Tese 17034 Dissertacao JulielzaBetzelBaldotto VersaoFinal

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO TECNOLÓGICO
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AMBIENTAL
JULIELZA BETZEL BALDOTTO
AVALIAÇÃO DO DÉFICIT HÍDRICO NA REGIÃO HIDROGRÁFICA DO ESTADO DO ESPÍRITO SANTO
Vitória-ES
2022
JULIELZA BETZEL BALDOTTO
AVALIAÇÃO DO DÉFICIT HÍDRICO NA REGIÃO HIDROGRÁFICA DO ESTADO DO ESPÍRITO SANTO
Dissertação de mestrado apresentada ao Programa

de Pós-Graduação em Engenharia Ambiental do
Centro Tecnológico da Universidade Federal do
Espírito Santo, como requisito parcial para obtenção
do título de Mestre em Engenharia Ambiental.
Área de concentração de Saneamento Ambiental.
Orientador: Prof. Dr. Diogo Costa Buarque.
Vitória-ES
2022
Ficha catalográfica disponibilizada pelo Sistema Integrado de
Bibliotecas - SIBI/UFES e elaborada pelo autor
Baldotto, Julielza Betzel, 1984-

B178a BalAVALIAÇÃO DO DÉFICIT HÍDRICO NA REGIÃO
HIDROGRÁFICA DO ESTADO DO ESPÍRITO SANTO /
Julielza Betzel Baldotto. - 2022.
Bal175 f. : il.
BalOrientador: Diogo Costa Buarque.

BalDissertação (Mestrado em Engenharia Ambiental) -
Universidade Federal do Espírito Santo, Centro Tecnológico.
Bal1. Secas. 2. Gravidade (Física) - Medição. 3. Modelos

matemáticos. 4. Massas de água. 5. Sensoriamento Remoto. 6.
Espírito Santo. I. Buarque, Diogo Costa. II. Universidade Federal
do Espírito Santo. Centro Tecnológico. III. Título.
CDU: 628
012345671ÿ9 69 1ÿ 7945675ÿ216145ÿ5 271ÿ61ÿ171211ÿ5ÿ 69739ÿ216 79675ÿ65 75ÿ931ÿ5ÿ16 5ÿÿ1 5ÿ529ÿ9ÿ9375672 9 5ÿ1ÿ45 41
012345671ÿ9 69 1ÿ 7945675ÿ216145ÿ5 271ÿ61ÿ171211ÿ5ÿ 69739ÿ216 79675ÿ65 75ÿ931ÿ5ÿ16 5ÿÿ1 5ÿ529ÿ9ÿ9375672 9 5ÿ1ÿ45 41
ÿÿÿÿ
012324252ÿ78ÿ9 93 19
ÿ!"#$%ÿ&'"&ÿ('ÿ&))'$&ÿ'*'%&+"#$%#ÿ"ÿ)#$,&ÿ#+#%-.$'&ÿ&%-&/0)ÿÿ-%+
1#23ÿ$(-"#ÿ-%&-'&ÿÿ$4ÿ56789ÿ#ÿ:;<;=<7;5=3ÿ>-
?ÿ@ÿABÿCÿÿ5;D7E==
#>&-%&"#$%ÿ#ÿ$*#$,&-'&ÿ"2'#$%&+ÿCÿ<@
"ÿ;=<57<7;77ÿF)ÿ5;G:=
&-&ÿ/#-'('&-ÿ&)ÿ&))'$&%!-&)ÿ#ÿ/')!&+'H&-ÿÿ!"#$%ÿ-'*'$&+ÿ&#))#ÿÿ+'$IG
,%%>)G<<&>'6+#>')"&6!(#)62-<&-J!'/)C&))'$&)<85=E8EK%'>-J!'/L
MNOPQRSTNÿVWWXSVYNÿYXZXTV[QRSTRÿONS\N]QRÿYRWO]XTNÿSN^W_ÿ̀]NTNON[N^W_ÿYRÿaWWXSVTP]VÿONSWTVSTR^W_ÿSRWTRÿV]bPXcNdÿYRÿNSYRÿeÿfNWWgcR[ÿcR]X\XOV]ÿVÿVPTRSTXOXYVYRÿYNÿQRWQNh
AGRADECIMENTOS
Agradeço a Deus por estar viva em um momento que vários se foram. Essa foi uma das maiores
vitórias conquistadas. Obrigado por permitir completar essa fase de minha vida.
Muitíssimo obrigado ao Professor Diogo Costa Buarque pela oportunidade, confiança, paciência, por
me mostrar os caminhos que deveriam ser percorridos. Admiro a dedicação que depreende a todos
os seus alunos. Obrigada!
À minha mãe, vovó e vovô (em memória), vocês são meus exemplos de vida, me ensinaram que devo
trabalhar com afinco, dedicação e honestidade para sobreviver. Nada mais honroso do que esse
legado.
Agradeço a minha família não consanguínea, por me incentivar a continuar estudando e apoiar
minhas decisões. Obrigada meu amor, Dona Acuelina e Sr. Otacílio. Vocês são o exemplo do que deve
ser uma instituição familiar.
Inúmeros obrigados à Lizandra Broseghini Föeger. Ainda não sei como agradecer toda ajuda, ombro
amigo, incentivo e carinho que teve com minha pessoa. Você é maravilhosa, alma caridosa e
bondosa que Deus colocou em meu caminho. Levo comigo uma amizade muito especial. Assim
como, a de Gabriela Passamani. Obrigada Gabi por compartilhar seus conhecimentos comigo.
Também será difícil lhe retribuir em vida.
Obrigado aos meus amigos Professor Flávio Vassallo e Brunella dos Santos. Foram várias boas
conversas e conselhos advindos de vocês. A todos do LabHig-CT4-Sala5 agradeço pela ajuda.
Franciélli, Carolina e Luiz Eduardo, muito obrigado.
Meu agradecimento a Antonio Alves Meira Neto que me apresentou à ferramenta GRACE. Aos
professores Rodrigo Cauduro Dias de Paiva, Antônio Sergio Ferreira Mendonça e André Luiz
Nascentes Coelho, obrigado pelas contribuições e pela disposição em ajudar.
Aos professores e estudantes do Instituto de Pesquisas Hidráulicas- IPH da UFRGS, em especial a

Adriana Moreira, que me assistiu prontamente, obrigado.
Considero esse trabalho parte de cada um de vocês.
No mais, agradeço à Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – CAPES pelo

apoio financeiro, sem o qual essa realização não seria possível.
RESUMO
O estudo dos déficits de armazenamento de água sobre uma região, caracterizando suas variações
no espaço e no tempo, determinando o que seria considerado evento seco, revela possíveis
comportamentos do que pode ser esperado como uma crise hídrica ou sinais de alerta para a
mesma. O Estado do Espírito Santo passou por um longo período, iniciado em 2014, em crise pela
falta de água, chegando à priorização do recurso para consumo humano. Esses eventos secos têm
sido estudados por meio de índices que consideram, por muitas vezes, a falta do regime normal de
chuva, apenas sobre a ótica da meteorologia ou somente voltado para a área agrícola. No entanto,
algumas ferramentas conseguem registrar variações das massas de água em toda sua verticalidade,
alcançando assim, a determinação dos períodos em que ocorreram as mudanças sobre o
armazenamento de água de uma forma mais ampla, sobre todo o ecossistema. Para tanto, análises
gravimétricas estão sendo utilizadas para registrar o movimento das águas ao longo do globo
terrestre e em escala temporal. A missão GRACE (Gravity Recovery and Climate Experiment) é um par
de satélites que possui sensores capazes de capturar esse tipo de informação e por processamento
desses sinais, diagnosticar valores que representam o equivalente em água de uma região, ou seja, o
que está armazenado na localidade em um período. Nesse estudo, valores de anomalia média
mensal de armazenamento de água, sobre cada bacia hidrográfica que compõe a região do Estado do
Espírito Santo, são utilizados para caracterizar eventos secos no período de 2002 a 2020. Além isso, o
modelo MGB é avaliado como ferramenta capaz de simular valores de armazenamento de água em
comparação com GRACE e pela projeção de valores de anomalia média mensal de armazenamento
de água caracterizando eventos secos de 1950 a 2019. Como resultado, a missão GRACE diagnosticou
tendência de déficit hídrico de maior intensidade no sentido noroeste da região avaliada e a
recorrência de eventos secos de longa duração. Os eventos secos de maior relevância diagnosticados
pelos dados dos satélites compreendem: o período de 2002 a 2004; o período de 2014 a 2017, de
maior severidade e magnitude; e, o período de 2018 a 2020, ocorrendo antes do evento anterior se
recuperar. A simulação de armazenamento de água com o MGB se mostrou capaz de reproduzir
valores de déficits hídricos, quando reproduz os anos de 2003, 2007-2008 e a década dos anos 2010
com eventos secos, com eficiência e compatibilidade de resultados com os valores produzidos pelos
satélites GRACE, principalmente para bacias de maior porte. Na projeção de valores de anomalia
média mensal de armazenamento de água com o MGB para o período de 1950-2019, a simulação
demonstrou que a região hidrológica em que está inserido o Espírito Santo sofreu com eventos secos
relevantes em grande parte da década de 50, em alguns anos da década de 60 e 70, na segunda
metade da década de 80, em toda a década de 90, em alguns anos da década de 2000 e com a última
delongada seca, de 2014 a 2019. Dessas, grande parte é citada em literatura. O que reforça suas
possíveis ocorrências. Sendo assim, pode-se inferir que a região do Espírito Santo já passou por secas
tão severas quanto a de 2014. E que, por esses resultados, o trabalho demonstrou que os sinais do
GRACE capturaram os principais eventos secos ocorridos no Espírito Santo. Já o MGB se mostrou
uma ferramenta eficaz para reproduzir os valores de armazenamento de água.
PALAVRAS-CHAVE: Seca, GRACE, Armazenamento de Água, Modelagem, Espírito Santo.

ABSTRACT
The study of water storage deficits over a region, characterizing its variations in space and time,
determining what would be considered a dry event, reveals possible behaviors of what can be
expected as a water crisis or warning signs for it. The State of Espírito Santo went through a long
period, starting in 2014, in crisis due to the lack of water, reaching the prioritization of the resource
for human consumption. These dry events have been studied using indices that often consider the
lack of normal rainfall, only from the perspective of meteorology or only focused on the agricultural
area. However, some tools are able to record variations in water masses in all their verticality, thus
achieving the determination of the periods in which changes in water storage occurred in a broader
way, over the entire ecosystem. For this purpose, gravimetric analyzes are being used to record the
movement of water across the globe and on a temporal scale. The GRACE mission (Gravity Recovery
and Climate Experiment) is a pair of satellites that have sensors capable of capturing this type of
information and, by processing these signals, diagnose values that represent the equivalent of water
in a region, that is, what is stored in the locality in a period. In this study, average monthly water
storage anomaly values for each river basin that make up the region of the State of Espírito Santo are
used to characterize dry events in the period from 2002 to 2020. In addition, the MGB model is
evaluated as a tool capable of simulating water storage values compared to GRACE and by projecting
average monthly water storage anomaly values characterizing dry events from 1950 to 2019. As a
result, the GRACE mission diagnosed a trend of water deficit of greater intensity in the northwest
direction of the evaluated region and the recurrence of dry events of long duration. The most
relevant dry events diagnosed by satellite data include: the period from 2002 to 2004; the period
from 2014 to 2017, of greater severity and magnitude; and, the period from 2018 to 2020, occurring
before the previous event recovers. The simulation of water storage with the MGB proved capable of
reproducing water deficit values, when it reproduces the years 2003, 2007-2008 and the decade of
the 2010s with dry events, with efficiency and compatibility of results with the values produced by
the GRACE satellites, mainly for larger basins. In the projection of average monthly water storage
anomaly values with the MGB for the period 1950-2019, the simulation showed that the hydrological
region in which Espírito Santo is located suffered from relevant dry events in most of the 50s, in
some years of the 60s and 70s, in the second half of the 80s, throughout the 90s, in some years of
the 2000s and with the last prolonged drought, from 2014 to 2019. Of these, a large part is cited in
literature. Which reinforces its possible occurrences. Therefore, it can be inferred that the Espírito
Santo region has already experienced droughts as severe as those of 2014. And that, based on these
results, the work demonstrated that the GRACE signals captured the main dry events that occurred in
Espírito Santo. The MGB, on the other hand, proved to be an effective tool to reproduce water
storage values.
Keywords: Drought, GRACE, Water Storage, Modeling, Espírito Santo

LISTA DE FIGURAS
Figura 1. Esquema de classificação de seca em relação as condições meteorológicas e de suas

principais características. ...................................................................................................................... 26
Figura 2. Intensidade do nível de seca para as regiões componentes do projeto Monitor de Seca,
demonstrando que no período de setembro a dezembro de 2019, o ES passava por um estado de
seca moderada a grave. ........................................................................................................................ 33
Figura 3. Mapeamento dos eventos secos em períodos ENSO, para a região da América do Sul. ...... 36
Figura 4. Número de ocorrências realizadas pela Defesa Civil em cada município do Espírito Santo
durante o período de estiagem (2000 a2009). ..................................................................................... 37
Figura 5. Mapa com a valorização de déficits hídricos totais anuais sobre o território capixaba, em
milímetros. ............................................................................................................................................ 38
Figura 6. Mapeamento da intensidade de seca para o noroeste do ES, no período de outubro de 2009
a março de 2010. ................................................................................................................................... 39
Figura 7. Demonstração de mesma órbita seguida pelos satélites GRACE e as variações de

distanciamento entre eles, ocorridas por mudanças na atração gravitacional (setas azuis) nas duas
naves, que são resultantes de mudanças na massa da Terra abaixo dos satélites. ............................. 43
Figura 8. Mapa representativo do espaço territorial do Espírito Santo e suas confrontações com o
Estado de Minas Gerais, Rio de Janeiro, Bahia e com o oceano Atlântico. .......................................... 50
Figura 9. Área hidrográfica de estudo com as principais bacias hidrográficas enumeradas de 1 a 13,
com a divisão geopolítica do Espírito Santo destacada em cor rubra. ................................................. 52
Figura 10. Mascons presentes sobre o território avaliado. .................................................................. 54
Figura 11. Redes de estações pluviométrica, fluviométrica e climatológica utilizadas no estudo, com
dados disponíveis no período idêntico ao GRACE. ............................................................................... 61
Figura 12. Série histórica de valores de armazenamento em água mensais, obtida por meio da
solução Mascon CSR RL06 v02 com resolução de 0,25°, no período de abril de 2002 a abril de 2019,
sobre a região da bacia hidrográfica do rio Santa Maria da Vitória. .................................................... 66
Figura 13. Comparação entre os métodos de preenchimento de falha de dados entre medianas e
médias mensais, para o Mascon de 0,25°, localizado na bacia do rio Santa Maria da Vitória. ............ 67
Figura 14. Curva dupla massa entre os valores acumulados do GRACE (armazenamento de água) e
valores acumulados de precipitação, sobre a região representativa da bacia do Alto Doce, para o
período de 04/2002 a 03/2020. ............................................................................................................ 68
Figura 15. Localização dos postos pluviométricos e fluviométricos utilizados para comparar com os
valores temporais médios de armazenamento de água no período de 04/2002 a 03/2020 . ............. 69
Figura 16. Séries históricas mensais de armazenamento de água (TWS), precipitação (P) e vazão (Q)
para a bacia do Alto Doce, no período de 04/2002 a 03/2020. ............................................................ 70
para a bacia do Médio Rio Doce, no período de 04/2002 a 03/2020. .................................................. 70
para a bacia do Baixo Rio Doce, no período de 04/2002 a 03/2020. ................................................... 71
para a bacia do rio Mucuri, no período de 04/2002 a 03/2020. ........................................................... 71
para a bacia do rio Itaúnas, no período de 04/2002 a 03/2020. .......................................................... 71
para a bacia do rio São Mateus, no período de04/2002 a 03/2020. .................................................... 72
para a bacia do rio Barra Seca, no período de 04/2002 a 03/2020. ..................................................... 72
para a bacia do rio Riacho, no período de 04/2002 a 03/2020. ........................................................... 72
para a bacia do rio Santa Maria da Vitória, no período de 04/2002 a 03/2020. .................................. 73
para a bacia do rio Jucu, no período de 04/2002 a 03/2020. ............................................................... 73
para a bacia do rio Benevente, no período de 04/2002 a 03/2020. ..................................................... 73
para a bacia do rio Itapemirim, no período de 04/2002 a 03/2020. .................................................... 74
para a bacia do rio Itabapoana, no período de 04/2002 a 03/2020. .................................................... 74
Figura 29. Visualização por localização dos gráficos representativos da variação temporal do
armazenamento de água médio (TWS)................................................................................................. 75
Figura 30. Zoom gráfico da variação temporal do armazenamento de água médio (TWS) em cada
bacia hidrográfica da região de estudo. ................................................................................................ 76
Figura 31. Série histórica do Mascon ID 13865, localizado na bacia do rio Santa Maria da Vitória. .... 77
Figura 32. Série histórica de armazenamento de água da bacia do rio Santa Maria da Vitória
produzida por média ponderada dos valores dos Mascon que compõem a área................................ 77
Figura 33. Distribuição espacial de valores máximos (a) e valores mínimos (b) de armazenamento de
água sobre a área de estudo. ................................................................................................................ 78
8
Figura 34. Distribuição espacial da variância e do desvio padrão da série histórica de armazenamento
de água sobre a região avaliada. ........................................................................................................... 79
Figura 35. Valores de anomalia média mensal de armazenamento de água (TWSA). ......................... 80
Figura 36. Valores de desvio padrão mensais de anomalia média mensal de armazenamento de água
(TWSA)................................................................................................................................................... 81
Figura 37. Valores de anomalia média mensal de armazenamento de água (TWSA) para cada bacia
hidrográfica, fixados valores de eixo de -4,0 a 3,0 centímetros de altura. ........................................... 82
Figura 38. Variação do índice de seca SPI 09 para um ponto na área de estudo demonstrando os
períodos secos....................................................................................................................................... 83
Figura 39. Mapa indicativo de posições geográficas possuidoras de série histórica de valores de
armazenamento de água com evidência de tendência (em branco) e com ausência de tendência (em
preto)..................................................................................................................................................... 84
Figura 40. Variações espaciais do coeficiente angular da reta de inclinação de tendência segundo
método de Theil-Sen. ............................................................................................................................ 85
Figura 41. Séries históricas e linhas de tendências pelo método de Theil-Sen (vermelho) e linha de
tendência pelo método de regressão linear (verde). ........................................................................... 86
Figura 42. Frequência de ocorrência de eventos secos por intervalo de tempo de duração em cada
bacia hidrográfica. ................................................................................................................................. 91
Figura 43. Variabilidade de dados TWSA para cada bacia hidrográfica avaliada.................................. 91
Figura 44. Representação mensal dos períodos de recuperação mínimo e médio de valores de déficit
hídrica em cada bacia hidrográfica avaliada. ....................................................................................... 97
Figura 45. Visualização do resultado da aplicação do coeficiente de Nash para todos os postos no
período de calibração 2001-2019. ...................................................................................................... 103
Figura 46. Visualização do resultado da aplicação do coeficiente de Nash para todos os postos no
período de calibração automática 1990-2019. ................................................................................... 103
Figura 47. Visualização do resultado da aplicação do coeficiente de Erro de Volume para todos os
postos no período de calibração 2001-2019....................................................................................... 104
Figura 48. Visualização do resultado da aplicação do coeficiente de Erro de Volume para todos os
postos no período de calibração automática 1990-2019. .................................................................. 105
Figura 49. Comparação entre séries de valores de anomalia média mensal de precipitação advindas
do IMERG e MGB, no período de 2002 a 2019, para as bacias avaliadas. .......................................... 106
Figura 50. Comparação entre séries de valores anomalia média mensal de evapotranspiração
produzidas pelo MODIS e MGB, no período de 2002 a 2014, para as bacias avaliadas. .................... 108
9
Figura 51. Correlação entre valores medidos de precipitação e vazão, e evapotranspiração estimada
pelo MGB, com dados de armazenamento de água do GRACE. ......................................................... 111
Figura 52. Comparação entre os valores de anomalia média mensal de armazenamento de água do
GRACE e MGB, no período 04/2002 a 03/2020. ................................................................................. 112
Figura 53. Valores previstos médio de TWSA para a bacia do Alto Doce. ......................................... 118
Figura 54. Valores previstos médio de TWSA para a bacia do Médio Doce. ...................................... 119
Figura 55. Valores previstos médio de TWSA para a bacia do Baixo Doce. ........................................ 119
Figura 56. Valores previstos médio de TWSA para a bacia do rio Mucuri. ......................................... 119
Figura 57. Valores previstos médio de TWSA para a bacia do rio Itaúnas. ......................................... 120
Figura 58. Valores previstos médio de TWSA para a bacia do rio São Mateus................................... 120
Figura 59. Valores previstos médio de TWSA para a bacia do rio Barra Seca..................................... 120
Figura 60. Valores previstos médio de TWSA para a bacia do rio Riacho. .......................................... 121
Figura 61. Valores previstos médio de TWSA para a bacia do rio Santa Maria da Vitória.................. 121
Figura 62. Valores previstos médio de TWSA para a bacia do rio Jucu............................................... 121
Figura 63. Valores previstos médio de TWSA para a bacia do rio Benevente. ................................... 122
Figura 64. Valores previstos médio de TWSA para a bacia do rio Itapemirim. ................................... 122
Figura 65. Valores previstos médio de TWSA para a bacia do rio Itabapoana. .................................. 122
Figura 66. Localização da Bacia do Alto Doce com sua altimetria e principais trechos de drenagem.123
Figura 67. Localização da Bacia do Médio Doce com sua altimetria e principais trechos de drenagem.
............................................................................................................................................................. 125
Figura 68. Localização da Bacia do Baixo Doce com sua altimetria e principais trechos de drenagem.
............................................................................................................................................................. 127
Figura 69. Localização da Bacia do rio Mucuri com sua altimetria e principais trechos de drenagem.
............................................................................................................................................................. 129
Figura 70. Localização da Bacia do rio Itaúnas com sua altimetria e principais trechos de drenagem.
Bacia do rio Itaúnas ............................................................................................................................. 131
Figura 71. Localização da Bacia do rio São Mateus com sua altimetria e principais trechos de
drenagem. ........................................................................................................................................... 133
Figura 72. Localização da Bacia do rio Barra Seca com sua altimetria e principais trechos de
drenagem. ........................................................................................................................................... 135
10
Figura 73. Localização da Bacia do rio Riacho com sua altimetria e principais trechos de drenagem.
............................................................................................................................................................. 137
Figura 74. Localização da Bacia do rio Santa Maria de Jetibá com sua altimetria e principais trechos de
drenagem. ........................................................................................................................................... 139
Figura 75. Localização da Bacia do rio Jucu com sua altimetria e principais trechos de drenagem. .. 141
Figura 76. Localização da Bacia do rio Benevente com sua altimetria e principais trechos de
drenagem. ........................................................................................................................................... 143
Figura 77. Localização da Bacia do rio Itapemirim com sua altimetria e principais trechos de
drenagem. ........................................................................................................................................... 145
Figura 78. Localização da Bacia do rio Itabapoana com sua altimetria e principais trechos de
drenagem. ........................................................................................................................................... 147
Figura 79. Evolução da área irrigada no Brasil ao longo do tempo..................................................... 149
Figura 80. Tempos de recuperação médios e mínimos para os eventos secos simulados pelo MGB, de
04/2002 a 12/2019. ............................................................................................................................ 152
Figura 81. Infográfico contendo as referências bibliográficas consultadas, que citam os eventos secos
ocorridos para as várias regiões brasileiras, em cada década do período simulado pelo MGB. ........ 154
Figura 82. Comparação entre valores de anomalia média mensal de armazenamento de água
produzidas pelo GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do Alto Doce. ...... 174
produzidas pelo GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do Médio Doce. .. 174
produzidas pelo GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do Baixo Doce. .... 175
produzidas pelo GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do rio Mucuri. ..... 175
produzidas pelo GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do rio Itaúnas. ..... 175
produzidas pelo GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do rio São Mateus.
............................................................................................................................................................. 176
produzidas pelo GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do rio Barra seca. 176
produzidas pelo GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do rio Riacho. ...... 176
11
produzidas pelo GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do rio Santa Maria da
Vitória. ................................................................................................................................................. 177
produzidas pelo GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do rio Jucu........... 177
produzidas pelo GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do rio Benevente. 177
produzidas pelo GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do rio Itapemirim. 178
produzidas pelo GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do rio Itabapoana.
............................................................................................................................................................. 178
12
LISTA DE TABELAS
Tabela 1. Classificação de seca ocorrida no mês de janeiro (verão) e junho (inverno) de acordo com a
altura de precipitação ocorrida na região noroeste do ES.................................................................... 39
Tabela 2. Períodos de seca comum a toda área avaliada com bacia que apresentou maior
quantitativo de meses em déficit hídrico. ............................................................................................ 89
Tabela 3. Quantitativo de meses em déficit hídrico no período GRACE............................................... 90
Tabela 4. Magnitude negativa (cm) ocorrida em cada bacia hidrográfica em cada evento seco......... 92
Tabela 5. Medidas indicativas de severidade (cm) de cada evento seco em cada bacia hidrográfica da
região norte........................................................................................................................................... 94
Tabela 6. Valores observados do teste Kolmogorov-Smirnov que são menores que o valor crítico,
aceitando assim, a hipótese nula de aproximação de distribuição normal. ......................................... 95
Tabela 7. Somatório do tempo de recuperação médio dos períodos de eventos secos, em meses. ... 98
Tabela 8. Somatório do tempo de recuperação mínimo de cada mês em déficit hídrico nos períodos
de eventos secos. .................................................................................................................................. 99
Tabela 9. Porcentagem de sub-bacias qualificadas segundo classificação de Moreasi et al. (2007) para
o coeficiente de Nash-Sutcliffe e Nash-Sutcliffe do Logaritmo em cada período simulado. .............. 101
Tabela 10. Porcentagem de bacias qualificadas segundo classificação de Moreasi et al. (2007) para o
coeficiente de Erro de Volume em cada período simulado. ............................................................... 104
Tabela 11. Coeficientes de ajustes entre valores de anomalia média mensal de precipitação advindos
do IMERG e MGB, nas bacias do norte e do rio Doce. ........................................................................ 108
Tabela 12. Coeficientes de ajuste entre valores de anomalia média mensal de precipitação advindos
do IMERG e MGB, nas bacias da região centro-sul. ............................................................................ 108
Tabela 13. Coeficientes de ajuste entre valores de anomalia média mensal de evapotranspirações do
MODIS e do MGB, nas bacias da região norte e do rio Doce. ............................................................. 110
Tabela 14. Coeficientes de ajustes entre valores de anomalia média mensal de evapotranspirações do
MODIS e MGB, nas bacias da região centro-sul. ................................................................................. 111
Tabela 15. Estatísticas de eficiência de ajuste entre valores de anomalia média mensal de
armazenamento de água estimados com o MGB e o GRACE para bacias da região do Doce e norte.
............................................................................................................................................................. 114
Tabela 16. Estatísticas de eficiência de ajuste entre valores de anomalia média mensal de
armazenamento de água estimados com o MGB e o GRACE para bacias da região centro-sul ......... 115
Tabela 17. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do Alto Doce. ..... 124
Tabela 18. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do Médio Doce. . 125
Tabela 19. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do Baixo Doce .... 127
Tabela 20. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Mucuri. .... 129
Tabela 21. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Itaúnas..... 131
Tabela 22. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio São Mateus.
............................................................................................................................................................. 133
Tabela 23. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Barra Seca.
............................................................................................................................................................. 135
Tabela 24. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Riacho...... 137
Tabela 25. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Santa Maria
da Vitória. ............................................................................................................................................ 139
Tabela 26. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Jucu. ........ 141
Tabela 27. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Benevente.
............................................................................................................................................................. 143
Tabela 28. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Itapemirim.
............................................................................................................................................................. 145
Tabela 29. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Itabapoana.
............................................................................................................................................................. 147
Tabela 30. Resultados da aplicabilidade do teste não paramétrico Kolmogorov-Smirnov para os dados
de armazenamento de água simulados pelo MGB de 04/2002 a 12/2019. ....................................... 150
Tabela 31. Demonstração anual de quais bacias apresentaram déficit hídrico, considerando as
referências bibliográficas consultadas, que estão enumeradas de acordo com a Figura 81. ............ 155
14
SUMÁRIO
1 INTRODUÇÃO ................................................................................................................................ 18
2 OBJETIVOS ..................................................................................................................................... 21
2.1 OBJETIVO GERAL ................................................................................................................... 21
2.2 OBJETIVOS ESPECÍFICOS ........................................................................................................ 21
3 FUNDAMENTAÇÃO TEÓRICA ......................................................................................................... 22
3.1 SECA....................................................................................................................................... 22
3.1.1 Características ............................................................................................................... 23
3.1.2 Classificação .................................................................................................................. 25
3.1.3 Monitoramento ............................................................................................................. 26
3.1.3.1 Monitoramento Internacional................................................................................... 28
3.1.3.2 Monitoramento Nacional .......................................................................................... 29
3.1.4 Eventos secos ................................................................................................................ 34
3.2 AVALIAÇÃO DE SECAS E ARMAZENAMENTO DE ÁGUA......................................................... 40
3.3 GRACE .................................................................................................................................... 42
3.4 ESTIMATIVA DO ARMAZENAMENTO DE ÁGUA COM O GRACE ............................................ 45
3.5 MODELAGEM HIDROLÓGICA E ARMAZENAMENTO DE ÁGUA ............................................. 46
3.6 ERROS E INCERTEZAS............................................................................................................. 47
4 METODOLOGIA.............................................................................................................................. 50
4.1 ÁREA DE ESTUDO .................................................................................................................. 50
4.2 DELIMITAÇÃO DE TERRITÓRIO E DEMARCAÇÃO DE BACIAS ................................................. 52
4.3 ANÁLISE DE EVENTO SECO COM O GRACE............................................................................ 53
4.3.1 Sazonalidade e anomalia ............................................................................................... 55
4.3.2 Tendência ...................................................................................................................... 55
4.3.3 Períodos Secos - Duração .............................................................................................. 57
4.3.4 Frequência ..................................................................................................................... 57
4.3.5 Magnitude ..................................................................................................................... 58
4.3.6 Severidade ..................................................................................................................... 58
4.3.7 Tempo de recuperação da seca .................................................................................... 58
4.4 MODELAGEM MGB: PERÍODO GRACE................................................................................... 59
4.4.1 Calibração e validação MGB .......................................................................................... 61
4.4.2 Avaliações iniciais com informações de sensores remotos .......................................... 62
4.4.3 Armazenamento de água com o modelo MGB ............................................................. 63
4.4.4 Métricas de comparação das séries GRACE e MGB ...................................................... 64
4.5 MODELAGEM MGB: PERÍODO DE PREVISÃO ........................................................................ 65
5 RESULTADOS ................................................................................................................................. 66
5.1 DÉFICIT HÍDRICO COM O GRACE ........................................................................................... 66
5.1.1 Preenchimento de Falhas .............................................................................................. 66
5.1.2 Análise inicial entre séries históricas (precipitação, vazão e armazenamento)............ 68
5.1.3 Séries históricas de armazenamento hídrico ................................................................ 74
5.1.4 Sazonalidade e anomalia ............................................................................................... 79
5.1.5 Tendência ...................................................................................................................... 83
5.1.6 Identificação de períodos de déficit hídrico .................................................................. 87
5.1.7 Frequência de Ocorrência de Eventos Secos ................................................................ 90
5.1.8 Variabilidade do Déficit Hídricos ................................................................................... 91
5.1.9 Severidade do Déficit Hídrico ........................................................................................ 93
5.1.10 Tempo de recuperação da seca .................................................................................... 95
5.2 ARMAZENAMENTO DE ÁGUA COM O MODELO MBG ........................................................ 100
5.2.1 Calibração e validação ................................................................................................. 101
5.2.2 Avaliações iniciais da precipitação .............................................................................. 105
5.2.3 Avaliações iniciais com dados MODIS ......................................................................... 108
5.2.4 Avaliações iniciais entre precipitação, evapotranspiração, vazão e armazenamento 111
5.2.5 Comparação entre armazenamento de água GRACE e MGB...................................... 112
5.3 PREVISÃO DE ARMAZENAMENTO DE ÁGUA COM MGB ..................................................... 116
5.3.1 Caracterização dos períodos em déficit hídrico .......................................................... 122
5.3.1.1 Bacia do Alto Doce .................................................................................................. 123
5.3.1.2 Bacia do Médio Doce............................................................................................... 125
5.3.1.3 Bacia do Baixo Doce ................................................................................................ 127
5.3.1.4 Bacia do rio Mucuri ................................................................................................. 129
5.3.1.5 Bacia do rio Itaúnas ................................................................................................. 131
5.3.1.6 Bacia do rio São Mateus .......................................................................................... 133
5.3.1.7 Bacia do rio Barra Seca ............................................................................................ 135
5.3.1.8 Bacia do rio Riacho .................................................................................................. 137
5.3.1.9 Bacia do rio Santa Maria da Vitória ......................................................................... 139
5.3.1.10 Bacia do rio Jucu .................................................................................................. 141
5.3.1.11 Bacia do rio Benevente........................................................................................ 143
5.3.1.12 Bacia do rio Itapemirim ....................................................................................... 145
5.3.1.13 Bacia do rio Itabapoana....................................................................................... 147
5.3.1.14 Considerações gerais sobre os eventos secos nas bacias ................................... 148
5.3.1.15 Tempo de recuperação ....................................................................................... 150
5.3.2 Comparação entre os eventos de seca simulados e consulta literária ....................... 153
5.4 CONSIDERAÇÕES FINAIS ...................................................................................................... 158
16
5.5 RECOMENDAÇÔES PARA TRABALHOS FUTUROS ................................................................ 159
6 CONCLUSÕES ............................................................................................................................... 159
7 REFERÊNCIAS BIBLIOGRÁFICAS ................................................................................................... 160
17
1 INTRODUÇÃO
O ciclo hidrológico está diretamente relacionado às mudanças no clima. Uma modificação na

