indicam pressão no

4.1.4 Os cenários RCPs

O RCP2.6 é desenvolvido pela IMAGE modeling team of the Netherlands Environ-

Índice Definição Expressão Unidades

O número máximo anual de dias consecutivos secos (CDD) é calculado considerando-

O número máximo anual de dias consecutivos chuvosos (CWD) é calculado considerando-

O número máximo anual de dias chuvosos (NWD) é calculado considerando-se que,

A quantidade máxima de precipitação em um dia (R1D) é calculada considerando-se

A quantidade máxima de precipitação em cinco dias (R5D) é calculada considerando-

A quantidade de precipitação anual superior ao percentil de 95 (R95P) é calculada

O total anual de precipitação em dias úmidos (PRECPTOT) é calculado considerando-

4.2.2 Validação do modelo ETA