radiação incidente no planeta, por exemplo, altera as temperaturas e, consequentemente,
provoca variações nos padrões de precipitação, afetando assim, a disponibilidade e a
distribuição de água pelo mundo (ANA, 2016).
A variação da água em seu ciclo tem sido um dos fatores geofísicos de maior preocupação
atualmente (CHEN et al., 2019a; DIDOVETS et al., 2019; NÁVAR, 2019; SNYDER et al., 2019;
SHIKANGALAH e MAPANI, 2019; ZHANG, LIU e BAI, 2019; SINGH et al., 2020). Entre essas
variações está a ocorrência do fenômeno seca. Para entender o fenômeno, primeiro deve-se
conhecer todos os aspectos do ciclo hidrológico em uma localidade. Após isso, procura-se
caracterizar o que seria considerado como seca para a área avaliada. Isso não é uma tarefa de
fácil resolução. Visto que, o entendimento e a percepção de seca, além de mudar com as
condições do espaço físico, também muda de acordo com o olhar do agente impactado e com
o seu prolongamento no decorrer do tempo.
Mesmo com a falta de uma precipitação que seria considerada regular, a água pode ainda
estar no solo e no subterrâneo. A vegetação não passaria por um estresse hídrico e não se
caracterizaria uma seca agrícola, somente uma seca meteorológica. A persistência na duração
da falta de precipitação e com o aumento da temperatura é que a água ficaria indisponível. As
vazões dos rios e córregos diminuiriam e a seca hidrológica estaria instaurada. Mas qual o
tempo decorrente para a percepção de cada uma dessas secas? Qual o quantitativo que pode
ser subtraído de água em um espaço territorial para que possa ser afirmado que houve um
evento seco? Essas são perguntas de difícil conclusão, vez que há diversas variáveis a serem
consideradas.
A seca é um fenômeno temporário que causa mazelas ao espaço territorial sob sua atuação.
Sendo assim, ela possui uma abertura conceitual em termos espaciais e temporais, devido aos
diversos regimes climáticos, às características locais como vegetação, relevo, tipos e uso do
solo e a própria disponibilidade hídrica existente. Assim, o termo ‘seca’ se torna igualitário
apenas no sentido de redução do que seria considerado como normalidade dos níveis hídricos
para as diversas regiões do planeta. Fato que, para esse trabalho, resultou na consideração de
que um evento seco é um conjunto periódico de déficits hídricos, valores de armazenamento
de água negativos.
Uma redução no quantitativo de chuva, mesmo que temporária, se traduz em várias

implicações significativas, dessa forma, como a água é essencial para todo um ecossistema e
não apenas para o homem, cada ser vivo sofre um tipo de impacto com as reduções hídricas.
Em meio a essa amplitude, essa é a relevância do estudo, observar os valores negativos
ocorridos com a retirada da normalidade dos valores de armazenamento de água, para assim,
responder o que está ocorrendo com a água armazenada ao longo do tempo, há excesso ou
déficit? O quanto é comum e frequente obter valores negativos de água armazenada e quais
as magnitudes dessa redução? Em quanto tempo pode-se recompor os valores faltantes ou
reduzidos dessas águas?
Ou seja, o estudo pretende caracterizar os eventos secos na região do Estado do Espírito Santo
devido sua importância regional na produção de alimentos. Isso tudo, para um melhor
conhecimento dos recursos hídricos estadual, no que tange, a ocorrências de sua falta
18
principalmente para o consumo humano e para produção agrícola, para que assim, possam ser
criadas medidas de mitigação e antecipação dos efeitos desse desastre natural que é a seca.
Alguns estudos foram desenvolvidos na tentativa de melhorar a compreensão e caracterizar o

fenômeno seca (TIGKAS, VANGELIS e TSAKIRIS, 2012; THOMAS et al., 2014; CHAO et al., 2016;
ZHANG et al., 2016; YANG et al., 2017; ZHAO et al., 2017; SUN et al., 2018; FOROOTAN et al.,
2019; SINHA, SYED e REAGER, 2019; ZHANG, LIU e BAI, 2019; WANG et al., 2020; DHARPURE et
al., 2020).
Porém, as técnicas de caracterização tradicionais de eventos secos não incorporam as

observações da dinâmica da água em todos os níveis dos componentes hidrológicos, não
fornecem uma medida integrada de sua quantidade (THOMAS et al., 2014). Por outro lado, a
gravimetria (medida indireta das massas que constituem o planeta) permite o monitoramento
do ciclo da água terrestre, do balanço de massa das geleiras, da mudança do nível do mar, das
variações da pressão do fundo do oceano, além de ser possível avaliar e predizer as secas
(TAPLEY et al., 2019). Isso tudo por instrumentos terrestres ou por satélites (NIEBAUER, 2015;
BIDEL, et al., 2018; BONGS et al., 2019).
Nesse sentido, as ferramentas de sensoriamento remoto são úteis como métodos para
identificar, descrever e acompanhar a evolução das condições de armazenamento de água no
espaço e no tempo. O avanço tecnológico e os constantes lançamentos de satélite propiciaram
várias fontes de dados sobre a dinâmica terrestre. Esses dados se traduzem em inúmeros
produtos como o Modelo Digital de Superfície (MDS), Modelo Digital de Elevação (MDT),
MERGE (ROZANTE et al., 2010), MSWEP (BECK et al., 2019), MOD16A2 (RUNNING, MU e ZHAO,
2019), Soluções CSR GRACE RL06 Mascon (SAVE, 2019) e tantos outros. Dessa maneira, as
soluções geradas por sensores remotos têm se tornado cada vez mais confiáveis e disponíveis,
melhorando as análises científicas sobre as estruturas terrestres (KHAKI e AWANGE, 2019).
A missão Gravity Recovery and Climate Experiment (GRACE) é capaz de medir com precisão o
campo gravitacional terrestre. Esses dados refletem as pequenas variações no campo de
gravidade causadas pelo movimento da água no planeta (BESSON, 2018). Neste sentido, as
técnicas de rastreio de água, por mudanças de massas terrestres têm-se tornado viável com a
missão GRACE (BESSON, 2018).
Diversos estudos alinhando o GRACE a eventos secos têm sido observados na literatura
(HOUBORG et al., 2012; LONG et al. 2013; THOMAS et al., 2014; CHAO et al., 2016; YI e WEN,
2016; ZHAO et al., 2017; SCHUMACHER et al., 2018; CHEN et al., 2009; CHEN et al., 2010;
THOMAS et al., 2014; MELO et al., 2016; SUN et al., 2016). Há ainda estudos de cálculo de
armazenamento de água com dados pluviométricos, fluviométricos e climáticos, coletados em
campo (BOEHRER, KASTNER e OLLESCH, 2010; CREUTZFELDT et al., 2010).
O GRACE é capaz de avaliar o rastreio de água por todo o planeta, de forma ágil em relação aos
outros recursos in situ, gerando dados de grande importância para conhecer o comportamento
das secas e de como as mudanças no clima afetam esse comportamento (ABD-ELBAKY e JIN,
2019). Por outro lado, a modelagem hidrológica também é tida como uma ferramenta que
possibilita predizer o comportamento hidrológico de uma região, fornecendo uma visão
dinâmica e antecipada do comportamento das águas, de suma importância para casos de
extremos climáticos como cheias ou secas.
A modelagem hidrológica é uma ferramenta capaz de reproduzir secas e inundações

(TANGDAMRONGSUB et al., 2016; ANAND e OINAM, 2019; MALAFAIA FILHO, 2019; MELSEN e
19
GUSE, 2019). Desta forma, um modelo hidrológico juntamente com dados de armazenamento
de água por satélite pode ser usado para entender como as mudanças do clima afetam os
recursos hídricos (ABD-ELBAKY e JIN, 2019) e avaliar a dinâmica destes recursos (PENATTI et
al., 2015; GONÇALVES et al., 2020).
O uso conjunto de dados GRACE e da modelagem hidrológica em escala de bacia hidrográfica

auxiliam na validação cruzada de resultados hidrológicos e na identificação de quais
compartimentos do meio físico as variações hídricas mais importantes estão ocorrendo
(BIANCAMARIA et al., 2019). Getirana et al. (2011) demonstraram o grande potencial do uso
da gravimetria em aplicações da modelagem hidrológica, conseguindo uma boa correlação
entre os valores de armazenamento de água advindos do GRACE e os dados hídricos
produzidos com o modelo MGB (Modelo de Grandes Bacias), como também foi observado nos
trabalhos de Paiva et al. (2013), Fleischmann et al. (2017), Siqueira et al. (2017).
Uma grave e importante variação hidrológica deficitária ocorreu no Espírito Santo ao iniciar o
ano de 2014. A seca de 2014, como ficou conhecida, fez com que os solos de várias regiões
tornassem improdutivos, prejudicando a economia de vários municípios, levando a perda de
lavouras e de rebanhos, ao aumento do preço dos alimentos, ao racionamento de água e às
vazões zeradas de muitos córregos e rios (AGAZETA, 2016).
Como o Estado do Espírito Santo é uma importante região agropecuária e possui um

discrepante regime pluviométrico longitudinalmente em seu território, o fenômeno seca,
compromete as reservas hídricas e a produtividade local. Dessa forma, reduções em seu
armazenamento de água local merece ser avaliado.
Há alguns estudos que relatam eventos secos para a região (MENDONÇA, 2015a; RAMOS et al.,
2016; DE ARAÚJO, 2019). Todavia, estudos que avaliem a mudança de armazenamento de
água por meio de dados GRACE ou que retrate o armazenamento de água por dados in situ
para a região hidrográfica do Estado do Espírito Santo é bastante escasso.
Assim, o presente estudo se propõe a avaliar déficits hídricos no Espírito Santo, a partir do uso
de dados de sensoriamento remoto dos satélites GRACE e do modelo hidrológico MGB. Desta
forma, o trabalho torna-se pertinente como forma de estudar os déficits hídricos de maneira
mais dinâmica sobre o território capixaba.
20
2 OBJETIVOS
2.1 OBJETIVO GERAL
O objetivo geral desse estudo é caracterizar o comportamento espaço-temporal dos eventos

secos na região hidrológica de abrangência do Estado do Espírito Santo, por meio de dados de
sensoriamento remoto e modelagem hidrológica.
2.2 OBJETIVOS ESPECÍFICOS
Analisar os valores de déficit hídrico na região hidrológica do Espírito Santo, caracterizando-os

por meio de suas variações espaço-temporais;
Avaliar o potencial do modelo hidrológico MGB em representar eventos secos para o Espírito
Santo.
21
3 FUNDAMENTAÇÃO TEÓRICA
3.1 SECA
A observação da redução do quantitativo de água é o mecanismo presente por trás da

definição de seca. De forma natural ou antrópica, a falta de água é um processo impactante
tanto ao ser humano, como aos animais e plantas. Assim como consideram Yi e Wen (2016), a
seca é um período prolongado e temporário em déficit hídrico, que pode causar danos
significativos ao ecossistema e à agricultura do local impactado.
Coles e Eslamian (2017) afirmam que as primeiras definições de seca surgiram na Grã-Bretanha
na data de 1887, diferenciando termos como seca absoluta, parcial e a seca para a engenharia.
As secas absolutas eram consideradas períodos de mais de 14 dias consecutivos sem chuva. Já
as secas parciais, a precipitação não poderia exceder 0,254 mm por dia, em um período de
mais de 28 dias consecutivos. Por fim, a seca para a engenharia compreendia o período de três
ou mais meses consecutivos, cuja precipitação total não excederia a metade da média local.
Segundo Blain (2016), foi Palmer em 1965, um dos primeiros pesquisadores a valorar o
fenômeno da seca sobre a perspectiva temporal (mensal e anual), diferenciando-a conforme
as características de cada região e sobre sua variabilidade ao longo do tempo. Além disso, sua
conceitualização remetia ao olhar de cada agente que atua sobre o sistema hídrico.
Os autores Wilhite e Glantz (1985) consideram que todas as diferentes formas desse
fenômeno são originárias de um déficit de precipitação que resulta em baixa disponibilidade
hídrica. Porém, em um período de déficit de precipitação pode existir recurso hídrico no
subsolo e subterrâneo. Assim, com a persistência na duração desse déficit é que a água ficaria
indisponível. Aqui nota-se a importância do levantamento temporal para caracterizar o evento
seco.
O uso do termo baixa disponibilidade hídrica para referenciar eventos secos pode remeter a
uma relação oferta e demanda que por sua vez relaciona-se à qualidade hídrica (TALLAKSEN e
VAN LANEN, 2004). Pois, com um quantitativo razoável de água e estando essa em condições
precárias ao uso humano, por exemplo, o recurso estaria indisponível. Mas, não haveria a seca
para a agricultura, se fosse possível para esta, a sua utilização. Dessa forma a vinculação de
seca como disponibilidade hídrica não foi considerada viável para o uso no trabalho.
Para Vlachos (1982) constituem-se em quatro classes a deficiência hídrica: aridez (estabilidade
do clima, condição permanente); seca (condição temporária, por vezes de ocorrência regular
ou não); escassez hídrica (reflete a interferência humana, de abrangência local e temporária);
desertificação (processo de alteração do regime ecológico causado pelo homem, associado à
aridez e/ou seca).
Vez que, a seca é tratada como fenômeno natural e a escassez como um fenômeno antrópico,
dados de monitoramento por satélite, como o GRACE, que consegue notar a variabilidade
antrópica (TAPLEY et al. 2019), a utilização do termo escassez hídrica poderia ser empregado
de forma correta. Desse modo, se uma seca fosse caracterizada apenas como evento natural, a
sua descrição por meio desses dados de satélite não resultaria em veracidade, pois, esses
instrumentos não captam variações climáticas puramente. No mais, se os eventos secos
denominados naturais estão ocorrendo com maior frequência, não estão ocorrendo de forma
natural, pois, estão sim, sendo influenciados pelo homem.
22
Apesar do estudo de Van Loon e Van Lanen (2013) incluir termos como “seca induzida pelo
homem" e "seca modificada pelo ser humano", amplificando o uso da palavra seca no sentido
de escassez hídrica e sobre influência das mudanças climáticas, esses autores terminam por
definir o fenômeno com a palavra “anomalia” somente. Assim, a mais sensata terminologia a
ser utilizada sobre eventos secos para descrever a redução de água, sobre a ótica natural ou
sobre a influência humana, o termo déficit hídrico se demonstra mais generalista.
Dessas dificuldades de conceituar o fenômeno, pelas variações que ocorrem em termos

espaciais e temporais, uma vez que determinada falta de água, por um determinado tempo,
em uma região, pode não ser tão relevante quanto para outra. A problemática também se
motiva sobre o quanto pode ser subtraído de água de uma região para caracterizar um período
como evento seco.
Dessa maneira, como forma de avaliar unicamente perdas de água, sem considerar variações
climáticas, tipos de vegetação ou aspectos geológicos, esse trabalho passa a considerar os
valores negativos de dados de armazenamento de água, na forma de períodos consecutivos
em déficit hídrico, como formadores de um evento/período seco. Para que assim, a
caracterização de seca possa se dar pelas especificações que esses eventos possam apresentar
em relação a outros.
3.1.1 Características
Vez que, não há uma definição terminológica igualitária em todas as regiões, em cada tempo e
sobre a influência ou não das atividades humanas, também se torna difícil estabelecer um
método padrão para caracterização, monitoramento e quantificação dos eventos secos.
Pois, para um agricultor o intervalo de dias em déficit hídrico, devido a falta de precipitação, é
capaz de reduzir a umidade do solo e desencadear a perda de sua produtividade, sendo de seu
interesse o monitoramento diário da seca. Já, para gestores de reservatórios hídricos a falta de
precipitação em intervalo mais longos de tempo são informações relevantes a serem
consideradas nas ações gerenciais (BLAIN, 2016).
Assim, em termos de características, Otkin et al. (2016) relatam que os eventos secos estão
associados a ausência de chuva e a altas temperaturas. Ao analisar os efeitos da seca na região
central dos Estados Unidos em 2012, verificaram uma alteração rápida de umidade do solo nos
primeiros 10 cm, camada que as culturas utilizam para reposição de água, devido a esses dois
fenômenos.
Já Wilhite (2000) diferencia a seca de outros desastres naturais por possuir recorrência
inevitável, efeitos cumulativos e lentos no decorrer do tempo, sendo difícil determinar o início,
o fim e o limiar do que a caracterizaria. Outro fato relevante, é que os impactos gerados são
espacialmente maiores quando comparados aos outros tipos de desastres naturais, o que
torna difícil a tarefa de quantificar os prejuízos.
Caloiero et al. (2016) consideram a seca como um desequilíbrio natural temporário com a
disponibilidade de água em níveis abaixo da média histórica, que podem causar diversos
impactos na agricultura, no abastecimento de água e na economia.
Os eventos secos diferem-se por três parâmetros: intensidade, duração e extensão territorial.
A intensidade chamada de severidade refere-se ao quantitativo do déficit hídrico ocorrido
23
durante o evento, o quanto abaixo do normal está uma variável hidrológica. A duração refere-
se ao tempo total, do início ao fim. Já, a extensão territorial é a área total afetada pela seca
(WILHITE, SIVAKUMAR e PULWARTY, 2014). Porém, pode-se caracteriza o fenômeno por sua
frequência, magnitude (déficit acumulado), previsibilidade e duração (ZARGAR et al., 2011).
Se a definição de seca consiste em déficits hídricos fora dos padrões normais, Van Loon e
Laaha (2015) questionam sobre quais seriam esses padrões e se todos os compartimentos do
ciclo hidrológico são avaliados para se conhecer essa padronização, e também, qual deveria
ser a magnitude e o tempo de duração dos déficits hídricos para ser considerado um evento
seco.
Nesse sentido, Wilhite, Sivakumar e Pulwarty (2014) discorrem que para o estabelecimento de
um evento seco geralmente transcorrem-se de dois a três meses de precipitação abaixo do
normal, o que pode perdurar por meses ou anos. Já a magnitude dos impactos da seca está
relacionada ao momento do início do déficit hídrico, sua intensidade e a duração do evento.
Durante um período de seca, a drenagem e o escoamento são baixos e a evapotranspiração

pode ser alta devido ao aumento da radiação, velocidade do vento ou déficit de pressão de
vapor. O resultado é a perda extra de água do solo, dos corpos d'água a céu abertos e o
murchamento das plantas (VAN LOON e LAAHA, 2015).
As secas diferem em termos de características espaciais, pois, as áreas afetadas por secas
severas evoluem gradualmente e as regiões com intensidade máxima de seca mudam de
estação para estação. Por isso, a gestão hídrica deve considerar planos de contingências
abrangentes (WILHITE, SIVAKUMAR e PULWARTY, 2014).
Eventos secos recorrentes geralmente têm recuperação insuficiente e medidas mitigadoras

devem ser efetivadas pelos órgãos responsáveis. Nessa perspectiva, Singh, Reage e Behrangi
(2019) avaliaram a correlação de dados GRACE e dados de precipitação para estimar o tempo
de recuperação de seca e a intensidade de chuva necessária para tanto. Os autores
encontraram, para a maior parte das regiões da Austrália, os eventos secos não se recuperam
dentro do previsto, devendo passar por três desvios padrão de uma precipitação normal para
que um evento seco se recupere dentro de 3 a 4 meses.
A falta de umidade do solo de forma continuada provoca a diminuição de recarga subterrânea,

quer seja pelas retiradas antrópicas para irrigação, quer seja pela absorção vegetal e o
fenômeno da evapotranspiração. Os níveis de água subterrânea dependem das condições
anteriores ao evento seco e de sua taxa de declínio, que novamente depende da quantidade
de recarga, descarga e das características do aquífero. Com isso, nem sempre ocorre uma seca
das águas subterrâneas, mas, quando isso ocorre, há permanência de longos períodos com
níveis subterrâneos abaixo do normal (VAN LOON e LAAHA, 2015).
Além de todos esses fatores, outra preocupação sobre um evento seco é com relação ao
aumento da vulnerabilidade da sociedade sobre a ameaça das mudanças climáticas. Sendo
que, essas mudanças podem aumentar a frequência, severidade e duração dos eventos
extremos (WILHITE, SIVAKUMAR e PULWARTY, 2014), como as secas prolongadas, similar a
última ocorrida em 2014 para região sudeste brasileira.
No meio dessas características, a vegetação tem o papel importante, pois, consegue modificar
o estado da seca, já que regula os níveis de vapor de água pela evapotranspiração, preserva
por maior tempo a umidade do solo pelo sombreamento e facilita a recarga pela zona de
24
raízes. O agravamento de uma seca ocorre quando uma a vegetação murcha ou é retirada do
solo. Com isso, a evapotranspiração diminui limitando a precipitação local (VOLK e TRINDADE,
2020).
Assim, variações naturais ou não são precursores de seca e vários parâmetros vinculados ao
fenômeno precisam ser analisados para que realmente se consiga caracterizar um evento
seco. Contudo, esse trabalho destina-se a determinar eventos secos por valores de
armazenamento de água, tendo como caracterizadores as variáveis de severidade, duração,
frequência, magnitude e tempo de recuperação.
3.1.2 Classificação
As secas são classificadas em quatro tipos (WILHITE e GLANTZ, 1985), discretizados com base
na evolução da persistência do período em déficit hídrico. Sendo elas, a seca meteorológica,
agrícola, hidrológica e socioeconômica (Figura 1).
A seca meteorológica se refere ao período inicial em déficit hídrico, com deficiência de

precipitação, que é persistente para que ocorram as outras classes de seca. Essa classe
abrange grandes áreas. Quando a umidade do solo é reduzida impossibilita a aquisição de água
pela vegetação, assim, devido à continuidade do déficit hídrico tem-se a seca agrícola.
A seca hidrológica se caracteriza pelo fato de a permanência do estado de déficit hídrico

chegar às águas subterrâneas, com declínio de vazão dos rios. Por fim, a seca socioeconômica
é uma consequência das classes acima, vez que por estas, os sistemas de recursos hídricos não
conseguem atender às demandas antrópicas e os sistemas ecológicos.
25
Figura 1. Esquema de classificação de seca em relação as condições meteorológicas e de suas principais
características.
Fonte: Adaptado Van Loon e Laaha (2015).
No mais, em especial, para classificar uma seca devem-se considerar as características da

bacia. Essas características influenciam na propagação do fenômeno, pois, se o tempo de
resposta de uma bacia é muito longo, os tempos de defasagem entre a seca meteorológica e a
hidrológica também serão mais delongados. Outro fato importante é que os dispositivos de
armazenamento das bacias criam uma memória no sistema hidrológico, o que determina a
severidade de uma seca (VAN LOON e LAAHA, 2015).
3.1.3 Monitoramento
Por fazer parte da lista dos perigos naturais mais caros do ponto de vista econômico e
humano, a World Meteorological Organization (WMO) desenvolveu um manual
(https://www.droughtmanagement.info/literature/GWP_Handbook_of_Drought_Indicators_a
nd_Indices_2016.pdf) com os principais indicadores e índices utilizados no monitoramento da
seca. O documento diferencia indicadores como parâmetros usados na descrição das
condições de seca (precipitação, temperatura, água subterrânea, umidade solo, nível
reservatórios e a neve) e os índices como representações numéricas da severidade da seca.
Assim, um monitoramento dos quantitativos de precipitação ou descarga tem a medida de

severidade de seca mensurada em termos de volume do déficit hídrico. Para variáveis de
estado como a umidade do solo e o armazenamento de água subterrânea, o desvio de um
valor normalmente encontrado pode ser usado como a medida de monitoramento da
severidade (VAN LOON e LAAHA, 2015).
Os indicadores ou os índices de seca são usados para ajudar a rastrear secas, e essas
ferramentas variam dependendo da região e da época. Dessa forma, vários índices podem ser
26
desenvolvidos para quantificar, padronizar e comparar a seca, com base temporal e espacial
(BLAIN, 2010).
O monitoramento em escala de tempo permite a identificação de períodos úmidos de curto

prazo, dentro de secas de longo prazo ou períodos de seca de curto prazo, dentro de períodos
úmidos de longo prazo. Nesse sentido, os índices podem fornecer uma avaliação de severidade
por época e duração dos eventos secos. A severidade também pode ser determinada quando
uma seca se inicia, quando acaba e por área geográfica afetada (WMO, 2016).
Segundo os autores Van Loon et al. (2016) o monitoramento da seca é projetado para observar
a falta de água em diferentes partes do sistema hidrológico, porém, essa análise não considera
a influência das anomalias climáticas ou dos fatores humanos. Além do que, apesar dos
eventos secos serem muito estudados, o seu entendimento ainda é incompleto, devido seu
caráter heterogêneo e dinâmico ou mesmo, pela falta de estudos mais detalhados em algumas
regiões.
O início e recuperação lenta, os diferentes tipos de seca e quais setores são impactados
tornam as secas difíceis de definir quantitativamente, o que originou uma infinidade de índices
(VAN LOON e LAAHA, 2015). Devido a isto, nada menos comum do que haver várias discussões
sobre a eficácia e a aplicabilidade de cada índice de seca (SEHGAL, SRIDHAR e TYAGI, 2017).
Contudo, para Hayes et al. (2011) parece haver um consenso científico de que não existe um
índice melhor do que o outro para avaliar as secas hidrológicas. Assim, identificar o índice
certo para quantificar seca é uma problemática por não saber qual o mais adequado para uma
bacia (KUMAR, RATHNAM e SRIDHAR, 2021).
A tendência do monitoramento atual consiste em analisar vários índices de seca amplamente

aceitos, por meio de um sistema que compara vantagens teóricas e práticas, limitações do
índice, capacidade de se inter-relacionar com os outros, para que os resultados sejam obtidos
de maneira conjunta e com maior eficácia numérica (DALEZIOS, DUNKEL e ESLAMIAN, 2017).
O Integrated Drought Management Programme - IDMP, copatrocinado pela WMO, é

constituído de um programa em formato HelpDesk que fornece conselhos e diretrizes para as
comunidades, países e regiões afetadas pela seca. Em seu site
(https://www.droughtmanagement.info/indices/) há uma listagem de indicadores e índices de
seca discretizados por parâmetros de entrada, facilidade de uso e agrupados por tipo de
monitoramento realizado, como: análise meteorológica, umidade do solo, hidrológica, por
sensoriamento remoto ou por modelagem, ou ainda, por composição de índices.
Assim, alguns índices são melhores para avaliação de uma seca agrícola, do que uma seca
hidrológica e assim por diante. Nesse sentido, deve se ter atenção ao tipo de seca a ser
avaliada e ter consciência de que não haverá uma única técnica unificadora para quantificar a
seca, além do que, ao longo do tempo e a cada nova tecnologia poderá surgir um novo
método ou um novo índice capaz de representar e monitorar os eventos secos (WAMBUA,
2020; DHARPURE et al., 2020; ALMAMALACHY, AL-QURAISH e MORADKHANI, 2020; FENG et
al., 2020; WANG et al., 2020).
A relevância do uso de valores de anomalia de armazenamento de água, adquiridos por meio

dos sinais dos satélites GRACE, no contexto do monitoramento de seca de longo prazo, tem
sua grandiosa importância, pois, por meio desse, se captura a dinâmica temporal em escala
global e regional, diferentemente de índices clássicos de seca meteorológica como o
Standardized Precipitation Index - SPI, por exemplo (CAMMALLERI, BARBOSA e VOGT, 2019).
27
O trabalho de Sun et al. (2018) cita índices de seca elaborados com base em dados GRACE,
também compara resultados de um índice baseado no GRACE com índices de seca clássicos. Os
autores concluem que em bacias com falta de dados ou não monitoradas, os dados do GRACE
são fundamentais, mesmo porque fornecem informações espacialmente distribuídas, de
maneira rápida e fácil. Além do mais, esses dados capturam alterações verticalmente
integradas no armazenamento de água da superfície da terra até os aquíferos mais profundos,
fornecendo informações do mecanismo interno de formação das secas.
3.1.3.1 Monitoramento Internacional
Os Estados Unidos foi o primeiro país a organizar uma estrutura governamental com o objetivo
de monitorar secas, a US Drought Monitor (https://droughtmonitor.unl.edu). Com operações
iniciadas em 1999 em cooperação com a National Drought Mitigation Center (NDMC) da
Universidade de Nebraska-Lincoln, a National Oceanic and Atmospheric Administration (NOAA)
e o U.S. Department of Agriculture (USDA). Essa ferramenta consiste de uma avaliação semanal
das condições de seca, com base no quantitativo de precipitação ocorrida.
O US Drought Monitor produz mapas de extensão e severidade da seca usando uma

combinação de vários indicadores de seca, incluindo Palmer Drought Severity Index-PDSI,
umidade do solo simulada por percentis (ANDREADIS et al., 2005), dentre outros. Além disso, o
sistema está oferecendo informações sobre secas baseadas no GRACE como um produto
experimental.
Contudo, antes do US Drought Monitor, em 1988, o Center for Research on the Epidemiology of
Disasters - CRED lançou The International Disaster Database - EM-DAT
(https://www.emdat.be/), com apoio da Organização Mundial da Saúde (OMS) e do governo
Belga, a fim de servir como banco de dados de áreas mundiais em vulnerabilidade, além de
representar uma fonte de auxílio informativo às ações humanitárias de combate aos desastres.
Nesse banco há registros das principais secas de ocorrência mundial desde 1900. No entanto,
ressalta-se que os registros contidos no EM-DAT são vinculados à identificação de impactos
sobre a vida humana, não ocorrendo apontamento de desastre sobre o acompanhamento de
variáveis hidrológicas ou meteorológicas.
Em 2019 o EM-DAT registrou 396 desastres naturais, sendo que a seca foi considerada o
terceiro fenômeno natural que mais prejudica, em termos quantitativos, pessoas pelo planeta.
No período de 2009 a 2018, a entidade registrou uma média de 17 ocorrências de seca anuais
a nível mundial. Do período de dados mantidos pelo EM-DAT, de 1900 a 2019, constam o
registro de 747 desastres relativos à seca em várias partes do mundo, com inúmeras mortes e
grandes prejuízos econômicos.
Há outros sistemas de monitoramento de seca como o European Drought Monitor-EDO

(https://edo.jrc.ec.europa.eu/edov2/php/index.php?id=1000), African Flood and Drought
Monitor-AFDM e Latin America Flood and Drought Monitor-LAFDM criados em colaboração
com a Organização das Nações Unidas para a Educação, a Ciência e a Cultura-UNESCO,
German Drought Monitor-GDM (https://www.ufz.de/index.php?en=37937) e o Monitor de
Secas da Agência Nacional das Águas e Saneamento Básico-ANA
(http://monitordesecas.ana.gov.br/mapa?mes=8&ano=2020). Esses são alguns dos sistemas
criados para obtenção de informações sobre as secas. O EDO, por exemplo, usa um Indicador
28
Combinado de Secas, para fornecer a cada 10 dias o risco de seca para agricultura, por meio do
Global Drought Observatory, um mapa interativo.
3.1.3.2 Monitoramento Nacional
No Brasil, o Sistema de Monitoramento de Secas iniciou-se em agosto de 2014, sobre liderança

da ANA, Ministério da Integração e do Instituto Nacional de Meteorologia-INMET, como
necessidade de resposta ao evento seco que atingiu todo o Nordeste em 2012. O sistema
fornece informações mensais por meio de mapas categorizados de secas, semelhante aos
produtos dos monitores de seca internacionais.
O Monitor de Seca brasileiro acompanha regularmente a situação das secas naturais, sendo
considerado como uma ferramenta de gerenciamento de risco. No diagnóstico de classificação
dos eventos, se utiliza do índice Standardized Precipitation Index-SPI, Standardized
Precipitation Evapotranspiration Index-SPEI, Standardized Runoff Index-SRI e Standardized Dry-
Spell Index-SDSI. Com estudos para adesão a outros índices.
A categorização da seca do monitor brasileiro não é subjetiva, sendo definida por meio de uma
perspectiva histórica, de acordo com percentis, em que as classes S3 e S4 correspondem às
categorias mais intensas de seca (
29
Quadro 1).
30
Quadro 1. Categorização por cor, recorrência e impacto de eventos secos, segundo aplicação utilizada
pelo Monitor de Secas da ANA.
Fonte: Monitor de seca ANA.
O monitoramento desse sistema abrange toda a região do nordeste brasileiro. Em novembro

de 2018, Minas Gerais foi incorporado e em 2019 foi a vez do Espírito Santo fazer parte do
sistema. Uma exemplificação do resultado visual do monitor brasileiro é demonstrada na
31
Figura 2, em que, no período de setembro a dezembro de 2019, grande parte do Espírito Santo
estava inserido nas categorias de seca consideradas de moderada a grave.
32
Figura 2.. Intensidade do nível de seca para as regiões componentes do projeto Monitor de Seca,
demonstrando que no período de setembro a dezembro de 2019, o ES passava por um estado de seca
moderada a grave.
Fonte: Monitor de seca ANA.
33
3.1.4 Eventos secos
Segundo a World Meteorological Organization-WMO (2014) os desastres ocorridos no mundo,

no período de 1970 a 2012, relacionados com clima e a água, acarretaram em perdas de 1,94
milhão de vidas e danos econômicos de 2,4 trilhões de dólares.
Os principais desastres relacionados a seca durante esse período ocorreram: na Etiópia e

Somália em 1975; no Senegal em 1977; no Brasil em 1978; na Austrália em 1981; em
Moçambique, Etiópia e Sudão em 1983/84; na África do Sul em 1991; na Espanha em 1992;
China e Austrália em 1994; Marrocos em 2000; na Austrália e m2002; no Brasil em 2005, nos
EUA em 2012; esses eventos além de perdas econômicas expressivas, resultaram em perdas de
vidas humanas (WMO,2014).
No Nordeste brasileiro, segundo Carvalho (2012), desde 1559 até 2011 houve ocorrência de 72
secas (40 anuais e 32 plurianuais), compreendidas em 112 anos dos 452 anos de período
avaliado. No estudo, o autor cita ainda, que secas de impacto nacional ocorreram em 1877,
1879, 1915, 1932, 1958 e 1970, com prejuízos, magnitude e de natureza variada. Porém, ele
salienta que os registros somente ocorrem onde há pessoas para vivenciar e registrar a falta de
chuva e de comida. Já Mendonça (2015 b) cita secas de impacto nacional em 1769 e 1839.
Especificamente para o sudeste ele considera relevante o período de estiagem de 1952 a 1956.
Na região norte brasileira, Williamson et al. (2000) registraram mortandade de árvores devido
o evento seco de 1997. Já Zeng et al. (2008) relataram que o acúmulo de anos secos de 2002 a
2005 sobre a região Amazônica reduziu em 16% o volume de água na foz do rio Amazonas e
aumentou as queimadas em 100%. Marengo et al. (2011) qualificaram a seca de 2010 como a
mais severa do período 1903 a 2010 para a região norte.
Silva (2018) ao avaliar as secas no sudeste por meio dos índices Standard Precipitation Index-
SPI e Standard Precipitation Evapotranspiration Index-SPEI demonstrou que o período entre
2013 e 2015 foi o mais seco já observado na região, devido aos consecutivos anos em déficit
de precipitações e em altas temperaturas. Assim, pela repetição desse conjunto é previsto
para a região extensos períodos de seca de 5 ou 10 anos sequenciais futuros.
No trabalho de Ribeiro Neto (2017) são demonstradas as regiões da América do Sul de maior
sensibilidade aos eventos secos ocorridos de 1979 a 2016 relacionados às oscilações intensas
do El Niño Southern Oscillation-ENSO (flutuação periódica de temperatura da superfície do mar
do Pacífico, juntamente com a variação da pressão do ar atmosférico local). Para o autor, na
região de Minas Gerais e do Espírito Santo os eventos secos com ENSO expressivo ocorreram
em 2002, 2012, 2014 e 2016, conforme
34
Figura 3.
35
Figura 3. Mapeamento dos eventos secos em períodos ENSO, para a região da América do Sul.
Fonte: Ribeiro Neto (2017).
Segundo Silva (2010) os prejuízos econômicos das estiagens de 2000 e de 2009 no Espírito
Santo somam-se 638,84 milhões de reais, sendo 420,80 milhões de reais as perdas referentes
ao setor agrícola. Além disso, o trabalho demonstra o número de ocorrências realizadas pela
Defesa Civil em cada município capixaba devido a estiagem do período referido. A Figura 4
indica que as regiões norte e extremo sul podem ter sentido com maior intensidade o período
seco devido ao quantitativo de eventos registrados.
36
Figura 4. Número de ocorrências realizadas pela Defesa Civil em cada município do Espírito Santo
durante o período de estiagem (2000 a2009).
Fonte: Silva (2010).
Para Blain et al. (2010) no Espírito Santo há grande variabilidade espaço-temporal relacionada
ao regime de chuva. Vez que, em uma mesma região, meses extremamente secos podem ser
precedidos e/ou seguidos de meses úmidos ou normais. Os autores utilizaram o exemplo do
município de São Mateus, que no ano de 1990, apresentou no mês de julho um período
extremamente seco segundo aplicação do SPI, com os meses de junho e agosto considerados
úmidos. Além disso, o trabalho demonstra que durante um mesmo mês as localidades norte,
centro e sul podem apresentar condições de secas bastantes diferentes.
Soares (2007) ao elaborar o zoneamento climático para a cultura de pupunha sobre o ES

regionalizou valores de deficiência hídrica anual pela diferença entre a evapotranspiração
potencial e real. Em seus resultados demonstrou maiores deficiências hídricas na região norte
e centro-oeste do que ao sul, chegando a registros de 49,5 cm por ano (Figura 5).
37
Figura 5. Mapa com a valorização de déficits hídricos totais anuais sobre o território capixaba, em
milímetros.
Fonte: Souza (2007).
Uliana et al. (2017) aplicaram o SPI para a região noroeste do ES, no período de outubro de
2009 a março de 2010, registrando para os meses mais chuvosos (novembro, dezembro e
janeiro) uma precipitação abaixo do normal na região. A qualificação da seca em cada mês
avaliado é visualizada na Figura 6, com predomínios de incipiente, moderada e extrema. Os
autores ainda classificam essas secas de acordo com as precipitações que podem ocorrer nos
meses de janeiro e junho (Tabela 1).
38
Figura 6.. Mapeamento da intensidade de seca para o noroeste do ES, no período de outubro de 2009 a
março de 2010.
Fonte: Uliana et al. (2017).
Tabela 1.. Classificação de seca ocorrida no mês de janeiro (verão) e junho (inverno) de acordo com a
altura de precipitação ocorrida na região noroe
noroeste do ES.
Mês Classe de seca Precipitação
seca extrema menor ou igual a 29 mm
seca moderada maior que 29 mm e menor ou igual a 53 mm

Janeiro
umidade moderada maior ou igual a 295 mm e menor que 403 mm
umidade extrema maior ou igual a 403 mm
seca extrema menor ou igual a 2 mm
seca moderada maior que 2 mm e menor ou igual a 5 mm

Junho
umidade moderada maior ou igual a 44 mm e menor que 64 mm
umidade extrema maior ou igual a 64 mm
Fonte: Adaptado de Uliana et al.. (2017).
39
3.2 AVALIAÇÃO DE SECAS E ARMAZENAMENTO DE ÁGUA
Segundo Zargar et al. (2011) os principais tipos de seca física são a meteorológica, a agrícola e
a hidrológica. Nesse sentido, para melhor diferenciar a seca agrícola da hidrológica, Melo
(2017) expõem que o balanço de água no solo ficando negativo reduz a disponibilidade de
água para as plantas cujas raízes não atingem o lençol freático ou a umidade nas camadas mais
profundas do solo, representando a seca agrícola.
Com o prosseguimento do período de falta de precipitação não ocorre a reposição de umidade

no solo e até as plantas de grande porte sofrem com a falta de umidade. Assim, com baixos
níveis de água subterrânea e de água nos rios estabelece-se a seca hidrológica.
Frequentemente, o termo 'seca meteorológica' é entendido como a falta de precipitação a

nível de bacia hidrográfica, já o termo 'seca hidrológica' também é avaliado a nível de bacias
quando associa à redução dos níveis de precipitação com a redução do armazenamento de
água presente na localidade (FOROOTAN et al., 2019).
A região sudeste brasileira vem sentindo os efeitos de precipitação irregular tendendo à

escassez hídrica, desde o período seco iniciado por volta dos anos 2000, perdurando aos dias
atuais, com alguns intervalos mais severos de seca e alguns períodos com chuvas (GETIRANA,
2016; MELO et al., 2016; NOBRE et al., 2016; MARENGO et al., 2018). Essa fase vem sendo
caracterizada por temperaturas acima da média e baixas taxas de precipitação, levando a um
esgotamento de recursos hídricos tanto superficiais quanto subterrâneos. Para o diagnóstico
de secas, estudos têm sido realizados no Brasil, como por exemplo, na Amazônia (NEPSTAD et
al., 2004; FRAPPART et al., 2012; YIN et al., 2014) e no Nordeste Semiárido (MARENGO et al.,
2013).
As secas por déficit de armazenamento de água em escala regional são catástrofes naturais
graves, que podem levar a perdas de colheitas e estragos econômicos em muitas áreas (JIANG
et al., 2014). Nesse sentido, as análises baseadas apenas nos componentes do ciclo
hidrológico, como a precipitação ou evapotranspiração são insuficientes para o diagnóstico
preciso da seca (JIANG et al., 2014).
Para Zargar et al. (2011) caracterizar as secas é uma tarefa difícil e em compensação alguns
índices podem facilitar a discretização desse fenômeno (FERNANDES et al., 2009; YI e WEN,
2016; ZHAO et al., 2017; SINHA, SYED e READER, 2019). Para tanto, ao quantificar os níveis de
intensidade e estabelecer um início e um fim para o período seco, os índices ajudam em uma
variedade de operações, incluindo aviso prévio, monitoramento e planejamento de
contingência (ZARGAR et al., 2011).
Assim, para o monitoramento eficaz do ciclo hidrológico são necessários indicadores e índices
que permitam quantificar o excesso ou o déficit de água de forma integrada, como no caso das
soluções produzidas com os sinais do Gravity Recovery and Climate Experiment-GRACE
(FERREIRA et al., 2018).
Modificações de massas na superfície terrestre são ocasionadas por alterações de

armazenamento de água, que podem levar à subsidência do solo em períodos secos e no
processo inverso em casos de excesso de água. Esses processos alternados de elevação e
rebaixamento são perceptíveis por produtos da geodésia, como medidas de gravidade
absoluta. Os sinais do GRACE captam essas variações fornecendo um método útil para avaliar
40
consequentemente as secas, pela mudança da água na superfície e no subterrâneo (ZHANG,
LIU e BAI, 2019).
Além de fornecer uma base única de dados sobre todas as etapas do ciclo hídrico, o GRACE
fornece informações de maneira espacialmente distribuídas de maneira rápida e facilmente
acessível. Porém, as secas meteorológicas, classificadas como leves e moderadas são menos
perceptíveis pelos dados GRACE, pois o armazenamento das águas superficiais permanece
dentro dos níveis normais que são considerados valores médios para os dados do satélite (SUN
et al., 2018).
Na descrição de eventos de secas hidrológicas alguns estudos como os de Thomas et al. (2014),
Zhao et al. (2015), Awange et al. (2016), Forootan et al. (2016), Zhang et al. (2016) utilizaram
dados do GRACE. Van Dijk et al. (2013) e Zhao et al. (2017) demonstraram que os índices de
seca derivados do GRACE podem caracterizar melhor o fenômeno em comparação com
métodos tradicionais, como aqueles baseados em alturas pluviométricas in loco, pois estes não
representam a variabilidade espaço-temporal do hidroclima local.
Zhang, Liu e Bai (2019) na tentativa de otimizar os resultados adquiridos com o GRACE
reduziram sua resolução, buscando identificar a seca hidrológica de oito afluentes do rio
Yangtze na China. Esse estudo reduziu a escala dos dados GRACE com base no modelo VIC, vez
que esse, apresenta alta densidade de dados meteorológicos e maior precisão. Nos resultados
obtidos houve consistência entre os dados reduzidos (0,25 ° × 0,25 °) e os dados originais (1° ×
1°), tornando a metodologia útil para compreensão do mecanismo de formação de secas
hidrológicas e a extensão das aplicações GRACE em bacias hidrográficas de médias e pequenas
escalas.
Forootan et al. (2019) utilizaram índices tradicionais de seca combinados aos dados GRACE e
dados obtidos por meio do modelo ERA-interim de 1980 a 2016. Estendendo os dados GRACE
até 1980 com base no modelo W3RA (1980–2012), a fim de aplicar e comparar índices de seca
com um melhor quantitativo de dados, em 156 bacias hidrográficas mundiais, concluíram que,
no geral, as secas de 3 a 6 meses são de maior frequência do que secas mais longas e que o
GRACE, como instrumento de obtenção de dados, para geração de dados sobre seca reflete
melhor as características das bacias hidrográficas.
Segundo Mendonça (2015a), há registros de uma seca terrível em 1769, com duração de 2
anos, que atingiu o Espírito Santo, além de relatos de que em 1818 houve consequências
severas da falta de chuva para o rio Doce. Além dessas, antes do evento seco iniciado em
2014, ocorreram cinco eventos graves de secas no Espírito Santo, sendo esses em 1952-1956,
1963, 1985-86, 1997-1998, 2007-2008. O primeiro evento foi marcado por onze meses de
período sem chuva devido a influência do El Niño (1952-1953; CPTEC, 2020), sendo que, no
restante do período o Estado ficou entre as regiões de menor precipitação do país. Em 1963, o
El Niño (1963-1964; CPTEC, 2020) foi o responsável pelos nove meses em falta de precipitação.
Altos índices de calor marcaram os anos 1985-1986, com ação do El Niño no final de 1986
(1986-1987; CPTEC, 2020). Em 1997-1998, anos de El Niño (CPTEC, 2020) a ação antrópica
sobre o uso da água contribuiu para tornar o evento de maior impacto que os demais. Já 2007-
2008 foram anos de La Niña (CPTEC, 2020).
De acordo com Ramos et al. (2016), o Espírito Santo, que tem sua base produtiva na
agroindústria vem sofrendo limitações de desenvolvimento pelas estiagens agrícolas,
provocando prejuízos significativos aos agricultores, agravado pelo fato da sua maioria ser de
base familiar. Os autores, ao contrário de Mendonça (2015 a), consideraram como períodos de
41
estiagem prolongada os anos de 2003, 2007, 2010, 2011 e 2014, que provocaram a diminuição
do rendimento das culturas, mortandade de animais e muitos conflitos pelo uso da água. Por
outro lado, citam os anos de 2008, 2009, 2013 e o final de 2019 como anos chuvosos.
Segundo De Araújo (2019), o Estado tem muitos municípios que podem não estar preparados
para enfrentar longos períodos de estiagem, carecendo de políticas públicas de convivência
com a seca. Para os autores, a condição climática adversa enfrentada na região norte, acima
do rio Doce, após a enchente de 2013, se comparou à situação de secas como as do Nordeste
brasileiro. Sendo que, essa crise hídrica alterou o cotidiano da população, as reservas hídricas
se exauriram no período de 2015 a 2017, fazendo com que todos os setores da economia
capixaba fossem impactados. Também neste período, a utilização de irrigação nas lavouras foi
restringida e consequentemente o volume das colheitas agrícolas diminuíram. O comércio e os
serviços que são diretamente ligados ao setor agropecuário foram muito afetados.
Diante dos relatos elencados, uma avaliação da seca por sensoriamento remoto se demonstra
viável para a região do Espírito Santo, vez que, essa ferramenta é capaz de avaliar tendências,
variabilidade sazonal e interanual de armazenamento de água. Pois os dados poderão refletir
temporalmente o comportamento hídrico no Estado, indicando assim, um direcionamento aos
gestores sobre quais estratégias devem ser tomadas.
3.3 GRACE
O projeto GRACE iniciou-se de uma colaboração entre as agências espaciais americana e alemã
(NASA e DLR). Atualmente as pesquisas são apoiadas por centros como: GFZ (German Research
Centre), JPL (Jet Propulsion Laboratory), CSR (University of Texas Center for Space Research).
Maiores detalhes sobre apoiadores podem ser obtidos em
https://grace.jpl.nasa.gov/mission/grace/.
Em março de 2002 foram lançados dois satélites idênticos com o objetivo de mapear o campo
de gravidade da Terra de forma contínua e em alta precisão (WAHR et al., 2004). Os satélites
da missão GRACE seguem a mesma órbita (Figura 7), separados por uma distância de
aproximadamente 220 km, sobre a qual, variações no campo gravitacional terrestre provocam
modificações nessa distância (BIANCAMARIA et al., 2019), sendo essa, a forma pela qual são
obtidos os valores que se traduzem em equivalentes de água.
42
Figura 7. Demonstração de mesma órbita seguida pelos satélites GRACE e as variações de
distanciamento entre eles, ocorridas por mudanças na atração gravitacional (setas azuis) nas duas
naves, que são resultantes de mudanças na massa da Terra abaixo dos satélites.
Fonte: https://gracefo.jpl.nasa.gov/resources/50/how-grace-fo-measures-gravity/.
A missão GRACE original coletou informações até 2017, com processamentos de sinais
convertidos em uma resolução temporal que pode ser configurada como mensal. Em maio de
2018 foi substituída pela missão GRACE Follow-On (GRACE-FO) de maneira a continuar o
legado da missão GRACE em rastrear o movimento da água por todo o planeta, já que, a
missão inicial apresentou problemas nas baterias. Assim, com a substituição das missões os
dados sobre os recursos hídricos terrestre apresentam uma lacuna de aproximadamente doze
meses.
A órbita dos satélites é quase polar, com altitude aproximada de 500 km, o que resulta em
uma resolução espacial próxima de 100.000 km2, 300 km × 300 km (SCANLON et al., 2016), ou
seja, 3 graus. No entanto, essa resolução sofre decaimento ao longo da jornada pelas forças
atrativas terrestres (BETTADPUR, 2003).
Um sistema K-Band Ranging (KBR) somado a um sistema de posicionamento global (GPS) mede
a faixa de distância entre os satélites com precisão de alguns mícrons (SAVE, BETTADPUR e
43
TAPLEY, 2016). Com isso, após o processamento dos dados é possível gerar informações de
armazenamento de água terrestre (Terrestrial Water Storage –TWS; RAHAMAN et al., 2019).
As estimativas de mudanças no armazenamento de água terrestre fornecidos pelos satélites

GRACE envolve todos os compartimentos hidrológicos, rios, várzeas, lagos, solo, águas
subterrâneas (PAIVA et al., 2013), inclusive o oceano e as geleiras. Portanto, os satélites GRACE
são usados para monitorar a variabilidade espaço-temporal das anomalias de armazenamento
de água, que abrangem a água em todo espaço vertical, atmosfera, superfície, aquíferos
(SCANLON et al. 2016).
Para Sun et al. (2016) apensar das séries temporais do GRACE serem menores que 30 anos,
esse sensor é uma ferramenta útil para capturar condições climáticas extremas. Em
comparação com outras variáveis hidrológicas (por exemplo, precipitação), o TWS é capaz de
captar mudanças climáticas e variações quantitativas de água causadas pelas modificações
antrópicas na geografia local, fornecendo dados relevantes na avaliação dos estoques de água
para várias regiões.
Contudo, os dados emitidos pelo GRACE são suscetíveis a erros de modelagem, ruídos de
medições e problemas de observação (SAVE, BETTADPUR e TAPLEY, 2016). Desta forma, os
sinais emitidos necessitam de processamentos para redução destas perturbações, de modo a
melhorar a precisão e a resolução espacial. Nesse sentido, tem sido comum excluir fatores não
relacionados à água terrestre, como marés e circulação da atmosfera e do oceano. Para isso,
modelos de atmosfera e oceano são aplicados no pré-processamento de dados para gerar
soluções de armazenamento mais precisas (JIANG et al., 2014).
Os centros de pesquisa JPL, GFZ e CSR realizam estratégias de diminuição de incertezas sobre
os dados de gravidade produzindo soluções diferentes pelas formas de abordagens e pelos
diversos parâmetros utilizados (JING, ZHANG e ZHAO, 2019;
https://grace.jpl.nasa.gov/data/choosing-a-solution/). Ademais, esses centros processam
melhoramentos de resolução espacial sobre os sinais do GRACE. Como por exemplo, o CSR
regulariza os sinais dos satélites em blocos de concentração de massa com resolução de 1 grau
(próximo a 110km). A partir desses, pode-se obter soluções com resolução de ½ grau (próximo
a 60 km, produto GRACE RL05) ou até resoluções estimadas com ¼ de grau (próximo a 30 km,
produto GRACE/GRACE-FO RL06).
Diversos estudos têm utilizado dados do GRACE para análise de fenômenos geofísicos como:
secas (HOUBORG et al., 2012; LONG et al. 2013; THOMAS et al., 2014; CHAO et al., 2016; YI e
WEN, 2016; ZHAO et al., 2017; SCHUMACHER et al., 2018); águas subterrâneas (RODELL,
VELICOGNA e FAMIGLIETTI, 2009; FAMIGLIETTI, 2014; MASSOUD et al., 2018; THOMAS e
FAMIGLIETTI, 2019); mudanças no balanço hídrico devido as variações climáticas (PANDAY et
al., 2015); e, o quanto que os eventos climáticos extremos afetam as mudanças no
armazenamento de água (FRAPPART et al., 2013; ABD-ELBAKY e JIN, 2019). Há estudos que
relacionam os produtos do GRACE com modelos climáticos para análise de seca (CHEN et al.,
2009; CHEN, WILSON e TAPLEY, 2010; CHEN et al., 2010; MELO et al., 2016) e estudos que os
usam para validação de modelo hidrológico (PAIVA et al., 2013) e climático (FREEDMAN, PITTS
e BRIDGER, 2014).
Abd-Elbaky e Jin (2019) investigando o impacto das mudanças climáticas no armazenamento

de água na bacia do rio Nilo, com dados GRACE comparados ao GLDAS (Global Land Data
Assimilation System), no período de 2003 a 2016, descobriram que a maior e menor média
mensal de armazenamento do GRACE coincidiram com períodos de inundação e seca,
44
respectivamente. De uma correlação de dados não sazonais de armazenamento do GRACE
com índice de seca, os autores demonstraram que os dados dos satélites GRACE podem
capturar as secas mais severas.
Com base nas informações e estudos citados acima, a respeito dos dados e soluções geradas
pelos satélites GRACE, o seu uso para diagnóstico de déficit hídrico na região hidrográfica do
Espírito Santo se demonstra viável, uma vez que a área avaliada possui aproximadamente
150500 km2, o que garante aproximadamente 166 pixels de monitoramento de valores de
armazenamento de água com resolução de ¼ de grau (ou próximo a 12 blocos de
concentração de massa com 1 grau de resolução).
3.4 ESTIMATIVA DO ARMAZENAMENTO DE ÁGUA COM O GRACE
O processo de conversão de sinais do GRACE em valores de armazenamento de água é feito

por meio de funções envolvendo Harmônicos Esféricos ou funções que envolvem
Concentração de Massa (Mascon). Embora essas soluções sejam semelhantes, vez que, advém
dos dados fundamentais do GRACE e de modelos que retiram sinais atmosféricos, oceânicos e
de marés, há uma diferença básica entre elas que é a escala alcançada no produto final. As
funções Harmônicas Esféricas abrangem escala global, ocorrendo perdas de sinais da parte
terrestre para o oceano, enquanto que as funções Mascon permitem avaliações tanto a nível
regional como global, evitando assim, este tipo de erro (SCANLON et al., 2016).
Outra diferença consiste no fato dos modelos harmônicos esféricos e os Mascons usarem
parametrizações muito diferentes, pois, pertencem a duas classes muito distintas de modelos
de campo de gravidade variável no tempo (FARAHANI et al., 2017). O produto Mascon sofre
uma abordagem muito mais rigorosa comparada à abordagem harmônica esférica, permitindo
maior resolução e precisão espacial em estudos com bacias hidrográficas de menor escala
(WATKINS et al., 2015). Além dessa melhor resolução espacial, alcança menor dispersão de
sinais nos processamentos efetuados e requer menor quantidade de pós-processamentos se
comparados aos harmônicos esféricos (SUN et al., 2018).
Para descrever o campo gravitacional terrestre baseando-se em massas, a solução Mascon

considera a superfície como sendo dividida em várias porções, que variam ao longo do tempo
e que refletem as mudanças da gravidade. Nesse sentido, a gravidade pode ser modelada por
um campo de massa globalmente distribuído em um tempo finito, em relação a uma média,
onde cada bloco ou porção de massa (Mascon) com densidade uniforme representa a adição
ou redução de massas na superfície (WATKINS et al., 2015).
Cada centro de processamento de dados do GRACE executa o produto Mascon de modo

diferente. O JPL produz Mascon por meio de cápsulas esféricas de área igual a 3°x 3°, ± 300 km
no Equador (WATKINS et al., 2015). O CSR utiliza-se de ladrilhos hexagonais de 120 km de
largura e 12 ladrilhos pentagonais para discretizar os blocos de concentração de massa, com
resolução longitudinal equatorial de 1° (SAVE, BETTADPUR E TAPLEY, 2016). Já a GSFC -
Goddard Space Flight Center parametriza o campo de gravidade em termos de 1° assim como a
CSR (LUTHCKE et al., 2013).
As soluções Mascon do CSR são desenvolvidas usando a regularização Tikhonov, em um

domínio de grade geodésica. Essas soluções são derivadas apenas das informações do GRACE e
nenhum modelo ou dado externo é usado para restringir a amostragem. A matriz de
45
regularização (método de solução aproximada aos dados observados) é variável no tempo e
não influencia ou atenua futuros sinais regionais (SAVE, BETTADPUR e TAPLEY, 2016). Além
disso, as soluções Mascon demonstram sofrer menos com erros de dispersão de sinais e
possuem menor dependência do uso de fatores de escala para obter os valores estimados de
massa de forma mais precisa (WATKINS et al., 2015).
A Mascon do Center for Space Research (CSR) foi utilizada em trabalhos como os de Sakumura,
Bettadpur e Bruinsma (2014); Scanlon et al. (2016); Sun et al. (2018); Jing, Zhang e Zhao
(2019); por abordarem que, em comparação com outras soluções de outros centros de
pesquisa, o CSR produz resultados mais satisfatórios. Por esse motivo, a escolha desse trabalho
resulta da análise de armazenamento de água produzidos pela versão Mascon Release-06
(RL06), a mais recente criação do CSR, contendo várias correções de sinal.
Estudos com o GRACE em bacias menores, como as da região a ser avaliada, foram elaborados
por Tangdamrongsub et al. (2016), considerando os dados satisfatórios para o monitoramento
de bacias de pequenas escalas. Em pequenas e médias bacias também foi realizada a pesquisa
de Zhang, Liu e Bai (2019). Porém, maiores tratamentos sobre os dados foram implementados
para reduzir a resolução ainda mais.
A solução CSR Mascon demonstrou ser eficiente e de melhor representatividade em relação a

outras soluções criadas de acordo com o trabalho de Biancamaria et al. (2019). Esses autores
compararam sete tipos de soluções dos satélites GRACE com modelos hidrológicos SIM e
SWAT na bacia Garonne-França, considerada bacia de médio porte (50.000 km2). Já Sun et al.
(2018) avaliaram a situação de seca na Bacia do Rio Yangtze usando dados Mascon de 2003 a
2015, produzidos pela CSR, demonstrando a efetividade do produto na avaliação do
fenômeno.
Assim, os produtos processados pelo CSR, advindos dos satélites GRACE, como forma de
avaliação de déficit hídrico no espaço territorial hidrográfico do Espírito Santo se torna viável
na aplicação desse estudo. Dessa mesma forma, a solução Mascon é a transformação de sinais
de satélite em valores de armazenamento de água mais plausível de ser utilizada para
pequenas bacias devido a sua melhor resolução espacial.
3.5 MODELAGEM HIDROLÓGICA E ARMAZENAMENTO DE ÁGUA
As ferramentas de sensoriamento remoto possuem grande valia em avaliação de grandes

extensões territoriais. Porém, a validação de seus dados para grandes áreas, com
monitoramento in situ, se torna custosa em termos de tempo e valor monetário. Desse modo,
modelos matemáticos são empregados para descrever dados de campo, que por sua vez, são
utilizados para validar as informações adquiridas por sensores acoplados aos satélites.
Essas informações, que podem ser validadas por modelos matemáticos, são sinais
transformados em valores quantificados, que por sua vez, podem ser usados para avaliar os
dados de modelos hidrológicos, seja em regiões frias, áridas e semi-áridas, com umidade do
solo muito baixa ou inexistente, bem como, em áreas caracterizadas por grandes alturas
pluviométricas (BANERJEE e KUMAR, 2019).
Os modelos hidrológicos são representações matemáticas do fluxo de água e de seus

constituintes, que objetivam entender os mecanismos e projetar respostas frente a mudanças
do clima ou do uso da terra, por exemplo. Nesse sentido, esses modelos são capazes de
46
estimar dados de forma espacialmente distribuída, diferenciar os componentes do
armazenamento de água e simular mudanças de cenários (TANGDAMRONGSUB et al., 2015).
O Modelo Hidrológico MGB é um modelo de base conceitual, semi-distribuído, que realiza a

transformação de chuva em vazão, tendo por base um SIG para obtenção das características
físicas da bacia. Nesse modelo, a área de estudo é discretizada em minibacias e em Unidades
de Resposta Hidrológica (URHs), de onde provêm os volumes de escoamento superficial,
subsuperficial e subterrâneo que irão se propagar para a rede de drenagem (BUARQUE, 2015).
Já a propagação nos rios é determinada pelo método de Muskingum-Cunge (COLLISCHONN e
TUCCI, 2001) ou pelo método inercial (PONTES, et al., 2017).
No MGB a interceptação de precipitação é representada por um reservatório, cujo volume

depende da cobertura vegetal, expressada pelo índice de área foliar. A evapotranspiração é
calculada pelo método de Penman-Monteith. O escoamento superficial acontece pelo excesso
da capacidade de armazenamento de água no solo em cada minibacia, onde os processos de
atenuação e retardo da água ocorrem sobre a forma de reservatórios lineares (superficial, sub-
superficial e subterrâneo), para se propagar até a rede de drenagem (SIQUEIRA et al., 2017).
Getirana et al. (2011) empregaram o MGB para simular processos hidrológicos na bacia
hidrográfica do rio Negro. Como forma de calibração do modelo, os autores utilizaram quatro
soluções advindas dos sinais dos satélites GRACE. Dessa forma conseguiram demonstrar que
os compartimentos do escoamento superficial e da umidade do solo do MGB têm maior
correlação com os dados de armazenamento de água obtidos com o GRACE.
Paiva et al. (2013) apresentaram uma modelagem hidrológica para a Amazônia sendo validada
com dados de sensoriamento remoto. Com os dados do GRACE, os autores observaram
mudanças de armazenamento de água no local, cuja variabilidade sazonal é bem acentuada.
No mesmo trabalho compararam esses dados de armazenamento de água com
armazenamento de água superficial, água no solo e águas subterrâneas calculadas pelo MGB,
tendo como resultado boa conformidade entre os dados fornecidos pelo modelo e as
estimativas advindas do GRACE.
Já o trabalho de Siqueira et al. (2018) demonstra que o MGB é capaz de representar valores de
anomalia de armazenamento de água, principalmente para os grandes rios da América do Sul.
Uma vez que, o modelo hidrológico captura os padrões de sazonalidade e magnitude com boa
correlação temporal na maior parte do território (r > 0,75), com amplitudes de
armazenamento razoavelmente bem simuladas (−20% < σBIAS < 20%), principalmente no
centro do Brasil. Contudo, os autores destacam grandes superestimações ao longo da região
costeira em baixas latitudes no hemisfério sul (0 – 20° S). Fatos estes, que ocorrem em níveis
satisfatórios de representatividade de descarga líquida nos rios (NSE > 0,6 em 55% dos casos).
Portanto, o uso do modelo MGB para estimar valores de armazenamento de água demonstra
viabilidade de comparação cruzada com dados do GRACE, a fim de definir espacialmente e
temporalmente os eventos secos na região de estudo.
3.6 ERROS E INCERTEZAS
Uma coleta de uma informação está sempre sujeita a erros. Estes podem ser aleatórios,
resultante de fatores não controlados durante a execução do procedimento de coleta, ou erros
47
sistemáticos, que decorrem de uma má leitura do observador, ajustes imperfeitos dos
instrumentos de coleta, técnicas e métodos empregados de manipulação.
Dessa forma, os dados utilizados nesse estudo não são diferentes. Os dados do sensor remoto
podem conter interferências decorrentes dos efeitos atmosféricos, por exemplo. E o
processamento da solução, que envolve técnicas de filtragens tende a modificar os dados de
forma específica levando à perda dos sinais emitidos.
Assim, os dados passam a acumular incertezas ao longo da sua trajetória de produção de uma
solução. Nas análises sobre os erros do GRACE, Landerer e Swenson (2012), discorrem que nas
avaliações sobre grandes porções de terra tendem a conter menos erros que áreas pequenas.
Assim, pequenas escalas espaciais são usadas em detrimento de erros maiores, evitando
assim, a dispersão de sinal dos satélites para outros espaços, fato chamado vazamento de
sinal.
O tipo de solução GRACE de cada centro de pesquisa contém discrepâncias entre si. Essas
mesmas divergências também ocorrem entre as funções utilizadas para padronização de sinal,
a Harmônica Esférica Padrão (SSH) e a Mascon (JING, ZHANG e ZHAO, 2019). O uso de uma ou
outra se traduz em resultados com certas discrepâncias.
Scanlon et al. (2016) em sua pesquisa disseram que as incertezas nos valores de anomalia de
armazenamento de água são semelhantes ou um pouco menores nas soluções Mascon do que
em soluções harmônicas esféricas. A Mascon do CSR possui a mais alta resolução de grade e
não requer pós-processamento. Apesar desse benefício de baixa manipulação, as incertezas
são mais altas para as bacias menores que 100.000 km2 de área, o caso das pequenas bacias do
ES.
Outro adendo, diz respeito à ausência de estudo sobre qual resolução espacial média deve ser
utilizada para avaliação de seca com essa ferramenta (SINGH, REAGER, BEHRANGI, 2021;
GERDENER, ENGELS e KUSCHE, 2020; LI et al., 2019). No entanto, quanto à imprecisão do
Mascon do CSR, Yin et al. (2019) propuseram como recomendável que os usuários adotassem
o valor de 2 cm na altura da água em cada grade de 0,5 grau.
Outro fator desencadeador de dúvida recai sobre a escolha e a elaboração adequada do dado
a ser trabalhado sobre uma região. Pois, os déficits hídricos podem ser trabalhados a partir da
série integral (dados puros da solução) com a sazonalidade inserida ou com os valores de
anomalia, geralmente empregados. Esse último fato, abre um leque para mais de um método
de cálculo, com a retirada da sazonalidade somente pela subtração das médias mensais ou
pela aplicação da subtração com divisão dos desvios padrão mensais. Assim, a depender da
manipulação da série histórica os valores resultantes podem se tornar divergentes.
O período avaliado é uma série histórica de aproximadamente 18 anos, com a ocorrência

imponente de um evento seco de grande magnitude e duração, ocorrido em 2014, pode não
deter boa representatividade temporal de eventos secos. Corrobora a esse fato, o início da
série histórica do GRACE estar inserida em meio a outro evento seco de longa duração.
Além dessas pontuações incertas quanto aos valores de armazenamento de água advindo do
GRACE, sobre os valores de armazenamento de água estimados pelo MGB também há alguns
fatos não concretos. Os dados de campo para calibração e validação também são passíveis de
sofrer erros aleatórios e sistemáticos, por falhas de equipamentos, manipulação e tratamentos
48
equivocados, dentre outros. A interpolação realizada para composição dos dados faltantes
introduz erros na avaliação final.
Quanto às estimativas de armazenamento a ser realizada pelo MGB após sua calibração, uma
comparação é efetuada por dados estatísticos, como o erro médio quadrático (MSE), de modo
a demonstrar o quanto o modelo pode superestimar ou subestimar valores de
armazenamento de água em relação aos dados do sensor. Assim, diferentes meios estatísticos
de comparação podem resultar em possíveis divergências de resultado.
Outra questão a ser ressaltada é que a ocupação do solo é variável ao longo do tempo. Assim,
como fonte de incerteza a ser incorporada ao trabalho está a condição estacionária do uso e
ocupação do solo, determinada apenas pelo uso do mapa de unidades de resposta hidrológica
da América do Sul a ser utilizado no período de simulações de dados GRACE.
No mais, para um cálculo de índice de seca é essencial a disponibilidade de longas séries

temporais de dados observacionais não perturbados e de boa qualidade, fato raro de ser
identificado na região avaliada. Para tanto, o trabalho procurou caracterizar os eventos secos,
com os dados temporais disponíveis, ressaltando por essa seção as possíveis
incompatibilidades, erros e incertezas que podem ocorrer sobre diferentes avaliações a serem
realizadas.
49
4 METODOLOGIA
4.1 ÁREA DE ESTUDO
O Espírito Santo se localiza na região Sudeste do Brasil, fazendo divisa com o estado da Bahia
ao norte, Minas Gerais ao oeste, Rio de Janeiro ao sul e ao leste com o oceano Atlântico
(Figura 8).
). Sua área territorial é de 46.184,1 km² (ESPÍRITO SANTO, 2019a), apresentando
aspectos geomorfológicos constituídos por depósitos sedimentares, faixas de dobramentos
remobilizados e maciços plutônicos (PERH, 2018). A partir dos quais, estruturaram
estruturaram-se rochas
cristalinas, sobretudo gnaisses e granitos (ESPÍRITO SANTO, 2019a).
Figura 8.. Mapa representativo do espaço territorial do EEspírito
spírito Santo e suas confrontações com o Estado
de Minas Gerais, Rio de Janeiro, Bahia e com o oceano Atlântico.
O relevo compreende duas regiões naturais distintas: o litoral, que se estende por 400 km de
norte a sul, e o planalto. A região costeira é formada por uma planície e à medida que se
estende em direção a oeste, o planalto dá origem à região serrana, com altitudes superiores a
1.000 m (ESPÍRITO SANTO, 2019b). Nesse sentido, estão presentes os seguintes domínios:
Montanhoso, ocupando quase 15 mi mill km² (32 % da área), com amplitude acima de 300 m;
Morros e Serras Baixas, em cerca de 19% da área, variando de 80 a 200 m de altitude;
Tabuleiros, ocupando 7.800 km² (17 % da área) com formas de vales suaves e altitudes
variáveis de 20 a 50 m (PERH, 2018
2018).
O clima do Estado do Espírito Santo é tropical úmido (Am), segundo a classificação de Köppen,
com temperaturas médias anuais entre 22°C e 24°C (ESPÍRITO SANTO, 2019a). Entretanto, na
região serrana predominam os climas subquente (temperaturas entre 15°C e 18°C) e
50
mesotérmico brando úmido e superúmido (temperaturas entre 10°C e 15°C). A precipitação e
a temperatura se relacionam sazonalmente de maneira proporcional, sendo de junho a
setembro um período seco de menores temperaturas e de dezembro a março as maiores
temperaturas com maior índice pluviométrico (PERH, 2018).
O Estado se apresenta com uma grande variedade de ecossistemas num território

relativamente pequeno. Inserido no bioma Mata Atlântica, abriga diferentes tipos de
vegetação como: Floresta Ombrófila Densa, se restringindo a poucos agrupamentos isolados;
Floresta Ombrófila Aberta, de Submontana com palmeiras em alguns pontos; Floresta
Estacional Semidecidual, de Montana na face interiorana no Caparaó, de Submontana
distribuída pelo território e de Terras Baixas revestindo tabuleiros; Savanas; Formações
Pioneiras e Refúgios Ecológicos (IBGE, 2012; GARBIN et al., 2017).
O uso do solo predominante é de cunho agrossilvopastoril e agroindustrial. Com atividades

voltadas para a pecuária na parte regional mais ao norte. As demais zonas são destinadas ao
café em sua maior parte, à silvicultura (eucalipto e seringueira), à cana-de-açúcar, ao côco-da-
baía e à banana. Outra parcela significativa é composta por mata nativa de forma dispersa,
ocupando cerca de 22% do território, encontradas em Áreas de Proteção Ambiental (APP),
Unidades de Conservação e Corredores Ecológicos (ESPÍRITO SANTO, 2019b).
Os recursos hídricos subterrâneos apresentam-se por dois domínios hidrolitológicos: fraturado

(cerca de 70% da área do Estado) e poroso (restantes 30%). Sendo que, apesar da menor
presença no território, o poroso contempla o sistema aquífero do Grupo Barreiras, com grande
importância na esfera socioeconômica, uma vez que é largamente utilizado para
abastecimento humano e para irrigação das regiões agrícolas (PERH, 2018). Já no domínio
fraturado, poços perfurados, muitas vezes profundos são utilizados em propriedades rurais
como forma de abastecimento humano, dessedentação animal e irrigação agrícola em
períodos secos.
A distribuição espacial das chuvas no Estado mostra-se com valores médios anuais variando de
aproximadamente 900 mm a 1.700 mm, sendo possível identificar uma zona úmida à sudeste,
com valores médios anuais acima de 1.300 mm, decrescendo em direção ao norte e noroeste,
onde se localiza uma zona mais seca, com valores médios anuais abaixo de 1.200 mm. Os
períodos secos e úmidos normalmente são bem distintos ao longo do ano, variando
ligeiramente ao longo do território (PERH, 2018).
Em relação às vazões observadas no Estado, de acordo com o trabalho PERH (2018), baseando-
se na média dos valores de vazão de referência Q90, a vazão de estiagem é considerada de
aproximadamente 4,14 L.s-1.km-2. Os dados especializados de evapotranspiração, calculados
por Penman-Monteith (PM), apresentam os valores variando de 2,8 a 5,2 mm.dia-1 (1022 a
1898 mm anuais; SARAIVA, 2014). Para esse parâmetro, o estudo PERH (2018), destaca a
região norte do Estado com os menores índices de evapotranspiração, próximos a 1.100 mm, e
a região centro-sul com os maiores valores, acima de 1.300 mm.
Já os cursos de água mais caudalosos do Estado normalmente têm regime fluvial perene, ou
permanente (ESPÍRITO SANTO, 2017). Na porção sul do Estado, destacam-se os rios
Itabapoana, Itapemirim e Benevente, que fornecem nomes às suas bacias hidrográficas
(ESPÍRITO SANTO, 2019b; números 13, 12 e 11 da Figura 9). Os rios Jucu e Santa Maria da
Vitória são as principais fontes de abastecimento da Região Metropolitana de Vitória (ESPÍRITO
SANTO, 2019b; bacias hidrográficas 10 e 9, Figura 9).
51
Na porção central, destaca-se
se o rio Doce, com seus principais afluentes: Santa Maria do Doce,
Guandu, Santa Joana, São José e Pancas (ESPÍRITO SANTO, 2019b).. A bacia do rio Doce
geralmente é subdividida em Alto Doce, Médio Doce e Baixo Doce ((PIRH, PIRH, 2010; bacias
hidrográficas 1, 2 e 3 na Figura 9).
). Há também nessa região próxima à foz do Doce, a bacia
hidrográfica do rio Riacho ((PIRH, 2010; número 8 da Figura 9), ), com vários rios de
desembocadura direta no Oceano Atlântico.
Ao Norte os principais rios são Itaúnas, São Mateus, Barra Seca ((ESPÍRITO
ESPÍRITO SANTO, 2019b;
bacias hidrográficas 5, 6 e 7 da Figura 9).
). Além desses cursos hídricos, nessa região há o maior
complexo lacustre da região sudeste, que se encontra em Linhares, com 69 lagoas (ESPÍRITO
SANTO, 2019a). Ademais, inclui
inclui-se na área de estudo, a bacia do rio Mucuri (número 4 da
Figura 9), que faz divisa ao norte com o Estado do Espírito Santo.
Devido à essa diversidade de regiões hidrográficas de grande relevância para as terras

capixabas, optou-se
se por utilizar as 13 bacias apresentadas na Figura 9 como área de estudo do
presente trabalho.
Figura 9.. Área hidrográfica de estudo com as principais bacias hidrográficas enumeradas de 1 a 13, com
a divisão geopolítica do Espírito Santo destacada em cor rubra.
4.2 DELIMITAÇÃO DE TERRITÓRIO E DEMARCAÇÃO DE BACIAS
A missão Shuttle Radar Topography Mission (SRTM) atua na produção de um banco de dados
digitais para posições entre os paralelos 56°S e 60°N (RAWAT et al.,
., 2019),
2019) necessários na
elaboração de Modelos Digitais de Elevação (MDEs). As informações são produzidas por
52
interferometria Synthetic Aperture Radar (SAR), a qual se baseia na transmissão de pulsos
eletromagnéticos de alta potência e recepção de sinal de forma sequencial (MOREIRA et al.,
2013). Os MDEs da SRTM têm resolução espacial vertical produzida em 1 e 3 arco-segundos,
aproximadamente 30 e 90 m, respectivamente (RAWAT et al., 2019), e foram considerados
neste estudo como base para análise espacial do terreno.
Para a definição das bacias hidrográficas, foram utilizados arquivos da missão SRTM de 90
metros (srtm_28_16, srtm_28_17, srtm_29_16) abrangendo uma área da superfície brasileira
de 5x5 graus, alcançando toda a área de interesse. Esses arquivos encontram-se disponíveis
gratuitamente no site http://srtm.csi.cgiar.org/srtmdata/.
Com pontos de exutórios definidos para os principais rios que desembocam no Oceano
Atlântico, as 13 bacias hidrográficas representadas na Figura 9 foram delimitadas a partir desse
MDE, obtendo um espaço territorial representativo para as análises de déficit hídrico e
modelagem hidrológica. Todos os processamentos para delimitação das mesmas foram
realizados no software QGIS2.18.28 utilizando-se do plugin IPH-HydroTools (SIQUEIRA et al.,
2016).
4.3 ANÁLISE DE EVENTO SECO COM O GRACE
Com os dados dos satélites GRACE que são considerados como valores de armazenamento de
água foram avaliados na forma de déficits hídrico. Esses valores deficitários foram agrupados
em eventos secos para serem caracterizados sobre a região de estudo.
Dos produtos existentes com dados GRACE, a solução Mascon do CSR Release 06 versão 02
com (Mascon CSR RL06 v2) foi escolhida para caracterizar os eventos secos. O período de
dados avaliado refere-se ao mês 04/2002 a 03/2020, o mais recente disponível no momento
do desenvolvimento dos resultados do trabalho. Essa solução Mascon é formada por sinais
capturados das missões GRACE e GRACE-FO, contendo estimativas mensais do que
corresponde à altura de água armazenada em centímetros. Esses dados podem ser adquiridos
no site https://dataverse.tdl.org/, em formado de arquivo NetCDF, com resolução espacial de
0,25° (1/4 de grau).
Sobre os dados de armazenamento de água foram aplicadas medidas quali-quantitativas que

visam caracterizar os déficits hídricos nas 13 bacias hidrográficas da região. Para tanto, uma
média ponderada foi realizada em cada bacia para obter os valores médios de armazenamento
para as mesmas. Considerando que as mudanças de valores de armazenamento ocorrem a
cada 1°, apesar da solução GRACE possuir 0,25°, as áreas dos Mascons (hexágonos de 1° -
áreas coloridas - distorcidos devido a espacialização de 0,25° e recorte para área de interesse;
Figura 10) internas à cada bacia foram adotadas como peso para cálculo da média.
53
Figura 10. Mascons presentes sobre o território avaliado
avaliado.
Os valores mensais faltantes do GRACE foram preenchidos pelo valor médio determinado
entre o mês anterior e posterior ao mês ausente (LONG et al., 2015),, a fim de composição da
série histórica de 216 dados, considerados meses sequenciais de abril de 2002 a março de
2020. Nos períodos com dois meses consecutivos faltantes (5 períodos) e para o longo período
em que houve a troca de miss missões entre os satélites GRACE para o GRACE-FO
GRACE (05/2017 a
04/2018) foram utilizados
izados dados d
das medianas mensais (SINHA, SYED e REAGER, 2019).
As observações do GRACE incluem todo o conteúdo vertical de água, como gelo e neve, água
superficial, umidade do solo e águas subterrâneas, que são valores facilmente obtidos pelos
dados dos satélites
atélites servindo muito bem para avaliação da perda de água durante períodos de
seca (SUN et al. 2018).
Este estudo considerou a EQUAÇÃO 1,, que expõe todos os compartimentos de água
mensurados pelo GRACE.
𝑇𝑊𝑆 = 𝑆𝑊𝐸 + 𝐶𝑊𝑆 + 𝑆𝑊 + 𝐺𝑊𝑆 1
onde: 𝑇𝑊𝑆 é o armazenamento de água; 𝑆𝑊𝐸 é o armazenamento em relação ao gelo e neve,

que foi desconsiderado neste trabalho devido a localização do Estado; 𝐶𝑊𝑆 é o estoque de
água superficial, incluindo a água no dossel das plantas; 𝑆𝑊 é a umidade do solo; 𝐺𝑊𝑆 é fator
de águas subterrâneas.
Desse modo, conforme a EQUAÇÃO 1 acima, os dados de armazenamento adotados nesse

trabalho consideram as variações de água nos componentes de águas subterrâneas, umidade
54
do solo e águas superficiais. Sobre esses compartimentos foram realizadas as caracterizações
de déficit hídrico como eventos secos no local estudado.
Como forma de discretizar o fenômeno seca, com a falta de água em toda sua verticalidade,
pontuando um início e fim, e quantificando os níveis de intensidade alcançados, algumas
métricas foram aplicadas aos dados do GRACE como forma de avaliação e monitoramento, são
elas: tendência, duração, frequência, magnitude, severidade e tempo de recuperação. Essa
escolha se deu pelo fato de existirem vários índices de seca, cada um limitado, muitas vezes, a
um único compartimento hídrico.
Assim, baseado nos estudos de Thomas et al. (2014) e Zhang, Liu e Bai, (2019), as
manipulações algébricas presentes nos subitens 4.3.1, 4.3.2, 4.3.3, 4.3.4, 4.3.5, 4.3.6 e 4.3.7
foram utilizadas para caracterizar os valores de déficit hídrico em eventos secos.
4.3.1 Sazonalidade e anomalia
Segundo Morettin e Toloi (1987) as variações sazonais inferiores a um ano, que se repetem
todos os anos, geralmente em função das estações de um ano, perturbam outros
componentes de uma série de dados, dificultando a identificação e a interpretação real de
variações cíclicas ou irregulares, por exemplo. A remoção da sazonalidade gera dados atípicos.
A remoção da sazonalidade mês a mês na série média mensal do GRACE gerou valores de
anomalia média mensal de armazenamento de água, fato que reduziu as incertezas das
análises e permitiu caracterizar valores únicos que são diferentes do que ocorre todos os anos.
O método de remoção da sazonalidade foi aplicado em trabalhos como os de Thomas et al.
(2014), Sun et al. (2018), Jing, Zhang e Zhao (2019) e Sinha, Syed and Reager (2019), por
exemplo.
Nesse sentido, a remoção da sazonalidade e transformação dos dados em valores de anomalia

média mensal de armazenamento de água (TWSA) foi realizada pela EQUAÇÃO 2, utilizada
principalmente pela Copernicus Global Drought Observatory – GDO (2020a), como dados a
serem inseridos em medidas indicativas de eventos secos.
𝑇𝑊𝑆 − 𝑇𝑊𝑆 2
𝑇𝑊𝑆𝐴 =
𝛿
onde: 𝑇𝑊𝑆𝐴 é a anomalia de armazenamento de água no mês 𝑡; 𝑇𝑊𝑆 é o valor de
armazenamento de água da série normal; 𝑇𝑊𝑆 é a média mensal e 𝛿 é o desvio padrão
mensal dos dados da série normal.
4.3.2 Tendência
A tendência é definida como um padrão de crescimento ou decaimento dos valores da variável

avaliada no período de tempo considerado. Possui relevância nesse estudo, para se obter o
conhecimento da existência de padrão de excesso ou déficit hídrico sobre os dados de
armazenamento de água.
Para avaliar as tendências temporais nos dados de armazenamento de água foi aplicado o
teste não-paramétrico (não requer distribuição normal) de Mann-Kendall-MK (MANN e
55
WHITNEY, 1947; KENDALL, 1975). Esse teste é um dos mais utilizados para detecção de
tendências em séries temporais (MEDEIROS, 2015), usado em trabalhos como Jing, Zhang e
Zhao (2019) e Rahaman et al. (2019).
O método baseia-se em rejeitar ou não uma hipótese nula (𝐻 ) de ausência de tendência nos
dados, a um determinado nível de significância. No teste calcula-se a variável 𝑆 para uma série
de dados 𝑛, a partir da somatória dos sinais (𝑠𝑔𝑛) da diferença, par a par, de todos os valores
da série (𝑥 ) em relação aos valores que a eles são futuros (𝑥 ; EQUAÇÃO 3).
𝑆= 𝑠𝑔𝑛 𝑥 − 𝑥
3
sendo:
+1 , 𝑠𝑒 𝑥 > 𝑥 4
𝑠𝑔𝑛 𝑥 − 𝑥 = 0 , 𝑠𝑒 𝑥 = 𝑥
−1 , 𝑠𝑒 𝑥 < 𝑥
com 𝑛 ≥ 10 a distribuição de 𝑆 se aproxima da forma gaussiana, na qual a sua variância é dada

pela EQUAÇÃO 5, em que 𝑡 representa a quantidade de repetições de uma extensão 𝑖 (Por
exemplo, uma série histórica com 10 valores iguais entre si teria 1 repetição de extensão igual
a 10, ou seja, 𝑡 =1 e 𝑖 = 10).
𝑛(𝑛 − 1)(2𝑛 + 5) − ∑ 𝑡 (𝑖)(𝑖 − 1)(2𝑖 + 5) 5
𝑉𝑎𝑟(𝑆) =
18
A EQUAÇÃO 6, permite estimar o índice ZMK de acordo com o sinal de 𝑆. O índice segue a
distribuição normal, na qual a sua média é igual a zero, valores positivos indicam uma
tendência crescente e negativos tendências decrescentes. Por ser um teste bi-caudal, para
rejeitar a 𝐻 é preciso que o valor de ZMK seja superior a 𝑍𝛼/2. Por exemplo, para 𝛼 = 5%, ZMK
= Z0,05/2 = Z0,025 = 1,96, dessa forma, será considerada uma tendência significativa ao nível de
5% caso ZMK >1,96.
𝑆−1
𝑍 = ; 𝑝𝑎𝑟𝑎 𝑆 > 0
𝑉𝑎𝑟(𝑆)
6
𝑍 = 0; 𝑝𝑎𝑟𝑎 𝑆 = 0
𝑆+1
𝑍 = ; 𝑝𝑎𝑟𝑎 𝑆 < 0
𝑉𝑎𝑟(𝑆)
O método permitiu detectar tendência estatisticamente significante sobre a série histórica do

GRACE, porém, a magnitude da tendência dos dados ou se há um ponto de mudança nos
valores ao longo tempo, não são explícitos pelo teste.
Para avaliar alguma magnitude de tendência demonstrada usando o teste MK, foi adotado o
estimador de Theil-Sen. A linha de Theil-Sen é uma alternativa não-paramétrica à regressão de
56
mínimos quadrados ordinários, que modela a variação dos dados no tempo, através da
inclinação mediana (PATHAK, KALRA e AHMAD, 2017), selecionada entre todas as linhas de
inclinação formadas por dados par-a-par.
Ao contrário da avaliação de tendência pelo método de regressão linear, que sofre influência
significativa de outlies, o estimador de inclinação de Theil-Sen é mais robusto e menos sensível
a valores extremos.
Valores significativos da inclinação de Theil-Sen geralmente são utilizados para criar mapas de
tendências, assim como, no trabalho de Oliveira et al. (2014). Essa magnitude de inclinação
para 𝑛 pares de dados é dada pela EQUAÇÃO 7.
𝑥 −𝑥 7
𝛽 = 𝑀𝑒𝑑𝑖𝑎𝑛𝑎 𝑝𝑎𝑟𝑎 𝑖 < 𝑗 𝑒 𝑥 ≠ 𝑥
𝑗−𝑖
onde: 𝛽 é o estimador de declividade, 𝑥 e 𝑥 representam os pontos na série nos tempos 𝑖 e
𝑗, em que 𝑖 < 𝑗.
4.3.3 Períodos Secos - Duração
Como forma de avaliar a duração dos períodos secos considerou-se, inicialmente, uma
comparação de valores anuais de anomalia média mensal de armazenamento de água
negativos, de modo a identificar quais anos do período de dados GRACE (2002 a 2020)
estiveram com maior quantidade de meses em déficit hídrico.
Para identificar os períodos de seca hidrológica foi contabilizado como evento seco os déficits
hídricos que perduraram por três ou mais meses consecutivos, seguindo o método utilizado
nos trabalhos de Thomas et al. (2014), Chao et al. (2016), Sun et al. (2018), Singh, Reage e
Behrangi (2019), Sinha, Syed e Reager (2019), Zhang, Liu e Bai (2019). Além disso, alguns
eventos consecutivos foram agrupados. Para tanto, um agrupamento em um único período
temporal seco foi realizado sempre que entre eventos secos houve períodos com aumento de
valor de armazenamento de água em menos de três meses. Contudo, também foram
computados valores de déficit hídrico menores que 3 meses.
Após a identificação dos eventos, uma representação de duração regional de eventos secos foi
realizada, verificando os períodos de duração comuns às bacias hidrográficas. Essa etapa
ocorreu para padronizar e aplicar as métricas seguintes, a fim de poder comparar os dados
entre as bacias hidrográficas.
4.3.4 Frequência
A frequência de seca refere-se ao número de repetições de eventos com déficit de

armazenamento hídrico detectado na série histórica. Neste estudo essa frequência foi obtida a
partir da série de anomalia média mensal obtida do GRACE. Embora o período da série do
GRACE seja inferior a 30 anos (2002 a 2022), considerou-se que essa análise de frequência de
seca é útil para identificar se há alguma sinalização de eventos secos com curta ou longa
duração a ocorrer de forma representativa no tempo.
57
4.3.5 Magnitude
Segundo Zargar et al. (2011) os termos de gravidade, intensidade e magnitude não são
empregados de forma conceitualmente universal. Nesse trabalho, considerou-se como
magnitude o valor máximo de anomalia média mensal de armazenamento água ocorrido
durante um período considerado seco.
4.3.6 Severidade
A fim de avaliar a relevância de cada evento seco e compará-los espacialmente por bacia
hidrográfica, essa métrica considerou a duração de cada evento seco não desconsiderando os
excessos hídricos em seu interior.
O fator severidade mede o grau do déficit de precipitação juntamente com o impacto

resultante do déficit hídrico, sendo influenciado pelas características da terra e seu uso de
superfície, associadas às variações atmosféricas e às decisões regionais de gestão hídrica
(THOMAS et al., 2014).
A severidade de um evento seco (𝑆 ) está relacionada com o déficit de armazenamento médio

de um período considerado como um evento seco (𝑇𝑊𝑆𝐴 ), multiplicado pela sua duração
(𝐷 ), ou seja, indica o número de meses em que o evento perdurou (THOMAS et al., 2014;
CHAO et al., 2016). Esse fator é estimado pela EQUAÇÃO 8:
𝑆 = 𝑇𝑊𝑆𝐴 × 𝐷 8
4.3.7 Tempo de recuperação da seca
Com intuito de predizer o tempo em que o evento seco será restaurado, mensura-se o tempo
médio de recuperação, ou seja, o intervalo de tempo provável para recuperação de cada mês
até o fim do evento (THOMAS et al., 2014).
O tempo de recuperação varia de um mês a vários anos, dependendo da severidade da seca e

das diferentes zonas climáticas (SINGH, REAGE e BEHRANGI, 2019).
Os valores de déficits não sazonais de armazenamento de água foram utilizados para estimar
do tempo de recuperação de secas (CHAO et al., 2016), ou seja, adotou-se a série de anomalia
média mensal de armazenamento de água obtida pela EQUAÇÃO 2.
A partir da série de anomalias médias mensais foi quantificado o volume de água necessário
para recuperar as condições de armazenamento de água abaixo do normal, por meio da taxa
de sua mudança no tempo de forma retroativa (𝑑𝑇𝑊𝑆𝐴/𝑑𝑡), segundo a EQUAÇÃO 9:
𝑑𝑇𝑊𝑆𝐴 𝑇𝑊𝑆𝐴 − 𝑇𝑊𝑆𝐴 9
=
𝑑𝑡 𝑡 −𝑡
onde: 𝑇𝑊𝑆𝐴 é o valor de anomalia de armazenamento de água no tempo 𝑡 e 𝑇𝑊𝑆𝐴 éo

valor de anomalia de armazenamento de água no passo de tempo anterior ao 𝑡 , ou seja, no
passo de tempo 𝑡 .
58
Porém, como o registro de dados do GRACE é curto, foi aplicado um teste de distribuição
normal aos valores de 𝑑𝑇𝑊𝑆𝐴/𝑑𝑡, semelhante ao realizado por Thomas et al. (2014), para
conhecimento sobre a normalidade dos valores da série.
Para isso, o teste não paramétrico Kolmogorov-Smirnov (KS) foi aplicado aos dados de
anomalia média mensal de armazenamento de água. Esse teste permite quantificar o índice 𝐷
(EQUAÇÃO 10), valor que demonstra o quanto uma função de distribuição cumulativa empírica
(𝐹 (𝑥)), dada pelos dados de 𝑑𝑇𝑊𝑆𝐴/𝑑𝑡, se aproxima de uma função de distribuição
cumulativa teórica (𝐹(𝑥) ).
𝐷 = 𝑚á𝑥|𝐹 (𝑥) − 𝐹(𝑥)| 10
se 𝐷 for menor que o limite 𝐷 - valores tabelados em função do número de amostras,

presentes no trabalho de Miller (1956) - não há diferenças significativas entre o 𝐹 (𝑥) e o
𝐹(𝑥), indicativo de distribuição normal.
Assim, o tempo de recuperação do déficit de armazenamento de água causado pela seca em

cada mês pode, então, ser estimado pela EQUAÇÃO 11:
𝑇𝑊𝑆𝐴 11
𝑇𝑟 =
𝐶
sendo 𝑇𝑟 é o tempo de recuperação do déficit de armazenamento de água causado pela seca
em cada mês e 𝐶 o valor do percentil a ser utilizado. Quando 𝑑𝑇𝑊𝑆𝐴/𝑑𝑡 apresentava uma
distribuição normal, de acordo com teste Kolmogorov-Smirnov, os percentis 68° (1 desvio
padrão) e 95° (2 desvios padrão) da 𝐹 (𝑥) são calculados, a fim de representar o coeficiente 𝐶
da EQUAÇÃO 11.
O percentil 95° é considerado a taxa de variação positiva máxima para os valores de déficit
hídrico. Já o percentil 68° é definido como a taxa de variação positiva média para os valores de
déficit hídrico. Assim, com o quociente resultante de um valor de déficit de água pelo valor da
taxa de variação positiva máxima ou pelo valor da taxa de variação positiva média estima-se o
tempo de recuperação mínimo ou o tempo de recuperação médio, para cada mês deficitário,
respectivamente.
4.4 MODELAGEM MGB: PERÍODO GRACE
Com o modelo MGB foram calculados os valores de armazenamento de água para realização
de uma comparação com os dados de armazenamento de água obtidos com o GRACE.
O MGB foi desenvolvido por Collischonn (2001), modificado por Paiva (2009) e por Pontes
(2016) – maiores formulações e equacionamentos encontram-se em Collischonn (2001) –
baseia-se em equações físicas e conceituais para simular os processos hidrológicos, com passo
de tempo diário, utilizado nesse trabalho. Os processos são realizados em quatro etapas:
balanço hídrico no solo; balanço de energia e evapotranspiração; interceptação, geração e
propagação de escoamentos superficial, subsuperficial e subterrâneo em cada Unidade de
Resposta Hidrológica-URHs de cada minibacia; e a propagação de vazão na rede de drenagem
(BUARQUE,2015).
59
O espaço territorial de uma bacia hidrográfica é discretizado em pequenas porções,
denominadas minibacias, determinadas por uma única rede de drenagem (FÖEGER, 2019), de
comprimento que foi definido como 1000m para o desenvolvimento do estudo. As minibacias
são subdivididas em URHs. As URHs são áreas com comportamento hidrológico parecido,
considerando a cobertura e o tipo de solo existentes (BUARQUE, 2015).
No MGB a interceptação de precipitação é representada por um reservatório, cujo volume

depende da cobertura vegetal, expressada pelo índice de área foliar. A evapotranspiração é
calculada pelo método de Penman-Monteith. O escoamento superficial acontece pelo excesso
da capacidade de armazenamento de água no solo em cada minibacia, onde os processos de
atenuação e retardo da água ocorrem sobre a forma de reservatórios lineares (superficial, sub-
superficial e subterrâneo), para se propagar até a rede de drenagem (SIQUEIRA et al., 2017).
Já nos rios e córregos, a propagação é determinada pelo método de Muskingum-Cunge

(COLLISCHONN e TUCCI, 2001), utilizado na pesquisa, ou pelo método inercial (PONTES, et al.,
2017).
Os dados de entrada do MGB são divididos em duas categorias: dados de séries temporais de
clima e de vazão; e dados espaciais (mapas do tipo de solo, cobertura do solo e MDE). Os
mapas de tipo de solo e de cobertura do solo são considerados para definir áreas
hidrologicamente homogenias – URHs. Considerando que há territórios de bacias fora do
perímetro do Estado do Espírito Santo, este estudo adotou diretamente o mapa de URHs da
América do Sul (FAN et al., 2015), disponibilizado pelo HGE na página
https://www.ufrgs.br/hge/modelos-e-outros-produtos/mapa-de-urhs-da-america-do-sul/, com
resolução de 400 m.
No trabalho, o mesmo MDE mencionado na delimitação da bacia foi usado para extração de
dados para o modelo MGB. Do MDE gerou-se a direção de fluxo, área de drenagem
acumulada, a rede de drenagem com 1000 m cada segmento. No que resultou em 4031
minibacias, dentro de 50 sub-bacias, das 13 bacias hidrográficas adotadas. As sub-bacias são
unidades de tamanho intermediário entre as bacias e as minibacias, nas quais são definidos os
valores dos parâmetros do modelo e realizados os procedimentos de calibração e validação
(FÖEGER, 2019).
Assim, o comportamento hidrológico foi definido em cada URHs de cada minibacia, explicado
com base nas características físicas do solo como armazenamento d’água, profundidade,
porosidade, condutividade hidráulica e nas características da vegetação como albedo,
superfície resistência, índice de área foliar e altura média das árvores (FAN e COLLISCHONN,
2014).
Porém, para que isso ocorra, antes, no modelo, são inseridas informações de 50 postos
fluviométricas e de 189 postos pluviométricas, obtidas das estações da ANA (localizadas na
Figura 11). Além disso dados climatológicos de 30 estações do INMET (Figura 11), foram
utilizados para cálculo das normais climatológicas da base interna do MGB.
Assim, demais parâmetros hidrológicos como a capacidade de armazenamento de água no

solo, relação armazenamento e saturação, coeficientes de escoamento subsuperficial e
subterrâneo, parâmetros de retardo dos reservatórios superficial, subsuperfície e subterrâneo
são incluídos pelo usuário do modelo. Com estes parâmetros, ajustes manuais são
preliminarmente realizados, a fim de calibrar os valores de vazão simulada com os dados de
vazão observada das estações fluviométricas.
60
Realizado o ajuste manual na calibração dos parâmetros, com os dados simulados
aproximados aos dadosos observados, uma calibração automática é realizada como refinamento
ao ajuste já efetuado. Para tanto, o MGB já tem implementado a calibração automática multi
multi-
objetivo (FAN e COLLISCHONN, 2014).
Após realizados os ajustes da simulação na etapa de calibração, a fim de verificar a eficiência

do modelo
odelo em estimar dados, a etapa de validação é realizada comparando os resultados do
modelo com dados de vazões observadas em um período distinto do que foi calibrado.
Figura 11. Redes de estações pluviométrica

pluviométrica, fluviométrica e climatológica utilizadas no estudo, com
dados disponíveis no período idêntico ao GRACE.
4.4.1 Calibração e validação MGB
A calibração dos parâmetros do modelo MGB MGB, em um primeiro momento, foi realizada para
todas as bacias no
o período de 01/2001 a 12/2019 e a validação no período 01/1990
01/ a 12/2000.
Nessas etapas foram comparados dados de vazões observados nos pontos fluviométricos
(Figura 11), com as vazões simuladas pelo MGB, utilizando métricas estatísticas.
No entanto, pelo fato de não existir dados fluviomét

fluviométricos,
ricos, para algumas bacias, no período de
validação, optou-se
se por realizar os ajustes entre as séries observadas e simuladas, por meio de
uma calibração no período total (01/1990 a 12/2019), que foi realizada de forma manual, para
depois realizar a calibração
ção automática (autocalibração) disponível no modelo.
Uma das métricas de avaliação do ajuste entre as séries observadas e simuladas na calibração
e validação é o coeficiente de eficiência de Nash
Nash-Sutcliffe
Sutcliffe (NSE), definido pela EQUAÇÃO 12. A
61
eficiência dessa medida varia de -∞ a 1, em que 1 corresponde a uma combinação perfeita
entre dados observados e simulados.
∑(𝑄 − 𝑄 ) 12
𝑁𝑆𝐸 = 1 −
∑(𝑄 − 𝑄 )
Onde: 𝑄 são valores de vazão simulados, 𝑄 são valores de vazão observados pelas estações e
𝑄 é a média desses valores observados.
Outra medida relevante para testagem do modelo consiste no coeficiente de eficiência de

Nash aplicado aos logaritmos das vazões (EQUAÇÃO 13).
∑(log (𝑄 ) − log (𝑄 )) 13
𝑁𝑆𝐸𝐿𝑜𝑔 = 1 −
∑(log (𝑄 ) − (𝑙𝑜𝑔𝑄 ))
Ademais, o Erro de Volume também foi aplicado às vazões simuladas e observadas, conforme
EQUAÇÃO 14, a fim de corroborar com a análise de ajuste da série temporal simulada. Esse
coeficiente de eficiência mede a tendência de as vazões simuladas serem maiores ou menores
que às observadas, tendo um valor ideal igual a 0%. Valores resultantes com sinal positivo
indicam uma superestimativa de volume de vazões, enquanto valores negativos indicam uma
subestimativa (GUPTA, SOROOSHIAN e YAPO, 1999).
∑𝑄 − ∑𝑄 14
∆𝑉(%) = . 100
∑𝑄
4.4.2 Avaliações iniciais com informações de sensores remotos
Para as saídas do MGB são utilizados os valores de precipitação e vazão obtidos das estações
de monitoramento da ANA. Interpolados para cada minibacia a passo de tempo diário. Assim,
para comparar aos dados do GRACE, após a simulação do período total (calibração de 1990 a
2019), ocorreu a transformação de valores de armazenamento para anomalia média mensal
em cada bacia, de acordo com a EQUAÇÃO 2. Dessa mesma forma, a precipitação e a
evapotranspiração processadas no MGB foram transformadas, separadamente, em valores de
anomalia média mensal em cada bacia, e comparadas aos valores de anomalia média mensal
de sensores remotos, a fim de observar graficamente, discrepâncias entre esses dois tipos de
dados, em possíveis simulações do modelo. No entanto, a simulação ocorreu apenas com os
dados in situ.
Valores de anomalia média mensal de precipitação adquiridos com a solução Integrated Multi-
satellitE Retrievals for GPM (IMERG) foram comparados aos valores de anomalia média mensal
de precipitação advindos da simulação do MGB.
O algoritmo IMERG combina informações dos satélites GPM para estimar a precipitação. Muito
útil para locais que carecem de instrumentos de medição in situ. Sua versão 06 engloba
estimativas de precipitação coletadas da missão TRMM (2000 - 2015) com valores de
precipitação coletadas da operação GPM (2014 – presente, maiores informações
https://gpm.nasa.gov/data/imerg).
Dados de precipitação em milímetros por mês foram coletados do site

https://giovanni.gsfc.nasa.gov no formato geotiff, em resolução espacial 0,1° e transformados
62
para centímetros por mês. Com isso, a média dos valores de precipitação sobre a área de cada
bacia foi extraída com o auxílio do software Matlab para ser posteriormente submetidos à
retirada de sazonalidade, assim como realizado nos dados de armazenamento de água do
GRACE.
Além da precipitação, os dados de evapotranspiração também foram utilizados para fornecer

maior confiabilidade aos dados calibrados no período 1990 a 2019.
Para comparar dados de evapotranspiração do MGB, dados de anomalia média mensal de

evapotranspiração da solução MOD16A2 foram obtidos do Numerical Terradynamic Simulation
Group da Universidade de Montana, em resolução espacial de 0,05°, com disponibilidade de
informações até a data de 2014-12 (http://files.ntsg.umt.edu/data/NTSG_Products/MOD16 ).
O algoritmo usado na solução MOD16 é baseado na lógica da equação de Penman-Monteith,
assim como o cálculo de evapotranspiração simulado pelo MGB. Para maiores informações
sobre a solução MOD16 acessar https://lpdaac.usgs.gov/products.
De acordo com os mesmos procedimentos ocorridos para os dados de precipitação, a média

dos valores de evapotranspiração sobre a área de cada bacia foi extraída com o auxílio do
software Matlab para ser posteriormente submetidos à retirada de valores de sazonalidade.
Os dados de precipitação e evapotranspiração utilizados do MGB para a comparação são

simulados para cada minibacia a passo de tempo diário. Assim, a média ponderada pela área
das minibacias resultou no valor médio diário representativo de cada uma das 13 bacias
avaliadas. Os valores diários foram agregados em valores mensais e após esse passo, retirado a
sazonalidade desses valores mensais.
4.4.3 Armazenamento de água com o modelo MGB
Após as etapas anteriores, de averiguação sobre os parâmetros calibráveis e algumas saídas do

modelo, foi realizada uma simulação para o período de 01/1995 a 12/2019, a fim de comparar
estimativas de armazenamento de água produzidas pelo MGB com os dados do GRACE. O
período simulado pelo modelo foi um pouco mais extenso ao período de dados dos satélites,
para que os dados se estabilizassem, vez que, os parâmetros calibráveis necessitam se livrar da
influência das condições iniciais (MELLO et al. 2008, CHIANG et al., 2010; MELO NETO et al.,
2013; ANDRADE, MELLO e BESKOW, 2013).
Em cada bacia hidrográfica o armazenamento total de água (𝑇𝑊𝑆) sofre influência da

precipitação (P), da evapotranspiração (E), das vazões de entrada (I) e das vazões de saída (O)
de seus rios. Esse valor retido é calculado com base na equação de continuidade (EQUAÇÃO
15), conforme abordagem apresentada nos trabalhos de Paiva et al. (2013) e Getirana et al.
(2011).
𝑑𝑇𝑊𝑆 15
= (𝑃 − 𝐸). 𝐴 + 𝐼 − 𝑂
𝑑𝑡
onde: 𝐴 é a área de drenagem da minibacia simulada e 𝑡 é o tempo.
O armazenamento de água estimado pelo MGB tem por base a equação da continuidade,
contudo, o modelo realiza um cálculo mais detalhado nos compartimentos hidrológicos
(EQUAÇÃO 16; SIQUEIRA et al., 2017), considerando o somatório das interceptações de água
63
pela vegetação (𝑆) e da umidades de água no solo (𝑊), em milímetros, por um fator de
ponderação( 𝑃 ) de cada Unidade de Resposta Hidrológica (𝑢) presente em cada minibacia (𝑚),
a passo de tempo diário (𝑡). Além disso, inclui-se em cada minibacia a cada passo de tempo, os
volumes de água (m3) em cada reservatório linear superficial (𝑉𝑠𝑢𝑝), subsuperficial (𝑉𝑖𝑛𝑡),
subterrâneo (𝑉𝑏𝑎𝑠) e, é claro, o volume de água nos rios e nas planícies inundáveis (𝑉𝑟𝑖𝑜;).
(𝑉𝑠𝑢𝑝 , + 𝑉𝑖𝑛𝑡 , + 𝑉𝑏𝑎𝑠 , + 𝑉𝑟𝑖𝑜 , ) 16

𝑇𝑊𝑆 , = 𝑆 , , +𝑊 , , .𝑃 +
𝐴 ∗ 100
onde: 𝑇𝑊𝑆 , é o armazenamento de água para cada minibacia 𝑚 no tempo 𝑡, em milímetros

e 𝐴 é a área de cada minibacia (km2)
Para o cálculo da água armazenada no solo (𝑊) da EQUAÇÃO 16, o modelo utiliza a chuva
ocorrida (𝑃), o fluxo de água ascendente do aquífero para superfície do solo (𝐶𝐴𝑃) e o
escoamento de planície (𝐷 ) como valores de aumento de armazenamento de água, e a
evapotranspiração (𝐸) e os volumes escoados nos reservatórios lineares superficial (𝐷 ),
subsuperficial (𝐷 ) e subterrâneo (𝐷 ) como valores diminutos do quantitativo de água.
𝑊 = 𝑃 + 𝐶𝐴𝑃 + 𝐷 −𝐸−𝐷 −𝐷 −𝐷 17
Por fim, para gerar séries históricas de armazenamento de água comparáveis com os dados do
GRACE, foi realizada uma média ponderada entre os dados de armazenamento de água diários
das minibacias pertencentes à cada uma das 13 bacias. O peso utilizado no cálculo da média
ponderada foi a área das minibacias. A partir das médias diárias, os valores de armazenamento
foram agregados mensalmente.
4.4.4 Métricas de comparação das séries GRACE e MGB
Para investigar a relação entre o armazenamento de água estimado pelo MGB e os valores de
armazenamento obtidos com dados do GRACE, além da plotagem e observação dos erros
referentes às diferenças das séries históricas, foi utilizado o índice estatístico já mencionado,
de Nash-Sutcliffe (EQUAÇÃO 12), que indica o quantitativo de concordância existente entre os
conjuntos de dados, além das medidas: coeficiente de Pearson, Erro Médio Quadrático e erro
de amplitude entre as séries.
O coeficiente de Pearson (r) é um índice de avaliação primário e principal para avaliar

quantitativamente o grau de correlação entre dados observados e simulados (WANG et al.,
2017). O coeficiente é indicador de direção positiva ou negativa, variando de -1 a 1, do
relacionamento entre as variáveis e seu valor sugere a força da relação entre elas. Valores
próximos a zero indica uma relação linear inexistente e valores próximos a um indicam uma
relação linear perfeita. O cálculo desse coeficiente é realizado pela EQUAÇÃO 18.
1 𝑂 −𝑂 𝑃 − 𝑃) 18
𝑟=
𝑛−1 𝑆 𝑆
64
sendo: 𝑛 é o número de amostras; 𝑂 e 𝑃 são amostras das variáveis observadas e simuladas,
respectivamente; 𝑂 e 𝑃 são as médias amostrais; 𝑆 𝑒𝑆 são os desvios padrão das amostras
observada e simulada, respectivamente.
O indicador estatístico Erro Quadrático Médio (Mean Square Error - MSE), indicado pela
EQUAÇÃO 19, demonstra a acurácia do modelo, fornecendo maior peso aos maiores erros
encontrados entre os valores do GRACE quando comparados aos valores simulados pelo MGB.
∑ (𝑂 − 𝑃 ) 19
𝑀𝑆𝐸 =
𝑛
sendo: 𝑛 é o número de amostras; 𝑂 valores de dados observados; e 𝑃 valores de dados

simulados.
Também se utilizou da aplicação do erro de amplitude entre as séries, baseado no trabalho de

Paiva et al. (2013). O cálculo da amplitude (𝐴 ) de cada série é realizado por meio da diferença
entre seus percentis 95% e 5%. Assim, a EQUAÇÃO 20 foi utilizada para um diagnóstico da
diferença de amplitude entre as séries GRACE e MGB.
100(𝐴 −𝐴 ) 20
𝐴′ =
𝐴
A comparação dos dados entre o GRACE e o MGB serve de base para estabelecer a imprecisão
de valores de armazenamento de água produzidos pelo modelo hidrológico, a fim de que
sejam considerados em possíveis previsões.
4.5 MODELAGEM MGB: PERÍODO DE PREVISÃO
No intuito de conhecer a possibilidade do MGB em predizer valores de armazenamento de

água uma simulação foi realizada para o período de 1950 a 2019, a partir dos dados
observados em campo, das mesmas estações climáticas, pluviométricas e fluviométricas
usadas na etapa de simulação do MGB para comparação com o período GRACE.
Essa simulação ocorreu com os parâmetros já calibrados no período de 1990 a 2019 e com o
conhecimento da correlação entre os dados de armazenamento de água dos dados dos
satélites com os do MGB. A partir dos dados simulados métricas estatísticas, utilizadas na
seção 4.3, foram aplicadas à essa previsão, a fim de capturar as características dos eventos
secos ocorridos no período 1950 a 2019.
65
5 RESULTADOS
Os principais resultados doo desenv

desenvolvimento do trabalho encontram-se se nas subseções abaixo,
abaixo
elaborados com o intuito de responder aos objetivos de avaliar os déficits hídricos
proporcionados pelos sinais emitidos pela missão GRACE e GRACE
GRACE-FO,
FO, caracterizar os eventos
secos sobre a região hidrográfica
rográfica do Espírito Santo
Santo, determinando no espaço e no tempo suas
durações, frequências,, magnitude
magnitudes, severidades e seus tempos de recuperação,
recuperação no período de
04/2002 a 03/2020. Após essa
essas decorrências passou-sese a demonstrar os achados referentes à
simulação
ão de valores de armazenamento de água com o MGB, para poder comparar essas
estimativas aos dados de armazenamento do GRACE. Dessa forma, com outra posterior
simulação foi possível responder à possibilidade do MGB em predizer valores de
armazenamento de água ua para a área de estudo.
5.1 DÉFICIT HÍDRICO COM O GRACE
5.1.1 Preenchimento de Falhas
Neste estudo foi considerada uma série histórica de 184 dados mensais da solução Mascon
CSR RL06 v02, corresponde a valores de armazenamento em água (cm). Inicialmente, para
visualizar a variação dos dados e as falhas ocorridas (meses sem dados) nos sensores ao longo
do tempo, a Figura 12 apresenta a série histórica de um Mascon com 0,25° localizado sobre a
bacia do rio Santa Maria da Vitória, compreendendo a coordenada geográfica Longitude -
40.625 e Latitude -20.125. C Cada falha apresentada é umaa ausência de dados sobre todos os
espaços territoriais avaliados
avaliados, assim, a ausência ia de dados para o mês de 06/2002,
06/2002 por
exemplo, ocorre nos dados obtidos em todas as bacias hidrográficas estudadas.
estudadas
Figura 12. Série histórica de valores de armazenamento em água mensais, obtida por meio da solução
Mascon CSR RL06 v02 com resolução de 0,25° 0,25°,, no período de abril de 2002 a abril de 2019,
2019 sobre a
região da bacia hidrográfica do rio Santa Maria da Vitória
Vitória.
Ao todo, as séries históricas estudadas contêm 34 meses de falhas. Para verificação da

validade de preenchimento no período de abril de 2002 até abril de 2017,
2017 alguns valores
conhecidos das séries histórica
históricas foram removidos de forma aleatória e o método de
preenchimento pela média entre os valores próximos e o método de p preenchimento de
medianas mensais foram incluídos e comparados com os valores reais da série de
66
armazenamento de água. O resultado demonstrou que aas divergências entre os valores não
são muito maiores que o erro considerado para os dados adquiridos pelos satélites
sa (2 cm)
segundo Yin et al. (2019).
No período de maio de 2017 até abril de 2018 verificou-se

se uma sequência de 12 meses sem
dados,, devido à substituição da missão GRACE pela missão GRACE
GRACE-FO.
FO. Nesse período foram
testados dois métodos de preenchimento, um por meio de médias mensais e outro por
medianas mensais. Embora os resultados apresentados na Figura 13 indiquem uma boa
aproximação o entre os métodos
métodos, o preenchimento da falha anual por valores de medianas
mensais foi adotado neste estudo, assim como adotado em trabalhos como o de Sinha, Syed
and Reager (2019). Ainda,, segundo Rahaman et al.. (2019), os dados hidrometeorológicos não
são normalmente distribuídos, isso faz com que a média não represente as tendências tão
efetivamente quanto a mediana.
A partir do método de preenchimento, pode pode-se observar,, tomando por exemplo a mesma
série histórica já citada, que em todo o período, as medi medianas
anas mensais geram valores
superiores aos das médias mensais
mensais. No período de déficit hídrico, as médias mensais seriam
mais pronunciadas. No entanto
entanto,, não há ocorrência de grandes variações entre os dois métodos
aplicados.
Figura 13.. Comparação entre os métodos de preenchimento de falha de dados entre medianas e médias
mensais,, para o Mascon de 0,25°, localizado na bacia do rio Santa Maria da Vitória.
Com o objetivo de identificar a consistência no preenchimento, frente as incertezas quanto ao

método de preenchimento escolhido, foi elaborada uma curva de dupla massa para um
Mascon sobre cada região hidrográfica
hidrográfica. O ponto de coordenadas Longitude -42.875
- e Latitude
-20.375
20.375 pertencente à bacia do Alto do Doce foi escolhido como exemplificação para esta
avaliação, sendo necessários dados observados de precipitação, no intervalo temporal idêntico
ao do GRACE, os quais foram adquiridos da estação pluviométrica 2043025 (próxima à área
exemplificada) disponibilizados pela ANA.
A Figura 14 apresenta a correspondência acumulada entre os dados de precipitação e os dados

de armazenamento de água (GRACE). Uma seção primária curta de decl declive
ive dá lugar a um
período relativamente longo de aclives e declives sequenciais (segunda seção), passando a um
terceiro momento de longo declive. Na terceira seção, o trecho com uma suave ascensão no
declínio corresponde ao período de preenchimento de dadodadoss de maio de 2017 até abril de
2018.
67
Por meio desse método, a observação de erro no preenchimento não pode ser confirmada,
visto que, o ressalto pode corresponder a uma alteração climática que anteriormente já foi
caracterizada pela segunda seção, com con constantes
stantes mudanças entre aclives e declives
sucessivos.
Figura 14. Curva dupla massa entre os valores acumulados do GRACE (armazenamento de
água) e valores acumulados de precipitação
precipitação,, sobre a região representativa da bacia do Alto
Doce,
ce, para o período de 04/2002 a 03/2020.
5.1.2 Análise inicial entre séries históricas (precipitação, vazão e armazenamento)
Essa seção busca avaliar visualmente a variabilidade temporal das séries históricas de
precipitação, vazão e armazenamento de água em cada bacia hidrográfica, identificando
comportamentos semelhantes e discrepantes
discrepantes.
As séries históricas de armazenamento de água geradas pela média ponderada dos valores dos
Mascons presentes em cada bacia hidrográfica foram comparadas qualitativamente às séries
de precipitação e vazão das estações pluviométricas e fluviométricas da ANA ANA. As estações
pluviométricas foram escolhidas de forma a representar centralmente a bacia
bacia. Já as estações
fluviométricas foram as mais próximas dos exutórios de cada bacia, ou
u a única estação possível
de realizar a comparação (Figura
Figura 15).
68
Figura 15. Localização dos postos pluviométricos e fluviométri
fluviométricos utilizados para comparar com os
valores temporais médios de armazenamento de água no período de 04/2002 a 03/2020 .
As séries mensais de precipitação, vazão e armazenamento para cada bacia estão

apresentadas da
Figura 16 a
Figura 28, nas quais se observa o acompanhamento de fase (cheias e secas) entre elas e
observar o período preenchido de 05/2017 até 04/2018.
A partir das figuras (
Figura 16 a
Figura 28), observa-se que o período de preenchimento (maio de 2017 até abril de 2018) está
contido em um trecho deficitário em termos de armazenamento de água. No entanto, entre
esse período as bacias passaram
aram por um período com pico de precipitação e vazão. Esse fato
corrobora com o aumento do excesso de armazenamento dentro do trecho de
preenchimento.
A partir disso, é possível afirmar que os dados de armazenamento de água preenchidos com
valores de medianas
anas mensais puderam representar as condições climáticas do período em que
houve as falhas de dados capturas pelos satélites. Assim, a fase de armazenamento
acompanha os dados de precipitação e vazão da época, mesmo que, as magnitudes possam
não ser compatíveis
íveis com a real ocorrência.
69
Quanto ao tempo de resposta do armazenamento hídrico em relação à precipitação e à vazão
dos rios, o atraso não ultrapassa dois meses a precipitação e a vazão, até o final de 2013. Esse
tempo de resposta também foi observado eem m trabalhos como os de Hassan e Jin (2016), Ma et
al. (2017), Abd-Elbaky
Elbaky e Jin (2019), Jing, Zhang e Zhao (2019). O motivo provável dessa
defasagem tem relação ao deslocamento de água para o subterrâneo.
Porém,, no evento chuvoso de 2013, o pico de armazenamento correspondeu

corresponde ao pico de
precipitação e vazão. Em período posterior a esse, a reposta do armazenamento de água é
imediata ou anterior aos eventos de precipitação e vazão. Essa precedência é encontrada por
Penatti et al.. (2015), quando compara dados GRACE a dados de vazão no Pantanal.
Vale ressaltar, assim como Penatti et al.. (2015), que os dados advindos do GRACE incluem
todos os elementos do armazenamento de água, enquanto que as observações in situ, são
incompletas e limitadas espacialmente. Assim, a redução da defasagem entre os picos podep
ser consequência do não caminhamento das águas para o subterrâneo. Já a antecedência pode
simbolizar a captura atmosférica de altos valores de evapotranspiração, assim, restaria saber
se no período os valores
res desse parâmetro estiveram altos.
Figura 16. Séries históricas mensais de armazenamento de água (TWS), precipitação (P) e vazão (Q) para
a bacia do Alto Doce,, no período de 04/2002 a 03/2020
03/2020.
a bacia do Médio Rio Doce,, no período de 04/2002 a 03/2020
03/2020.
70
Figura 18. Séries históricas mensais de armazenamento de água (TWS), precipitação
cipitação (P) e vazão (Q) para
a bacia do Baixo Rio Doce,, no período de 04/2002 a 03/2020. .
a bacia do rio Mucuri,, no período de 04/2002 a 03/2020.
a bacia do rio Itaúnas,, no período de 04/2002 a 03/2020
03/2020.
71
a bacia do rio São Mateus,, no período de
de04/2002 a 03/2020.
a bacia do rio Barra Seca, no período de 04/2002 a 03/2020.
a bacia do rio Riacho,, no período de 04/2002 a 03/2020
03/2020.
72
a bacia do rio Santa Maria da Vitória
Vitória, no período de 04/2002 a 03/2020.
a bacia do rio Jucu,, no período de 04/2002 a 03/2020
03/2020.
a bacia do rio Benevente,, no período de 04/2002 a 03/2020
03/2020.
73
a bacia do rio Itapemirim,, no período de 04/2002 a 03/2020.
par
a bacia do rio Itabapoana,, no período de 04/2002 a 03/2020
03/2020.
5.1.3 Séries históricas de armazenamento hídrico
Para uma análise visual comparando os resultados de armazenamento hídricos entre as bacias,
ass séries históricas de armazenamento de água médio de cada ada bacia são apresentadas na
Figura 29 e Figura 30. As figura
figuras indicam que valores de armazenamento de água têm variação
de -600 cm a 30 cm, com maiores variações entre excessos e déficits principalmente na bacia do
rio Doce e nas bacias do norte e extremo sul do ES. Essa mesma figura mostra que as bacias da
região central, como as dos rios Riacho, Santa Maria da Vitória, Jucu, Be
Benevente
nevente e Itaúnas ao
norte possuem a variabilidade
ariabilidade de armazenamento de água mais uniforme ao longo do tempo
do que as demais.
74
Figura 29. Visualização por localização dos gráficos representativos da variação temporal do armazenamento de água médio (TWS).
75
Figura 30. Zoom gráfico da variação temporal do armazenamento de água médio (TWS) em cada bacia hidrográfica da região de estudo.
76
Para avaliar se os dados de armazenamento de água criados pela aplicação da técnica de
média ponderada resultou em valores condizentes com os valores de armazenamento de água
de Mascons que compõem as bacias, a série histórica de um Mascon localizado na bacia do rio
Santa Maria da Vitória (Figura 31, bacia 9), produzido pelo laboratório CSR, foi comparada à
série histórica média de TWS, elaborada nesse estudo para essa bacia (Figura 32), como forma
de exemplificar as divergências que podem ser encontradas em cada bacia.
A partir dessas figuras é p possível visualizar a correspondência da série histórica de

armazenamento de água do Mascon com os valores de armazenamento de água gerados pela
média ponderada da bacia.. No entanto, percebe
percebe-sese que alguns picos e vales foram suavizados
com a aplicação da técnica.
cnica. Essa divergência foi influenciada pelos valores dos demais
Mascons, pois estes, podem conter valores de picos e vales mais amenos.
Figura 31.. Série histórica do Mascon ID 13865, localizado na bacia do rio Santa Maria da Vitória.
Fonte: http://www2.csr.utexas.edu/grace/RL06_Mascon_Viewer/Apps/index.php
http://www2.csr.utexas.edu/grace/RL06_Mascon_Viewer/Apps/index.php.
Figura 32.. Série histórica de armazenamento de água da bacia do rio Santa Maria da Vitória produzida
por média ponderada dos valores dos Mascon que compõem a área.
77
Algumas medidas de estatísticas básicas foram mapeadas sobre a região de estudo como
forma de conhecer a variabilidade dos dados trabalhados nas bacias hidrográficas. Valores
extremos de armazenamento de água são apresentados na Figura 33. Essa figura exibe os
limites das bacias hidrográficas em azul e o limite territorial capixaba em preto. Da imagem
depreende-se que os valores máximos de armazenamento de água (Figura 33a) se encontram
na faixa de 5 a 50 cm, enquanto valores mínimos de armazenamento (Figura 33b), que são os
referentes à análise de déficits hídricos, encontram-se abaixo de -10 cm na região leste,
chegando próximo a -80 cm para oeste do território espírito-santense. Pelo mapeamento,
observa-se uma grande amplitude de variação de armazenamento de água sobre a região
oeste em direção à região leste.
Figura 33. Distribuição espacial de valores máximos (a) e valores mínimos (b) de armazenamento de
água sobre a área de estudo.
Na Figura 34 são espacializados os valores referentes ao comportamento da variação e do

desvio padrão dos dados das séries históricas. A parte litorânea do Espírito Santo apresenta as
menores variações e desvio de dados, com mudança desse cenário à medida que nos
deslocamos a oeste nas bacias hidrográficas. Esses dados corroboram com a descrição das
amplitudes de variação apresentadas acima.
78
Figura 34. Distribuição espacial da variância e do desvio padrão da série histórica de armazenamento de
água sobre a região avaliada.
5.1.4 Sazonalidade e anomalia
Para trabalhar com valores atípicos de armazenamento de água e conseguir uma correta
caraterização dos déficits hídricos, a remoção da sazonalidade se faz necessária. Do cálculo
para atingir essa finalidade, a subtração entre os valores de armazenamento de água pelos
valores de médias mensais (Figura 35) dividido pelos desvios padrões mensais (Figura 36), é
possível notar a variabilidade do armazenamento de água mês a mês sobre o território
avaliado. Assim, foram produzidas as séries de anomalia média mensal de armazenamento de
água (TWSA; Figura 37).
Os valores de médias mensais mostram que os meses de junho a outubro, com ênfase em
setembro, são os que apresentam armazenamento de água mais baixos. Além disso, da
espacialização das médias mensais sobre a área de estudo é possível avaliar que a região oeste
contém valores mínimos mais extremos. Essa região também apresenta os desvios de valores
mais acentuados de janeiro a junho, com variação acentuada nos meses de janeiro, março e
abril.
79
Figura 35. Valores de anomalia média mensal de armazenamento de água (TWSA).
80
Figura 36. Valores de desvio padrão mensais de anomalia média mensal de armazenamento de
água (TWSA).
O cálculo da série de anomalia média mensal de armazenamento de água produziu valores

entre 3 cm a - 4 cm de água (Figura 37). Desses valores irregulares para as regiões é possível
observar, em uma análise generalizada sobre todas as bacias, que os primeiros anos da série
histórica do GRACE apresentaram baixos valores de armazenamento de água. Uma grande
quantidade de valores de armazenamento de água em excesso ocorreu de 2005 até a metade
de 2007, onde a partir daí, baixos valores foram estimados até próximo ao início de 2009. De
2009 a 2014, com exceção de um curto intervalo no fim de 2010, houve um período de
excesso hídrico até o início de 2014, o qual demarca um novo período de baixa hídrica até o
final dos dados avaliados.
Uma análise mais aprofundada com datação de início e fim dos períodos secos, além de outras
características é realizada na seção de Identificação dos Períodos Secos e em posteriores
seções.
81
Figura 37. Valores de anomalia média mensal de armazenamento de água (TWSA) para cada bacia hidrográfica, fixados valores de eixo de -4,0 a 3,0 centímetros de altura.
82
Os períodos negativos de TWSA retratados acima também são verificados pela aplicação do
índice de seca SPI, acumulado de 9 meses, obtidos do Global Drought Observatory-GDO,
Observatory
apresentados na Figura 3838. A partir da Figura, verificam-se períodos muitos secos e
extremamente secos (cores avermelhadas) antes de 2004, após metade de 2007 e após 2014.
Figura 38.. Variação do índice de seca SPI 09 para um ponto na área de estudo demonstrando os
períodos secos.
Fonte: GDO (2020b).
5.1.5 Tendência
Os valores de TWSA foram utilizados para realizar uma análise de existência de tendência
positiva ou negativa, ou de não existência de tendência
tendência, sobre os dados das séries históricas
das bacias hidrográficas. Ainda
Ainda, nessa seção, foi possível comparar quais bacias possuíam
maior ou menor tendência que as demais
demais.
Para tanto, o teste não paramétrico de Mann Mann-Kendall

Kendall (MK) foi aplicado à série histórica
preenchida, baseado no script elaborado por Fatichi (2020). O resultado do teste está
apresentado em uma imagem (Figura 39) que demonstra espacialmente evidências suficientes
ou não de rejeitar a hipótese nula, que é entendida como a não existência de tendência.
No mapa da Figura 39,, grande parte da área avaliada (em branco) é possu
possuidora
idora de tendência
nos valores de TWSA a um nível de significância de 5%. Por outro lado, no extremo nordeste
do Estado, nass bacias de Rio Riacho, Itabapoana e parte das bacias de Santa Maria da Vitória e
Itapemirim, verifica-se uma falta de evidências sobrere a existência de tendência nos dados.
Assim, para essas bacias não se pode afirmar que os dados possuem um padrão identificável
de excesso ou déficit hídrico.
83
Figura 39. Mapa indicativo de posições geográficas possuidoras de série histórica de valores de
armazenamento de água com evidência de tendência (em branco) e com ausência de tendência (em
preto).
A amplitude de tendência foi elaborada com o método de Theil-Sen, com base no código de
Danziger (2020), que indica a inclinação da linha de tendência, positiva ou negativa, do
armazenamento de água ao longo do tempo. A Figura 40 apresenta uma espacialização do
coeficiente angular da reta de inclinação da tendência, indicando também as regiões com
maiores e menores amplitudes de tendências.
Nessa figura há indicativos de um coeficiente de inclinação de tendência negativa nos valores

de TWSA, sobre quase todas as bacias de análise. Isso significa que os valores de déficit hídrico
tendem a ser o padrão, ao longo do tempo, para as regiões do estudo. Para todas as bacias
analisadas há declínio nos valores de armazenamento de água ao longo do tempo. Contudo, há
bacias em que essa inclinação se apresenta com maior intensidade, como é o caso da bacia do
rio Doce e das bacias no norte capixaba.
Há aumentos do coeficiente de inclinação para valores positivos em direção sudeste (cores

amareladas). No entanto, sobre essa última região o teste de Mann-Kendall (MK) indica falta
de evidência estatística da presença de alguma tendência. Assim, valores de inclinação de
tendência positivos de TWSA podem não se perpetuar ao longo do tempo nessas bacias.
84
Figura 40. Variações espaciais do coeficiente angular da reta de inclinação de tendência segundo
método de Theil-Sen.
Houve uma comparação entre os métodos empregados para definição da linha de tendência,
Theil-Sem e Regressão Linear, vez que, o método de Theil-Sen é menos sensível a valores
extremos. Os resultados são observados pela Figura 41, onde é possível notar uma
subestimativa de tendência negativa pelo método de regressão linear. A diferença entre as
tendências obtidas pelos métodos de Theil-Sen e de Regressão Linear se mostrou mais
discrepante nas bacias com os maiores coeficientes de inclinação negativa.
85
Figura 41. Séries históricas e linhas de tendências pelo método de Theil-Sen (vermelho) e linha de tendência pelo método de regressão linear (verde).
86
5.1.6 Identificação de períodos de déficit hídrico
Nessa seção foram utilizadas as séries de TWSA para identificar os períodos de déficit hídrico,
demarcando as datas de início e fim de cada evento seco.
De acordo com Thomas et al. (2014) os eventos secos são caracterizados por uma sequência
mínima de 3 meses consecutivos em falta hídrica. No entanto, na área de estudo, optou-se por
demonstrar todos os eventos com déficits hídricos agrupados e também os eventos menores
que três meses de duração. O motivo para tanto é o fato de que, sendo o Estado uma região
produtora de recursos agropecuários, a ocorrência de dois meses consecutivos com valores de
baixo armazenamento de água, já é possível ser uma condição que acarrete em perdas
econômicas severas em algumas localidades.
Para representar a região hidrográfica avaliada buscou-se delimitar um período comum de

início e fim de déficit hídrico para todas as bacias. Assim, foram considerados início e fim de
um evento seco o aparecimento de qualquer valor de déficit hídrico em pelo menos duas
bacias hidrográficas simultaneamente.
Dessa forma, os eventos do período de avaliação do GRACE comum a toda região de análise
ficaram definidos conforme Tabela 2, na qual observam-se 12 períodos de seca em 18 anos.
Desses, quatro eventos ocorreram com duração superior a doze meses de déficit hídrico,
sendo configuradas como secas plurianuais.
Descartados os períodos delongados de seca pode-se notar uma possível recorrência de

evento seco de 4 meses, próximo ao final de cada ano, com algum recuo ou antecipação em
alguns anos, como observado em 2004, 2005 e 2006. Em 2011 e 2012 há uma antecipação do
evento seco para o início do inverno e após esses anos, eventos delongados são marcados por
iniciarem no início dos seus respectivos anos civis (2013, 2014 e 2018).
No período de fevereiro de 2002 até janeiro de 2004, os dados dos satélites GRACE indicam
que houve um longo período de déficit hídrico. Apesar de haver alguns poucos valores de
excedente hídrico entre os déficits, todo o período foi considerado muito deficitário, chegando
ao acumulado de -16cm de TWSA na bacia do Itabapoana. O período de 2002-2003 é tido
como ano de ocorrência de El Niño, caracterizado por muita chuva no Sul do país e seca no
Nordeste.
Um período curto de déficit hídrico ocorreu novamente no fim de 2004, mas não de influência
em todas as bacias. Outro período curto com déficit hídrico de final de ano foi percebido nas
bacias do centro-sul de 2005 ao início de 2006. Segundo a WMO (2014), em 2005 ocorreu uma
seca no leste brasileiro, fato que reforça os dados de déficit hídrico encontrados. No entanto,
as bacias mais ao norte pelo que parece não vivenciaram essa redução hídrica.
Mais uma vez o centro-sul foi atingido por déficit de armazenamento de água no fim de 2006.
No geral, ocorreram 4 meses de déficit no fim de 2006 e 5 meses de déficit no final de 2007
nessa região, sendo considerados, portanto, eventos secos, vez que, tratam-se de valores de
anomalia média mensal de armazenamento de água. Nos anos de 2006-2007 outro evento de
El Niño foi registrado (CPTEC, 2020).
De 8/2007 a 11/2008 na mesma região, centro-sul, as bacias passaram por um período

prolongado de déficit hídrico com permanência de 9 meses consecutivos. Já as bacias do norte,
durante essas datas, tiveram vários meses de excesso hídrico, com poucos meses em déficit
87
hídrica. Nesse período um evento de La Niña foi registrado, o que correspondente ao Nordeste
brasileiro passar por um período chuvoso e o Sul por um período seco.
Também houve a ocorrência de 4 meses consecutivos de déficit hídrico ao final do ano de

2010, sendo percebidos na região centro-sul. No ano de 2010 um El Niño foi registrado
segundo a CPTEC (2020).
Segundo Silva (2010) ocorreu uma estiagem no ano 2009 no ES, porém esse evento não
observado pelos dados TWSA neste estudo. Essa precipitação abaixo da média também foi
observada por Uliana et al. (2017) no período de 2009-10 a 2010-3 para o noroeste do Estado.
Já para Ramos et al. (2016) nos anos de 2008 e 2009 ocorreram precipitações volumosas.
Dessa forma, parte-se do pressuposto que ocorreu uma seca meteorológica e/ou agrícola em
2009, a qual não acarretou em modificações expressivas sobre o armazenamento de água. No
entanto, uma precipitação considerável foi registrada em 2009 (SILVA, 2010; ULIANA et al.
2017), o que pode ter impossibilitado a caracterização do período como anomalia média
mensal, pelos sinais capturados pelos satélites GRACE.
De 2010 a 2011, o evento climático ocorrido foi o La Niña. Durante esse período, de maio a
agosto de 2011, as bacias do centro-norte capixaba tiveram meses de déficit hídrico. O ano de
2012 foi marcado por um período seco nas bacias do norte do ES. Ribeiro Neto (2017) conferiu
ao ano de 2012 um período seco no ES e em MG devido ao ENSO. No entanto, segundo
listagem fornecida pela CPTEC (2020) no ano de 2012 não há relato da ocorrência de El Niño
ou La Ninã.
Os trabalhos de Nobre et al. (2016) e Getirana (2016) indicam o ano de 2012 e 2011,
respectivamente, como o ano de início de uma seca prolongada que durou até o ano de 2015,
na região Leste e Sudeste do Brasil. Nesses anos citados pelos autores, os eventos secos são
pontuados no inverno e foram perceptivos em poucas bacias.
Pelos dados avaliados, um evento seco muito prolongado é constatado quando se unem o
evento seco do ano de 2013, de influência mais ao norte e nas bacias de centro-oeste, com o
evento de 2014 a 2017, de grande relevância por toda a região do ES. Entre esses é possível
notar apenas 3 meses de intervalo de excesso hídrico. O que pode indicar que a região norte-
centro-oeste iniciou a perceptividade dessa grande seca de forma antecipada à região sul do
ES.
Do início de 2014 a agosto de 2017 foram aproximadamente 40 meses consecutivos em déficit

hídrico por todo o Estado. Em algumas bacias o período foi separado em dois eventos devido a
um excesso hídrico de apenas 3 meses (setembro a novembro) em 2016. Além disso, a
ocorrência desse longo período somente é separada do evento seguinte, por 5 meses de
excessos hídricos. A partir de fevereiro de 2018 os valores continuam negativos até o final da
avaliação. No mais, sobre esse período, as bacias do centro-sul destoam das demais, pelo
término do evento de 2018 ocorrer em dezembro de 2019, as outras bacias permanecem em
déficit hídrico até o fim do período avaliado, início de 2020.
O período de seca de 2014 também é retratado como período seco nos trabalhos de
Mendonça (2015a), Ramos et al. (2016), Ribeiro Neto (2017) e Silva (2018). Esse período
também é citado por Sun et al. (2016) como a pior seca, em 80 anos de história, da bacia do
Rio São Francisco, bacia vizinha à do rio Doce.
88
Segundo o boletim da CPRM (2019) ocorreu um agravamento de estiagem na região sudeste
em 2015 em relação a 2014, e em 2017 em relação a 2016. As vazões de alguns meses de 2017
foram ainda mais inferiores aos anos de 2014, 2015 e 2016, principalmente de abril a
setembro.
O ano de 2018 apresenta déficit hídrico após seus primeiros meses, perdurando até a chegada
de 2019. O ano de 2019, assim como 2014 foi um ano de valores muito negativos em termos
hídricos, os déficits de anomalia média mensal de armazenamento de água permanecem até o
ano de 2020.
Apeasar dos resultados apresentado, deve ser ressaltado que os meses de julho de 2017 ao
mês de junho de 2018 foram períodos de falhas nos dados do GRACE, de forma que foi
realizado preenchimento de falhas considerando valores medianos, sendo assim, possuem
algumas incertezas sobre suas reais amplitudes de armazenamento hídrico. No entanto, ao
que indica, os períodos foram bastantes deficitários.
Tabela 2. Períodos de seca comum a toda área avaliada com bacia que apresentou maior quantitativo de
meses em déficit hídrico.
Quantitativo de meses em Bacia(s) com maior quantitativo

Períodos Secos
déficit hídrico mensal em déficit
4/2002 a 3/2004 22 Itabapoana
9/2004 a 12/2004 4 Rio Riacho
Itaúnas, Barra Seca, Riacho, Santa
10/2005 a 2/2006 2
Maria da Vitória, Jucu e Benevente
Santa Maria da Vitória, Jucu e
9/2006 a 12/2006 4
Benevente
Rio Riacho, Santa Maria, Jucu,
8/2007 a 11/2008 12 Benevente, Itapemirim e
Itabapoana
Rio Riacho, Santa Maria, Jucu,
9/2010 a 1/2011 4
Benevente e Itapemirim
Mucuri, Barra Seca, Rio Riacho e
5/2011 a 8/2011 4
Santa Maria
Mucuri, Itaúnas, São Mateus e
1/2012 1
Barra Seca
5/2012 a 8/2012 3 Mucuri
1/2013 a 10/2013 9 Mucuri
1/2014 a 8/2017 41 Médio Doce
2/2018 a 3/2020 24 Mucuri
A Tabela 3 apresenta o quantitativo de meses em déficit hídrico dentro do período da série

histórica de 216 meses de TWSA. Com 105 meses, as bacias do rio Santa Maria da Vitória e
Itabapoana são as que mais apresentaram valores de déficit. No entanto, em todas as regiões
hidrográficas, o quantitativo de meses em baixa hídrica ultrapassa 40% do total de meses do
período de dados avaliados.
89
Em uma avaliação regional, o centro-sul é o território que mais possui valores negativos ao
longo da série, com destaque para a bacia do Itabapoana e do Alto Doce que somam valores
de anomalia de -84,93 cm e -84,74 cm de TWSA, respectivamente.
Tabela 3. Quantitativo de meses em déficit hídrico no período GRACE.
Total de déficit hídrico (cm) de

Bacia Meses em déficit hídrico
04/2002 a 03/2020
Alto Doce 95 -84.74
Médio Doce 92 -81.42
Baixo Doce 95 -80.99
Mucuri 94 -79.88
Itaúnas 94 -66.94
São Mateus 94 -79.44
Barra Seca 96 -81.18
Rio Riacho 103 -80.16
Santa Maria da Vitória 105 -81.66
Jucu 101 -83.49
Benevente 101 -83.49
Itapemirim 99 -82.75
Itabapoana 105 -84.93
5.1.7 Frequência de Ocorrência de Eventos Secos
A fim de caracterizar a frequência com que os eventos secos ocorreram sobre a região
avaliada, a Figura 42 expressa o quantitativo de vezes que um evento de uma determinada
duração se repetiu ao longo da série histórica de TWSA, ou seja, sua recorrência ao longo dos
216 meses (18 anos).
Sobre essas frequências de eventos secos é possível notar repetição de eventos curtos, de 1 a
3 meses em todas as bacias, em menor quantitativo no Baixo Doce. Esse fato pode ser
consequência do grande volume de água escoada para a bacia, o que impede a demarcação de
deficiências hídricas em intervalos mais curtos. Nesse intervalo de tempo curto, as bacias ao
norte detêm um quantitativo maior de frequência de seca do que as bacias mais ao sul. O
regime de chuva ao norte do ES é mais deficitário do que ao sul (SOARES, 2007), assim, essa
falta de chuva pode ter implicâncias sobre os valores de armazenamento de água em períodos
mais curtos de tempo. Esses eventos curtos podem também representar as baixas de água
que ocorrem nos meses secos de cada ano. No entanto, devido ao aparecimento de vários
eventos duradouros durante a série histórica, não é possível ter certeza sobre esse fato.
O aparecimento de eventos duradouros repetidos tem a maior relevância em relação à

frequência. Pois, as observações demonstram secas próximas a um ano e até períodos
consecutivos maiores que um ano e meio, chegando a ocorrer 3 vezes em apenas 18 anos, em
todas as bacias.
90
Figura 42.. Frequência de ocorrência de eventos secos por intervalo de tempo de duração em cada b
bacia
hidrográfica.
5.1.8 Variabilidade do Déficit Hídricos
Para observar a dispersão de dados de TWSA, um gráfico boxplot (Figura 43) 43 foi elaborado.
Uma maior assimetria
ssimetria negativa pode ser visualizada nos gráficos das bacias do Alto Doce e
Itabapoana, visto que, o alargamento entre a mediana (risco horizontal dentro da caixa) e o 1º
quartil (medida da caixa abaixo da mediana) nessas bacias são maiores que n nas outras. Ainda
sobre o gráfico, ele demonstra caudais de distribuição negativa mais presentes nas bacias do
sul (Jucu,
Jucu, Benevente, Itabapoana), assim,, a maior dispersão dos dados negativos de TWSA
encontra-se nessa região.
Já Itaúnas e Rio Riacho destaca

destacam-se
se com menor distribuição do caudal negativo, o que se
traduz em valores mínimos mais estáveis em relação a outras bacias. No entanto, seus valores
se apresentam com vários pontos fora da variação normal, os outlies,, também na parte
negativa de dados, o que pode indicar, em um prolongamento da série TWSA, TWSA um caudal
negativo como das
as outras bacias.
Figura 43. Variabilidade de dados TWSA para cada bacia hidrográfica avaliada.
91
Em cada evento seco foi encontrado o maior valor de déficit hídrico, em relação aos valores
atípicos (TWSA), para representar a magnitude negativa (Tabela 4).
O evento seco de 2014 tem relevância por sua longa duração e a magnitude negativa para
todas as regiões hidrográficas, com exceção da bacia do Alto Doce. Na sequência de eventos
secos de grande magnitude negativa tem-se o evento seco iniciado em 2018 (no qual a bacia
do Alto Doce teve sua maior magnitude negativa), o de 2002 e o de 2007. Já no evento de
2002 as maiores magnitudes encontram-se ao sul do ES e na bacia do Alto Doce.
Em uma comparação entre as bacias, nos eventos de 2002, 2004 e 2007 as bacias do sul
apresentaram maiores magnitudes negativas que as demais. Porém, foi a bacia do rio Riacho
que teve o evento seco de maior magnitude negativa, com TWSA de -3,06 cm em fevereiro de
2017, seguida por Jucu, Benevente e Itapemirim, com TWSA de -3,02 cm em maio de 2016.
Em 8 das 13 bacias hidrográficas do Estado, o mês de maio do ano de 2016 foi o que
apresentou o menor valor de TWSA. No Alto Doce, o mês de setembro de 2019 foi o mês com
menor TWSA. Barra Seca e Rio Riacho tiveram o menor valor no início do ano de 2017. Já
Mucuri e Itaúnas destoam com a maior magnitude negativa ocorrida de forma antecipada em
outubro de 2015. Esses valores extremos, mínimos de cada bacia, variaram entre -3,06 cm e -
2,32 cm, e consistem nos outliers demonstrados na Figura 43.
Tabela 4. Magnitude negativa (cm) ocorrida em cada bacia hidrográfica em cada evento seco.
Alto Médio Baixo

Período Seco Mucuri Itaúnas São Mateus
Doce Doce Doce
4/2002 a 3/2004 -1.27 -1.00 -1.35 -1.18 -1.27 -1.21
9/2004 a
-0.48 -0.25 -0.78 -0.34 -0.66 -0.53
12/2004
10/2005 a
-0.24
2/2006
9/2006 a
-0.37
12/2006
8/2007 a
-1.10 -0.56 -0.82 -0.62 -0.65 -0.78
11/2008
9/2010 a 1/2011 -0.11 -0.79 -0.62 -0.84 -0.76
5/2011 a 8/2011 -0.15 -0.45 -0.41 -0.38
1/2012 -0.11 -0.13 -0.07
5/2012 a 8/2012 -0.03 -0.12
1/2013 a
-0.06 -0.42 -0.24 -0.66 -0.32 -0.45
10/2013
1/2014 a 8/2017 -2.11 -2.47 -2.92 -2.61 -2.58 -2.58
2/2018 a 3/2020 -2.32 -2.37 -2.57 -2.53 -1.84 -2.52
Barra Rio Santa Jucu e
Período Seco Itapemirim Itabapoana
Seca Riacho Maria Benevente
4/2002 a 3/2004 -1.38 -1.36 -1.53 -1.60 -1.60 -1.52
9/2004 a
-0.85 -1.15 -1.22 -1.26 -1.26 -1.08
12/2004
10/2005 a
-0.03 -0.51 -0.39 -0.38 -0.38 -0.06
2/2006
9/2006 a -0.29 -0.45 -0.52 -0.52 -0.39
92
12/2006
8/2007 a
-1.01 -0.99 -1.15 -1.23 -1.23 -1.24
11/2008
9/2010 a 1/2011 -0.93 -0.96 -0.89 -0.88 -0.88 -0.64
5/2011 a 8/2011 -0.32 -0.61 -0.21 -0.10 -0.10
1/2012 -0.04
5/2012 a 8/2012 -0.47
1/2013 a
-0.38 -0.09 -0.01
10/2013
1/2014 a 8/2017 -2.73 -3.06 -2.96 -3.02 -3.02 -2.92
2/2018 a 3/2020 -2.40 -1.78 -2.26 -2.39 -2.39 -2.40
5.1.9 Severidade do Déficit Hídrico
Para prosseguir na caracterização dos eventos secos, os resultados dos cálculos de severidade
são demonstrados na Tabela 5. Valores ausentes indicam que a bacia não demonstrou período
de déficit hídrico. Em termos de severidade o evento seco de 2014 tem maior relevância do
que os demais. A maior severidade desse período é apresentada para a bacia de Rio Riacho,
seguida por Barra Seca e Baixo Doce. De acordo com os resultados o impacto da seca de 2014
se demonstra mais severo para as bacias da região centro-norte e oeste do ES.
O segundo evento severo de início em 2018, com 26 meses de duração, se apresentou mais
severo para as bacias a noroeste, com destaque para Mucuri e Médio Doce. Já o evento de
2002 foi mais intenso para a bacia de Itabapoana, Jucu e Benevente, Santa Maria da Vitória e
Itapemirim, regiões ao sul do ES.
Importante destacar que Melo et al. (2016) mostraram que na região sudeste do ES ocorreu
um evento seco iniciando antes do ano 2000 e que perdurou até 2004. Dessa forma, pelo fato
de os satélites GRACE não possuírem registros anteriores a 2002, acredita-se que o período
seco de 2002 definido neste estudo possa ter ocorrido com maior duração (iniciando antes)
e/ou com maior severidade em termos de armazenamento de água. No presente trabalho,
esse evento seco (de 2002) foi mais severo nas bacias do sul.
Uma comparação entre o evento de 2018/2020 e o de 2002/2004 sugere que, apesar de

possuírem um quantitativo de meses em déficit hídrico muito próximos (26 e 24 meses,
respectivamente), o evento de 2018/2020 é considerado mais severo que o de 2002/2004 em
todas as bacias, possivelmente pelo fato de ter sido precedido por um evento de maior
severidade, com apenas 5 meses de excesso hídrico entre eles, que é o evento seco iniciado
em 2014/2017.
Outro evento de ocorrência duradoura foi o evento de 2007, com 16 meses de déficit. O
episódio teve maior rigor sobre a região sul estudada. Nos eventos de curta duração entre
2004 ao evento 2006, a região centro-sul foi a mais acometida em termos de severidade. Do
evento de 2010 ao de 2011 a severidade das ocorrências foi mais acentuada sobre a região
central. Os eventos secos do ano de 2012 tiveram maior severidade para as bacias do norte.
Por fim, o evento ocorrido no ano de 2013 impactou com maior severidade a região noroeste.
93
Tabela 5. Medidas indicativas de severidade (cm) de cada evento seco em cada bacia hidrográfica da
região norte.
Alto Médio Baixo

Doce Doce Doce
4/2002 a 3/2004 -11.73 -9.57 -12.28 -10.71 -8.99 -10.72
9/2004 a
-1.94 -1.02 -2.44 -0.85 -1.72 -1.55
12/2004
10/2005 a
2/2006
9/2006 a
-2.15
12/2006
8/2007 a
-6.11 -6.24 -6.02 -6.14 -4.48 -4.06
11/2008
9/2010 a 1/2011 -0.01 -0.46 -2.12 -2.32 -2.39 -2.90
5/2011 a 8/2011 -0.48 -0.83 -1.08 -0.87
1/2012 -0.11 -0.13 -0.07
5/2012 a 8/2012 -0.09 -0.43
1/2013 a
-0.50 -1.80 -1.20 -2.85 -1.59 -2.01
10/2013
1/2014 a 8/2017 -50.61 -48.58 -52.28 -47.25 -45.06 -49.91
2/2018 a 3/2020 -30.33 -31.71 -26.82 -32.55 -23.71 -29.52
4/2002 a 3/2004 -12.04 -12.73 -17.06 -17.52 -16.57 -17.46
9/2004 a
-2.85 -2.82 -2.99 -2.96 -3.13 -2.96
12/2004
10/2005 a
-0.19 -3.08 -1.69 -1.42 -0.38 -0.19
2/2006
9/2006 a
-2.37 -2.04 -2.41 -1.90 -4.04
12/2006
8/2007 a
-6.25 -6.61 -8.33 -9.03 -8.02 -9.79
11/2008
9/2010 a 1/2011 -2.67 -3.17 -2.67 -2.56 -1.73 -1.73
5/2011 a 8/2011 -0.76 -1.40 -0.34 -0.42
1/2012 -0.04
5/2012 a 8/2012 -1.90
1/2013 a
-2.77 -0.47 -0.11
10/2013
1/2014 a 8/2017 -54.29 -57.13 -49.28 -48.93 -49.52 -47.39
2/2018 a 3/2020 -26.23 -18.85 -18.42 -20.63 -21.80 -19.26
94
5.1.10 Tempo de recuperação da seca
Para estimar um tempo com que cada evento seco pode se recuperar, a derivada da série
histórica de TWSA foi submetida ao teste de distribuição Kolmogorov-Smirnov, obtendo o
aceite da hipótese nula, a um nível de significância de 5%, de que os dados seguem uma
distribuição aproximadamente normal em todas as bacias (Tabela 6). Dessa forma, é possível a
aplicação do cálculo do tempo de recuperação para os eventos secos.
Tabela 6. Valores observados do teste Kolmogorov-Smirnov que são menores que o valor crítico,
aceitando assim, a hipótese nula de aproximação de distribuição normal.
Valor Aceita ou rejeita H0 = aproxima

Bacias Valor crítico p-valor
observado KS distribuição normal
Alto Doce 0.061 0.0918 0.394 Aceita
Médio Doce 0.039 0.0918 0.888 Aceita
Baixo Doce 0.035 0.0918 0.945 Aceita
Mucuri 0.037 0.0918 0.926 Aceita
Itaúnas 0.037 0.0918 0.920 Aceita
São Mateus 0.030 0.0918 0.985 Aceita
Barra Seca 0.041 0.0918 0.848 Aceita
Rio Riacho 0.046 0.0918 0.738 Aceita
Santa Maria 0.036 0.0918 0.939 Aceita
Jucu 0.047 0.0918 0.723 Aceita
Benevente 0.047 0.0918 0.723 Aceita
Itapemirim 0.033 0.0918 0.970 Aceita
Itabapoana 0.038 0.0918 0.907 Aceita
Os resultados do cálculo do tempo de recuperação desenvolvido por Thomas et al. (2014)

estão apresentados na Figura 44. Na Figura estão indicados os valores mínimos e médios
correspondentes ao intervalo de tempo provável para recuperação do déficit hídrico em cada
mês.
O tempo médio de recuperação é o intervalo de tempo médio provável para recuperação de

cada mês até o fim do evento seco, quando há ocorrência de precipitações normais. Assim, os
tempos de recuperação médios dos eventos iniciados em 2014 e em 2018 apresentam os
maiores valores para se recuperarem. Sendo que, no evento de 2014 há meses que sozinhos
chegam próximos ou ultrapassam a marca de 10 meses para recuperação, esse fato ocorre em
quase todas as bacias, excetuando apenas Barra Seca e Santa Maria da Vitória.
Outro dado de destaque é a marca de mais de 15 meses prováveis, como tempo médio de
recuperação, para que a bacia do Alto Doce se reestabeleça do déficit de armazenamento
hídrico ocorrido no mês de setembro de 2019. Além disso, fica constatado pelos dados do
evento de 2014, que não há um tempo hábil de recuperação dos meses em déficit hídrico
desse evento, antes do início do episódio seco de 2018. O que corrobora a essa criticidade é o
fato de o último evento também possuir grandes períodos para recuperação de seus meses de
déficit, principalmente para as bacias do rio Doce e para a região norte.
Considerando o tempo de recuperação médio, os eventos secos de 2004, 2005, 2006 e 2012
podem ter se recuperado dos déficits hídricos ocorridos no período seco pelo quantitativo de
95
meses em excesso hídrico ocorridos até o evento seco posterior a eles. Com exceção para a
bacia do rio Riacho, cujo evento de 2004 não foi sucedido por um quantitativo de meses
suficientes para recuperar seu déficit até o próximo evento seco, ocorrido em 2005.
O evento seco de 2010 não se recuperou até o evento de 2011 em quase todas as bacias, com
exceção do Alto e Médio Doce. Já o de 2013 se recuperou em parte das bacias afetadas pelo
déficit hídrico. Com relação a outro evento seco mais duradouro, o de 2007, as bacias do sul
não tiveram um quantitativo de meses de excesso hídrico para se recuperar.
Em relação ao tempo mínimo de recuperação, somente os eventos de 2002, 2014 e 2018 não
foram sucedidos de meses de excessos entre eventos para se recuperarem em todas as bacias.
Dos outros eventos, pontua-se o de 2013, que apenas para a bacia do rio Mucuri não se
recuperou até o evento de 2014.
96
Figura 44. Representação mensal dos períodos de recuperação mínimo e médio de valores de déficit hídrica em cada bacia hidrográfica avaliada.
97
A Tabela 7 e a Tabela 8 apresentam o somatório dos tempos de recuperação médio e mínimo, mês a
mês, em cada evento seco. Dessas informações, nota-se que curtos períodos de recuperação foram
estimados eventos de 2004, 2005, 2006, 2010, 2011, 2012 e 2013.
Sobre os eventos secos mais duradouros, o de 2014 tem um tempo provável mínimo de recuperação
de 5 anos e um tempo provável médio de recuperação em 25 anos na bacia Alto Doce. Logo em
seguida, o evento de 2018 necessitaria de uma recuperação provável mínima de 2,5 anos e média de
13 anos. Desse modo, é provável que os anos de 2020 e 2021 passaram por reflexos de períodos
secos passados, isso se, não houve entradas consideráveis de precipitação.
Tabela 7. Somatório do tempo de recuperação médio dos períodos de eventos secos, em meses.
Alto Médio Baixo

Período seco Mucuri Itaúnas São Mateus
Doce Doce Doce
4/2002 a 3/2004 64.23 27.66 30.13 20.41 25.86 24.31
9/2004 a
3.18 1.61 4.48 2.16 5.92 3.51
12/2004
10/2005 a
1.54
2/2006
9/2006 a
3.14
12/2006
8/2007 a
22.57 12.30 13.84 5.85 5.16 8.06
11/2008
9/2010 a 1/2011 0.02 1.75 4.68 4.72 6.62 5.26
5/2011 a 8/2011 0.87 4.21 3.74 2.97
1/2012 0.57 0.60 0.30
5/2012 a 8/2012 0.34 0.98
1/2013 a
0.37 7.79 1.96 13.14 4.07 7.10
10/2013
166.1
1/2014 a 8/2017 302.34 285.50 201.95 169.75 195.46
0
2/2018 a 3/2020 161.00 176.93 75.90 152.73 83.96 113.29
4/2002 a 3/2004 27.46 37.18 38.55 43.05 43.62 56.07
9/2004 a
4.87 11.00 7.15 7.27 5.49 5.18
12/2004
10/2005 a
0.22 4.00 1.80 1.55 0.22 0.11
2/2006
9/2006 a
3.07 2.89 3.51 2.22 4.72
12/2006
8/2007 a
12.02 19.32 19.92 22.18 21.11 25.84
11/2008
9/2010 a 1/2011 5.48 9.89 6.81 6.72 4.87 3.64
5/2011 a 8/2011 2.59 5.43 1.07 0.34
1/2012 0.13
98
5/2012 a 8/2012 1.85
1/2013 a
3.16 0.60 0.04
10/2013
139.3
1/2014 a 8/2017 156.10 177.04 142.07 154.00 147.12
6
2/2018 a 3/2020 65.54 42.35 42.94 46.79 58.83 54.48
Tabela 8. Somatório do tempo de recuperação mínimo de cada mês em déficit hídrico nos períodos de eventos
secos.
Alto Médio Baixo

Doce Doce Doce
4/2002 a 3/2004 12.98 6.30 9.38 5.54 6.96 6.75
9/2004 a
0.64 0.37 1.40 0.59 1.60 0.97
12/2004
10/2005 a
0.41
2/2006
9/2006 a
0.63
12/2006
8/2007 a
4.56 2.80 4.31 1.59 1.39 2.24
11/2008
9/2010 a 1/2011 0.40 1.46 1.28 1.78 1.46
5/2011 a 8/2011 0.27 1.14 1.01 0.83
1/2012 0.16 0.16 0.08
5/2012 a 8/2012 0.09 0.26
1/2013 a
0.07 1.77 0.61 3.57 1.09 1.97
10/2013
1/2014 a 8/2017 61.09 65.05 51.69 54.81 45.70 54.30
2/2018 a 3/2020 32.53 40.32 23.62 41.45 22.61 31.47
4/2002 a 3/2004 7.71 9.43 11.81 12.30 12.81 16.95
9/2004 a
1.37 2.79 2.19 2.08 1.61 1.57
12/2004
10/2005 a
0.06 1.02 0.55 0.44 0.06 0.03
2/2006
9/2006 a
0.78 0.89 1.00 0.65 1.43
12/2006
8/2007 a
3.38 4.90 6.10 6.34 6.20 7.81
11/2008
9/2010 a 1/2011 1.54 2.51 2.09 1.92 1.43 1.10
5/2011 a 8/2011 0.73 1.38 0.33 0.10
1/2012 0.04
5/2012 a 8/2012 0.47
1/2013 a 0.89 0.15 0.01
99
10/2013
1/2014 a 8/2017 43.84 44.93 42.70 40.59 45.22 44.49
2/2018 a 3/2020 18.41 10.75 13.16 13.37 17.27 16.47
No geral, conforme os trabalhos de Gonçalves et al. (2020), Chen et al. (2019b), Zhang et al. (2019),
os eventos secos de maior duração e com maior severidade, se caracterizam por um maior tempo de
recuperação. No entanto, segundo Van Loon e Laaha (2015) somente a combinação de fatores como
topografia, solo, rede de drenagem, uso do solo, vegetação, clima e geologia podem explicar de uma
forma mais fidedigna a variabilidade da duração da seca sobre as bacias hidrográficas e,
consequentemente, estimar seu tempo de recuperação.
Pesquisas com foco específico na recuperação hidrológica da seca ainda são limitadas (VAN LOON e
LAAHA, 2015). Andreadis et al. (2005) utilizaram um modelo hidrológico para os EUA e descobriram
que os eventos de secas hidrológicas têm recuperação mais rápida que as secas agrícolas no que
condiz à resposta de uma precipitação. Dessa forma, chuvas muito fortes podem rapidamente tirar
uma região inteira de uma seca, mas em muitos casos, uma precipitação contínua excedente é
necessária para retomar a água em toda sua verticalidade (da superfície às águas subterrâneas) e
conduzir integralmente à uma recuperação do evento seco (SINGH, REAGE e BEHRANGI, 2019).
No mais, segundo Singh, Reage e Behrangi (2021) o uso dos dados do GRACE é válido para estimar a
precipitação necessária à recuperação das secas. No entanto, deve-se estabelecer a intensidade de
chuva necessária a essa recuperação. Esse parâmetro foi determinado na pesquisa desses autores
como sendo a ocorrência de três desvios padrão da precipitação, que é considerada normal para a
localidade.
5.2 ARMAZENAMENTO DE ÁGUA COM O MODELO MBG
Para avaliar o potencial do MGB em estimar o armazenamento de água, seus resultados foram
comparados aos dados de armazenamento de água do GRACE. A fim de estimar valores de
armazenamento de água com o modelo MGB e comparar esses dados ao armazenamento de água
do GRACE, inicialmente os parâmetros do modelo foram calibrados e validados com dados de vazão
nas sub-bacias delimitadas.
A propagação de vazão no MGB ocorreu em todos os períodos avaliados (calibração 01/2001 a

12/2019; validação 01/1990 a 12/2000; período total 01/1990 a 12/2019) pelo método Muskingum-
Cunge. De maneira convencional, os dados de vazões observadas nas estações de monitoramento da
ANA foram utilizados para a realização das etapas de calibração e validação do modelo.
Ademais, informações obtidas de sensores remotos, IMERG e MODIS, que fornecem valores de
precipitação e evapotranspiração respectivamente, foram utilizadas para averiguar as concordâncias
nos dados inseridos e elaborados pelo modelo MGB, de acordo com o descrito na subseção 4.4.2.
Dessa forma, as vazões observadas em postos fluviométricos são comparadas às vazões simuladas,
dados de precipitação adquiridos da solução IMERG são comparados aos dados de chuva das
estações de monitoramento da ANA, interpolados no modelo MGB e dados de evapotranspiração do
sensor MODIS são comparados aos dados de evapotranspiração simulados pelo MGB.
100
Após essa etapa, a vazão, precipitação e evapotranspiração modeladas no MGB são confrontadas,
em termos de variabilidade, com os dados de armazenamento de água dos satélites, para enfim, ser
realizada a comparação entre os dados de armazenamento do GRACE com o MGB.
Relembrados esses passos metodológicos, essas avaliações iniciais são apresentadas abaixo, antes de
demonstrar os resultados do cálculo do armazenamento de água pelo MGB.
5.2.1 Calibração e validação
A calibração dos parâmetros do modelo MGB foi realizada manualmente em cada bacia da área de
estudo, no período de 01/01/2001 à 31/12/2019. Iniciando-se foram modificados os valores dos
parâmetros das sub-bacias de cabeceiras de cada bacia, seguindo para as sub-bacias de jusante, na
tentativa da obtenção dos melhores valores dos coeficientes de eficiência, que expressam os ajustes
entre dados de vazões simuladas e vazões observadas. Para tanto, foram realizadas variações nos
parâmetros de solo, em cada uma das 50 sub-bacias delimitadas (englobando as 13 bacias avaliadas).
Essa etapa resultou nas métricas presentes na Tabela 9, para o coeficiente de eficiência de Nash-
Sutcliffe das vazões e o coeficiente de Nash do Logaritmo das vazões, seguindo a classificação de
Moreasi et al. (2007).
Tabela 9. Porcentagem de sub-bacias qualificadas segundo classificação de Moreasi et al. (2007) para o
coeficiente de Nash-Sutcliffe e Nash-Sutcliffe do Logaritmo em cada período simulado.
Período total com Período total com

Calibração Validação (1990-
Qualificação calibração manual autocalibração (1990-
(2001-2019) 2000)
de ajuste (1990-2019) 2019)
Nash NashLog Nash NashLog Nash NashLog Nash NashLog
Muito bom 40% 16% 4% 6% 20% 14% 22% 18%
Bom 28% 20% 32% 14% 36% 22% 26% 26%
Satisfatório 24% 42% 22% 14% 32% 42% 34% 28%
Insatisfatório 8% 22% 42% 66% 12% 22% 18% 28%
Segundo o trabalho de Moreasi et al. (2007), que avaliou simulações de vazões mensais, um
coeficiente de Nash-Sutcliffe maior que 0,75 classifica a performance da simulação como muito boa,
de 0,65 a 0,75 como boa, entre 0,5 e 0,65 é considerada como satisfatória, já valores menores ou
iguais a 0,5 são considerados insatisfatórios. Dentre os resultados alcançados destacam-se ajustes
acima de 0,8 em algumas bacias do Alto Doce e do rio Jucu.
Em relação ao período de calibração (2001-2019), 40% das estações de monitoramento são

classificadas com ajuste muito bom para o coeficiente de Nash-Sutcliffe (Nash), 28% com bom ajuste
e 24% com ajuste satisfatório. Em 8% das estações o ajuste se apresenta insatisfatório. Em
contrapartida, quando se analisa o NashLog, que valoriza melhor os ajustes das vazões mínimas, as
estatísticas indicam um menor desempenho do modelo, caracterizada pelo aumento do quantitativo
de postos cujos resultados do modelo foram classificados como satisfatório e insatisfatório. Ainda
101
assim, para o NashLog, em 78% das estações os ajustes dos parâmetros foram classificados como
satisfatório ou superior, sendo 16% muito bom.
Apesar dos bons resultados alcançados no período de calibração (2001-2019), para Siqueira et al.
(2017) há um grande número de incertezas relacionadas a dados de entrada de modelos, como as
simplificações que são realizadas na representação dos processos físicos e os valores de parâmetros
que são modificados na etapa de calibração. Assim, a etapa de validação precisa ser realizada para
que haja o conhecimento do desempenho do modelo para outras regiões e/ou períodos. Neste
trabalho, a validação dos valores calibrados do modelo foi realizada no período de 1990 a 2000 e os
resultados apresentados na Tabela 9.
As estatísticas de ajuste no período de validação (Tabela 9) mostraram que o modelo foi menos
eficiente em relação ao período de calibração, com maioria insatisfatória. Vale ressaltar aqui, que
essa baixa eficiência ocorre no período anterior ao da avaliação de secas pelo GRACE, antes de 2002.
Além disso, há menor eficiência porque há menos dados para a avaliação da validação e estes, estão
presentes em pequenas bacias de cabeceira.
O trabalho de Brito Neto et al. (2021) também traz em seus resultados uma redução da eficiência
estatística do período de validação em relação ao de calibração, na bacia do rio do Pardo. Neste
estudo, essa redução de eficiência estatística ocorreu principalmente em sub-bacias pequenas e que
se localizam em cabeceiras, como na bacia do rio Jucu, Benevente, Itapemirim, Itabapoana e em
algumas sub-bacias do Médio Doce. Nas sub-bacais de Itaúnas, Barra Seca, Santa Maria da Vitória e
uma pequena sub-subbacia no Médio Doce as estações fluviométricas representativas de suas áreas
de drenagem não possuíam a sequência de dados para o período de validação.
Assim, sem a possibilidade de realizar uma validação dos parâmetros calibrados para todas as bacias
consideradas no período de calibração, buscou-se avaliar a calibração do modelo para um período de
tempo maior, de 01/01/1990 a 31/12/2019, e utilizar os valores dos parâmetros calibrados nesse
período para estimativas de armazenamento de água no período anterior ao início dos dados do
GRACE (2002). O resultado do Nash-Sutcliffe para essa nova calibração é visualizado na Tabela 9. Pelo
Nash é possível inferir que em relação ao período de calibração realizado anteriormente (2001-2019)
houve uma redução de eficiência do modelo com os ajustes realizados (de 68% como bom ou
superior para 56% como bom ou superior). Já para as mínimas (NashLog) os ajustes não destoaram
muito do primeiro período de calibração.
Uma vez que o período 1990-2019 engloba o período de validação, em que há várias falhas de dados
de vazão em algumas estações, essa perda de rendimento em relação à calibração anterior era
esperada. No entanto, na tentativa de uma melhora ainda maior sobre o ajustamento das vazões, a
calibração automática disponível para o modelo MGB foi utilizada e os parâmetros resultantes
referentes ao Nash e NashLog também são vistos na Tabela 9, com uma redução da eficiência em
relação a calibração manual.
Segundo Paiva, Collischonn e Buarque (2013), o desempenho do MGB é melhor para grandes bacias.
Nesse sentido, grandes erros são encontrados em pequenas, como no caso das bacias desse
trabalho. Para eles, esses erros ocorrem devido às limitações nos cálculos da geometria do canal
(nível e largura do fundo), altura da vegetação e erros advindos do MDE. Os autores também
observaram que na etapa de validação os maiores erros são encontrados nos períodos de seca do
que em cheias. Além disso, citam o trabalho de Nijssen e Lettenmaier (2004), que traz ainda a
incerteza inserida nos dados meteorológicos, vez que, erros de precipitação causam maiores perdas
102
de eficiência nas simulações, principalmente sobre pequenas áreas de drenagem, como é o caso
avaliado neste estudo.
A Figura 45 apresenta nta a localização dos postos fluviométricos com seus respectivos graus de
eficiência do coeficiente Nash
Nash-Sutcliffe na etapa de calibração (2001-2019)
2019) e a Figura 46 traz mesma
estatística para o período de calibração automática (1990
(1990-2019).
2019). A partir disso, observa-se que os
melhores coeficiente da métrica estão localizados em bacias maiores como o Alto e o Médio Doce.
Figura 45.. Visualização do resultado da aplicação do coeficiente de Nash para todos os postos no período de
calibração 2001-2019.
Figura 46.. Visualização do resultado da aplicação do coeficiente de Nash para todos os postos no período de
calibração automática 1990-2019.
2019.
A Tabela 10 traz o percentual de ajuste das vazões simuladas em relação às observadas nas estações
fluviométricas, para o coeficiente de Erro de Volume, em cada período simulado (calibração,
validação, período
ríodo total e período total autocalibrado), de acordo com a classificação de Moreasi et
al. (2007).
Os resultados mostram que a calibração manual realizada para todo o período (1990 a 2019) tem a
maior parte das as estações de monitoramento com ajustes acima de satisfatórios, e em quase a
metade dos postos os ajustes foram considerados Muito Bom. Quando aplicada a autocalibração os
valores relativos aos ajustes de volumes das séries históricas melhoram ainda mais
mais.
103
Tabela 10. Porcentagem de bacias qualificadas segundo classificação de Moreasi et al. (2007) para o coeficiente
de Erro de Volume em cada período simulado.
Período total
Período total com
Qualificação de Calibração (2001
(2001- Validação com
calibração manual
ajuste 2019) (1990-2000) autocalibração
(1990-2019)
(1990-2019)
Muito bom 34% 16% 48% 54%
Bom 28% 10% 20% 22%
Satisfatório 28% 16% 20% 18%
Insatisfatório 10% 58% 12% 6%
A Figura 47 e a Figura 48 mostra

mostram que a espacialização do coeficiente de Erro de Volume no período
de calibração automática possui na maioria das estações os ajustes foram classificados como muito
bom. Além disso, o sinal
inal resultante do coeficiente de erro de volume permite uma percepção de
superestimativa ou subestimativa na simulação com o MGB. Dessa maneira, os resultados mostram
que em 36 das 50 estações fluviométricas
fluviométricas, o volume total de vazão simuladaa ao longo do período de
avaliação superestimou o volume observado de vazões nas estações.
Figura 47.. Visualização do resultado da aplicação do coeficiente de Erro de Volume para todos os postos no
período de calibração 2001-2019
2019.
104
Figura 48.. Visualização do resultado da aplicação do coeficiente de Erro de Volume para todos os postos no
período de calibração automática 1990
1990-2019.
Dessa forma, com a autocalibração, esse trabalho considerou o desempenho do modelo viável para
executar o cálculo de armazenamento de água, reforçado pelo fato de que Biancamaria et al. (2019)
utilizou resultados de calibração com coeficientes Nash classif
classificados
icados como satisfatórios, no modelo
hidrológico SAFRAN-ISBA-MODCOU
MODCOU - SIM, para comparar valores de armazenamento de água águ
simulados com os dados GRACE.
5.2.2 Avaliações iniciais da precipitação
Os valores de precipitação advindos das estações de monitoramento e utilizadas no modelo MGB em

cada minibacia a passo de tempo diário, que sofreu transformação para valor de anomalia média
mensal, foram comparados aos valores de anomalia média mensal de precipitação de sensor remoto.
As anomalias médias mensais de preci

precipitação
pitação advindas do IMERG (https://gpm.nasa.gov) foram
comparadas com os dados de anomalia média mensal de precipitação das estações de
monitoramento utilizados no MGB. O resultado da comparação entre os dados em cada bacia é
visualizado na Figura 49. De modo geral, os gráficos demonstram que os dados de anomalia média
mensal de precipitação produzidas com dados de precipitação usados no MGB são condizentes com
os dados dee anomalia média mensal de precipitação adquiridos da solução IMERGIMERG, visto que a
dispersão de dados segue uma correlação positiva média, sendo mais forte a correlação entre as
anomalias médias mensais de precipitação para as bacias do Alto e Médio Doce.
Assim, é possível notar na região do rio Doce, Itapemirim e Itabapoana as melhores relações entre as
duas séries de dados. Apesar das demais localidades não possuírem uma relação tão forte quanto as
bacias citadas, os valores de déficit hídricos (valores negativos) possuem melhores relações que os
excessos hídricos, sendo esses os valores de importância para o estudo.
105
Figura 49. Comparação entre série
séries de valores de anomalia média mensal de precipitação advindas do IMERG e
MGB, no período de 2002 a 2019
2019, para as bacias avaliadas.
106
Alguns coeficientes de eficiência entre as duas séries de anomalia média mensal de precipitação
foram calculados, com resultados visualizados na Tabela 11 e Tabela 12.. Desses, nota-se
nota que o Nash
teve melhor ajuste na bacia do Médio Doce com um valor de eficiência considerado como muito bom
(MOREASI et al.,., 2007), seguido pela bacia do Alto Doce, Itapemirim e Baixo Doce. Em contrapartida,
ajustes muito ruins ocorreram nas bacias de Barra Seca, Mucuri e São Mateus. No entanto, em
análise ao coeficiente de correlação (Pearson),, os valores de anomalias entre as séries têm altas
correspondências em grande parte das bacias. Além disso, o erro de amplitude se apresenta também
com valores ótimos.
Pela ocorrência de uma boa relação entre os resultados das anomalias

anomalia médias mensais de
precipitação advindas das estações de monitoramento
monitoramento, com os dados adquiridos da solução advinda
do sensor remoto, os dados de precipitação inseridos no MGB são viáveis para uso no cálculo dos
valores de armazenamento de água
água.
107
Tabela 11.. Coeficientes de ajustes entre valores de anomalia média mensal de precipitação advindos do IMERG
e MGB, nas bacias do norte e do rio Doce.
Alto Médio Baixo

Coeficientes Mucuri Itaúnas São Mateus
Doce Doce Doce
Nash 0.741 0.766 0.342 -0.037 0.107 0.009
MSE 0.244 0.220 0.620 0.979 0.843 0.936
Pearson 0.880 0.890 0.701 0.506 0.572 0.521
Erro Amplitude (%) 2.515 0.177 -2.701 -2.970 1.223 -14.290
Tabela 12.. Coeficientes de ajuste entre valores de anomalia média mensal de precipitação advindos do IMERG
e MGB,, nas bacias da região centro
centro-sul.
Barra Rio Santa

Coeficientes Jucu Benevente Itapemirim Itabapoana
Seca Riacho Maria
Nash -0.147 0.240 0.257 0.294 0.227 0.433 0.399
MSE 1.083 0.716 0.697 0.664 0.727 0.533 0.566
Pearson 0.486 0.665 0.674 0.695 0.643 0.737 0.725
Erro Amplitude (%) 9.740 3.165 8.053 10.371 8.299 8.429 5.455
5.2.3 Avaliações iniciais com dados MODIS
Os valores de evapotranspiração estimados pelo modelo MGB em cada minibacia a passo de tempo
diário, que sofreu transformação para valor de anomalia média mensal,, foram comparados aos
valores de anomalia média mensal de evapotranspiração advinda do sensor MODIS. O resultado da
comparação dessa variável em cada bacia é visualizado na Figura 50.
Não apresentam uma boa correlação os valores de anomalia média mensal de evapotranspiração nas
bacias do rio Santa Maria da Vitória e Jucu, como pode ser visto pela dispersão apresentada na Figura
50. No entanto, os gráficos demonstram que os valores de evapotranspiração estimados pelo MGB
se assemelham aos valores ob obtidos
tidos do MODIS, principalmente para as bacias do norte e da parte
central.
Figura 50. Comparação entre série
séries de valores anomalia média mensal de evapotranspiração produzidas pelo
MODIS e MGB,, no período de 2002 a 2014, para as bacias avaliadas.
108
109
Os coeficientes de eficiência entre os valores simulados pelo MGB e os valores observados de
evapotranspiração do MODIS foram aplicados às séries de anomalia média mensal de
evapotranspirações mensais e estão dispostos na Tabela 13 e Tabela 14.14 Desses, nota-se pelo
coeficiente de Pearson boas correlações entre as séries de evapotranspiração, com exceção das
bacias de Santa Maria da Vitória e Jucu. Porém, em se tratando da medida do erro de amplitude
essas bacias apresentam
m bons ajustes, assim como as demais.
Apesar da ocorrência de algumas

lgumas discrepâncias entre valores de evapotranspiração simulados pelo
modelo hidrológico e pelo MODIS em termos de variabilidade de dados, uma boa correlação é
encontrada para grande parte das bacias, além de bons ajustes em se tratando de amplitude. Assim,
os valores de evapotranspiração produzidos pelo MGB serão considerados para uso nos cálculos de
Tabela 13.. Coeficientes de ajuste entre valores de anomalia média mensal de evapotranspirações
evapotranspiraç do MODIS e
do MGB, nas bacias da região norte e do rio Doce.
Alto Médio Baixo

Doce Doce Doce
Nash -0.030
0.030 0.233 0.483 0.289 0.538 0.485
MSE 0.950 0.708 0.477 0.656 0.426 0.475
Pearson 0.530 0.638 0.769 0.653 0.783 0.750
Erro Amplitude (%) 11.042 2.379 -3.192 -1.505 0.023 -2.869
110
Tabela 14.. Coeficientes de ajustes entre valores de anomalia média mensal de evapotranspirações
evapotranspiraç do MODIS e
MGB, nas bacias da região centro
centro-sul.
Barra Rio Santa

Seca Riacho Maria
Nash 0.247 0.183 -0.800 -0.635 0.028 --0.037 -0.295
MSE 0.696 0.754 1.662 1.510 0.897 0.957 1.195
Pearson 0.663 0.615 0.165 0.243 0.515 0.499 0.418
Erro Amplitude (%) -0.098 -0.145 -2.958 -0.893 1.950 -
-1.905 0.005
5.2.4 Avaliações iniciais entre precipitação, evapotranspiração, vazão e armazenamento
Antes da comparação entre os armazenamentos de água do GRACE e do MGB, os valores de

anomalia média mensal de precipitação, evapotranspiração e vazão foram confrontados aos valores
de anomalia média mensal de armazenamento de água do GRACE,, a fim de que possam possa ser
observadas disparidades entre esses parâmetros. A Figura 51 mostra o Coeficiente de Pearson entre
essas informações.
Os parâmetros hidrológicos têm correlação positiva com os dados de armazenamento de águaágua, fato
que vai ao encontro tro do trabalho de Penatti et al.. (2015), em que a precipitação e a
evapotranspiração se correlacionam bem aos valores de armazenamento de água. A vazão é a
variável que possui o melhor índice de correlação com os dados de armazenamento,
armazenamento isso ocorre em
quase
se todas as bacias, menos Barra Seca, Riacho e Benevente, nas quais a evapotranspiração tem a
melhor correlação. A precipitação é o parâmetro de menor adequação
adequação.
Figura 51. Correlação entre valores medidos de precipitação e vazão, e evapotranspiração estimada pelo MGB,
com dados de armazenamento de água do GRACE.
111
5.2.5 Comparação entre armazenamento de água GRACE e MGB
Os armazenamentoss de água médios estimados pelo MGB em cada bacia foram calculados pela
média ponderada, tendo como peso as áreas das minibacia. Em seguida, seguida os valores de
armazenamento de água foram agrupados mensalmente, para então, ser retirada
retira a sazonalidade, a
partir do mesmo procedimento utilizado nos dados dos satélites GRACE.
Os valores de armazenamento de água foram estimados com o modelo MGB no período de 1990 a
2019. No entanto, o período comparado com os valores estimados com o GRACE foi limitado ao
período de dados dos satélites 04/2002 a 03/2020. Os resultados podem ser visualizados na Figura
52.
Com exceção de Itabapoana, podepode-sese notar uma melhor correlação entre os dados em bacias
maiores, como o Alto e Médio Doce, Mucuri, São Mateus e Itapemirim. Quando
uando se trata da séries
históricas (Apêndice I), os principais períodos deficitários demarcados com o GRACE foram
capturados pelo MGB: o evento seco iniciado em 2014, o evento seco de início da missão em 2002, o
evento seco de 2007 e a queda de ar armazenamento
mazenamento de água ocorrida em 2018.
2018 Dessa forma, uma
previsão de armazenamento de água com o MGB, com base nos parâmetros calibrados, foi capaz de
capturar os eventos secos ocorridos.
Figura 52. Comparação entre os valores de anomalia média mensal de armazenamento de água do GRACE e
MGB, no período 04/2002 a 03/2020
03/2020.
112
113
As estatísticas referentes à comparação entre as anomalia média mensal de armazenamento de água
obtidas com o MGB e o GRACE são apresentados na Tabela 15 e na Tabela 16. Considerando o
coeficiente estatístico de Nash
Nash-Sutcliffe,
Sutcliffe, é possível avaliar que os melhores resultados foram obtidos
na bacia do rio Doce. Na utilização da classificação de Moreasi et al. (2007),
007), para vazões, os valores
do coeficiente estatístico, para o armazenamento de água produzidos pelo modelo, seriam tidos
como insatisfatórios. Paiva et al
al. (2013) utilizando o Nash entre o GRACE e o MGB,
MGB encontraram em
algumas regiões na bacia Amazônica
Amazônica, regiões de cabeceira, índices insatisfatórios. Biancamaria et al.
(2019) obtiveram valores de Nash de 0,44 entre GRACE e o SWAT e 0,54 entre o GRACE e o SIM, em
uma pequena bacia hidrográfica, Garonne na França.
A medida de erro médio (MSE)

MSE) retorna diver
divergências entre os valores do GRACE e do MGB à medida
que se afastam de zero.. Esse fato ocorre, principalmente, na bacia do Baixo Doce e nas bacias do
centro-sul. O menor erro entre os valores de anomalia média mensal de armazenamento é
observado na bacia do Médio Doce.
O coeficiente de correlação de Pearson representa umaa associação linear entre as variáveis, de forma
que, quanto mais se afasta de zero melhor é a relação. Assim, as melhores métricas aparecem para
as bacias do Doce, Santa Maria, Jucu e Itapemirim. Getirana et al. (2011),, na bacia do rio Negro,
Amazonas, observaram correlações de 0,45 a 0,84 entre dados do GR GRACE
ACE e do MGB.
MGB Valores que
foram alcançados nessa simulação. Já Biancamaria et al. (2019),, na bacia do rio Garonne, França,
encontraram valores de correlação de 00,73 entre o GRACE e o SWAT e 0,78
78 entre o GRACE e o SIM.
O erro de amplitude para a bacia do B Baixo Doce apresenta uma elevada porcentagem. Nas outras
bacias, a métrica situa-se
se entre ± 20%, valor encontrado no trabalho de Paiva et al. (2013), para
algumas regiões na bacia do rio Amazonas. Dessa forma, pode-se se inferir que o MGB apresentou boa
representatividade de valores de anomalia média mensal de armazenamento de água quando
comparado aos valores de anomalia média mensal de armazenamento de água do GRACE, GRACE visto que
as bacias avaliadas são, em sua maioria, bacias de cabeceira e de pequeno porte.
Tabela 15. Estatísticas de eficiência de ajuste entre valores de anomalia média mensal de armazenamento de
água estimados com o MGB e o GRACE para bacias da região do Doce e norte.
Alto Médio Baixo

Doce Doce Doce
Nash 0.178 0.337 0.160 0.174 -0.471
0.471 0.179
MSE 0.737 0.593 2.109 0.733 0.929 0.734
114
Pearson 0.651 0.689 0.486 0.554 0.413 0.568
Erro Amplitude (%) 13.482 4.437 -43.261 -18.962 16.029 -14.143
Tabela 16. Estatísticas de eficiência de ajuste entre valores de anomalia média mensal de armazenamento de
água estimados com o MGB e o GRACE para bacias da região centro-sul
Barra Rio Santa

Seca Riacho Maria
Nash -0.148 0.072 0.123 -0.034 0.048 0.118 -0.260
MSE 1.077 0.825 0.799 0.977 0.899 0.798 1.150
Pearson 0.484 0.490 0.570 0.556 0.503 0.607 0.446
Erro Amplitude (%) 1.965 -17.480 3.173 12.682 -5.537 4.561 6.628
Importante destacar que Landerer e Swenson (2012) alegam que os modelos hidrológicos não
capturam todas as variações de armazenamento de água devido: aos seus processos geralmente
simplificados; aos parâmetros de armazenamento, que não representam fidedignamente as águas
subterrâneas e/ou eximem-se dessa representação; e à não inserção de dados da extração de água
na irrigação.
A ideia de que o erro de ajustes entre os resultados do MGB e do GRACE decorre das variações
subterrâneas é indicada pelo fato do MGB apresentar melhor ajuste ao GRACE em bacias maiores.
Em grandes bacias o efeito de armazenamento ao longo dos canais é tão pronunciado que a bacia
perde sensibilidade às intensidades de chuva e ao uso do solo (LIMA, 1996), o que suaviza o gráfico
do armazenamento ao longo do tempo. O contrário ocorre nas pequenas bacias, que têm alta
sensibilidade à intensidade de chuva de curta duração e às mudanças no uso do solo, o que resulta
em valores de armazenamento de água máximos e mínimos mais constantes e pronunciados. Assim,
o gráfico do armazenamento de água do GRACE, por estar vinculado a uma resolução mais ampla,
com suavização de valores do que no modelo MGB.
Nesse sentido, Forootan et al. (2019) explica que a taxa de variação do armazenamento de água do
GRACE contém longa memória dos processos hidrológicos, que não são bem representados nas
simulações dos modelos hidrológicos, uma vez que estes introduzem variação de água com
comprimento de onda mais curto. Assim, as médias dos índices de seca baseados no GRACE são
geralmente mais assertivos, que advindos dos modelos hidrológicos, pois estes últimos produzem
cerca de 30% de erro.
Além disso, outros fatores de diferenciação das bacias hidrográficas impactam diretamente sobre o
fluxo da água, como o regime climático, as características geológicas, vegetação e os fatores
morfométricos (COLLISCHONN e DORNELLES, 2015). As características geológicas, por exemplo,
influenciam na formação de reservatórios naturais, nos fluxos subterrâneos. A cobertura vegetativa
desempenha relevância sobre as águas em sua verticalidade. Dessa forma, as variadas características
presentes em uma bacia determinam o comportamento do armazenamento de água ao longo do
tempo.
Com relação ao uso do solo, os parâmetros de vegetação utilizados pelo modelo são os mesmos em
todo o período simulado, ou seja, não há considerações sobre as mudanças no uso do solo. O
trabalho de Bayer e Collischonn (2013) analisa o quanto o MGB é sensível às mudanças do uso da
115
terra. O resultado do estudo trás que modificações nos parâmetros de albedo, resistência superficial
e altura média da vegetação, implica em alterações como aumentos e reduções na
evapotranspiração, além do fato de demonstrar que mudanças nos parâmetros do solo provocam
impactos de aumento ou diminuição da vazão média. Essas constatações podem ser as justificativas
para a deficiência nos ajustes entre os valores de armazenamento do GRACE com o MGB. Assim
como, pode ser a razão das dispersões ocorridas na comparação entre os valores de
evapotranspiração do MODIS com os valores simulados do MGB.
No mais, o estudo citado acima expõe que as mudanças de uso do solo podem influenciar no
parâmetro de armazenamento de água no solo (𝑊 ), que não é representado pelo MGB em
diferentes camadas do solo, e que associado à não representação da diferenciação da zona de raízes
das plantas, mudariam os valores de evapotranspiração e escoamento nas diferentes áreas de
vegetação de uma bacia. Consequentemente promoveria modificações sobre os valores calculados
de armazenamento de água do modelo hidrológico. Assim, essas informações podem reforçar o fato
de ocorrerem divergências entre os valores de armazenamento de água das duas ferramentas
comparadas nesse estudo, já que não houve considerações sobre a mudança do uso do solo durante
as simulações.
Ainda sobre as inferências do parágrafo anterior, se não houve mudança no uso do solo na simulação
não ocorreram mudanças que influenciariam as águas subterrâneas. O modelo então, tem suas
variações fortemente influenciadas pelas águas de superfície, que tem sua variação mais fortemente
influenciada ao longo do tempo do que uma representação das águas subterrâneas. Desse modo, é
justificável que a variabilidade da série histórica de armazenamento de água do GRACE ter sua forma
mais suavizado ao longo do tempo do que a série histórica de armazenamento de água do modelo
MGB.
Outro ponto a ser analisado é a distinção do passo de tempo entre as soluções, mensal para o GRACE
e diário para o MGB. Para Barth (1987), variações de armazenamento de água em bacias
hidrográficas podem ser desprezadas quando se considera períodos de tempo longos (anuais ou
plurianuais). Nesse sentido, as capturas em passos de tempos mensais como a do GRACE podem
deter variações mais suavizadas em relação às medidas advindas de passo de tempo diário do MGB.
Ainda, há de ser considerado que as medições do MGB são em nível de minibacias, áreas reduzidas.
Já os dados do GRACE, apesar da solução de 0,25°, estão atrelados à captura de sinal de 1°. Dessa
maneira, seus dados decorrem de valores medianos de armazenamento de água sobre uma região.
Além disso, há os vazamentos de sinais, em que valores de armazenamento das águas oceânicas
podem ser percebidos, devido à resolução da captura do sinal GRACE, nos valores de
armazenamento bacias hidrográficas costeiras.
5.3 PREVISÃO DE ARMAZENAMENTO DE ÁGUA COM MGB
Para predizer valores de anomalia média mensal de armazenamento de água com o MGB essa seção
foi elaborada, caracterizando os eventos secos encontrados e buscando na literatura informações
sobre a existência desses eventos. Os dados negativos referentes às previsões de TWSA simuladas
com o MGB para as bacias do Estado no período de 1950 a 2019 são apresentadas pela Figura 53 à
Figura 65.
116
Nas bacias do centro-sul, Alto e Médio Doce o modelo simulou evento seco no fim de 1951, já nas
bacias do norte, esse evento iniciou no fim de 1950, perdurando até o fim de 1956. Na bacia do Baixo
Doce o evento seco acompanhou os dados das bacias ao norte, porém iniciou de forma antecipada
das demais, no início de 1950.
Na bacia do rio Itapemirim a simulação demonstra um duradouro evento seco com poucos excessos
hídricos de 1953 até 1964. A metade final do ano de 1957 aos meses iniciais de 1958 foram secos
para a maioria das bacias. Novamente, em 1958, em seus meses finais até os meses iniciais de 1960
todas as bacias passaram por um período seco, assim como de 1960 até a metade de 1964, com
maior intensidade ao final de 1963.
As bacias do norte e Itapemirim terminaram 1964 com o início de outro evento seco, que para as
demais bacias iniciou-se em 1965, com alguns excessos hídricos intercalados, e que na maioria delas
perdurou até o início de 1970, com exceção de Jucu e Benevente que o término ocorreu antecipado,
no final de 1967.
O ano de 1971 foi quase todo simulado como evento seco, com término em agosto para a maioria
das bacias, com exceção do Alto e Médio Doce, que o período seco perdurou até a metade de 1972.
Nesse último ano, as bacias ao norte passaram por um evento seco, ocorrendo do mesmo modo em
1973.
De 1974 até a metade de 1976 as bacias do centro-norte e as do Alto e Médio Doce passaram por
momento seco de maior intensidade que nas bacias do sul. Já Itapemirim e Itabapoana desde 1971
até o fim de 1975 não tiveram registro de evento seco considerável. O ano de 1976 também foi seco
para toda a região, principalmente nas bacias do Doce e para as bacias da região norte.
Em 1977 também ocorreu déficits hídricos para as bacias, porém, de maneira menos intensa e com
excessos, não sendo possível citar uma região de maior impacto. Ao fim de 1979 as bacias do rio
Benevente, Jucu e as bacias ao norte foram demarcadas com um evento seco.
Nos meses finais de 1980 foi simulado um evento seco curto para as bacias, assim como, em 1982. O
ano 1984 foi seco nas bacias do norte e nas do Doce. De 1986 até o início de 1991 toda a região
passou por um evento seco bem contínuo, a não ser para as bacias do extremo sul, que tiveram
registro de alguns excessos durante o período. No entanto, ao fim de 1991 até metade de 1992, as
bacias ao sul e as do Alto e Médio Doce, obtiveram uma maior intensidade de seca que as demais. O
ano de 1993 foi simulado como evento seco em toda a região. De agosto de 1994 até outubro de
1996, todas as bacias passaram por um momento seco, o qual para as bacias de Itaúnas e São
Mateus perdurou até o fim de 1999 e para a de Itabapoana foi até o fim de 2000.
No ano 2000, as bacias do Doce e as bacias do sul apresentaram evento seco. O ano de 2001 teve
déficit hídrico simulado para o Baixo Doce, principalmente. Em 2002 nota-se déficits iniciados de
forma antecipada nas bacias do sul, perdurando e abrangendo as demais bacias até o fim de 2003.
Aqui, pode-se vincular a simulação do modelo hidrológico com os dados GRACE. Anteriormente
questionado se o período seco diagnosticado no ano de lançamento dos satélites (2002), teria se
iniciado antes desse ano de início da operação dos satélites, nota-se pelos resultados com o MGB
que somente para as bacias do sul o período seco pode ter sido maior do que o apresentado nos
diagnósticos com o GRACE.
Os meses finais de 2004 foram simulados como secos. Quase todo o ano de 2006 também. Os anos
de 2007 e 2008 foram determinados como secos e esse fato vai ao encontro aos dados de seca do
117
GRACE nessa época. O ano de 2009 termina iniciando um evento seco até o início de 2011, que após
3 meses de excessos tem sua continuidade, principalmente nas bacias ao norte, até o fim de 2019. Já
nas outras bacias, o evento duradouro e mais seco, foi simulado com início ao fim de 2012, com
exceção nas
as bacias do rio Santa Maria da Vitória e do Jucu, que o iníc
início
o se pronunciou ao final de
2014.
Os dados do último parágrafo corroboram novamente com os dados do GRACE, sobre a intensa seca
determinada em 2014. Além disso, a simulação do modelo MGB traz alguns excessos hídricos para as
bacias durante o ano de 2018, que pelos sinais capturados pelos satélites chega a dividir a seca de
2014 em dois períodos. De 2014 a agosto de 2017 e de feve
fevereiro
reiro de 2018 ao final do período avaliado
pelo GRACE.
Em suma, a simulação produziu para a maioria das bacias, períodos muito deficitários de
armazenamento de água nos anos 50 e 60. Em seguida, há alguns anos em déficit na década de 70,
para novamente adentrar
entrar em um período mais seco da segunda metade da década de 80 à década
de 90, que decorre até próximos aos anos 2000. Desse último até os anos 2010 há excedentes
hídricos, que segue dando lugar a uma nova passagem crítica em termos de recurso hídrico.
Outro ponto notável é que as bacias mais ao sul do Estado têm os eventos secos das décadas de 50,
60, 90 e 2010 bem mais demarcados em termos de identificação de início e fim do evento do que o
restante da região avaliada, na qual os períodos secos são mai
maiss distribuídos ao longo da série
histórica.
Figura 53. Valores previstos médio de TWSA para a bacia do Alto Doce.
118
Figura 54. Valores previstos médio de TWSA para a bacia do Médio Doce.
Figura 55. Valores previstos médio de TWSA para a bacia do Baixo Doce.
Figura 56. Valores previstos médio de TWSA para a bacia do rio Mucuri.
119
Figura 57. Valores previstos médio de TWSA para a bacia do rio Itaúnas.
Figura 58. Valores previstos médio de TWSA para a bacia do rio São Mateus.
Figura 59. Valores previstos médio de TWSA para a bacia do rio Barra Seca.
120
Figura 60. Valores previstos médio de TWSA para a bacia do rio Riacho.
Figura 61. Valores previstos médio de TWSA para a bacia do rio Santa Maria da Vitória.
Figura 62. Valores previstos médio de TWSA para a bacia do rio Jucu.
121
Figura 63. Valores previstos médio de TWSA para a bacia do rio Benevente.
Figura 64. Valores previstos médio de TWSA para a bacia do rio Itapemirim.
Figura 65. Valores previstos médio de TWSA para a bacia do rio Itabapoana.
5.3.1 Caracterização dos períodos em déficit hídrico
Todas as medidas utilizadas sobre os dados do GRACE para caracterizar os déficits hídricos foram
aplicadas para o período simu
simulado com o MGB.
Em se tratando de tendência de valores de armazenamento de água, a simulação do

d período 1950-
2019 produz resultados semelhantes ao período da solução dos satélites GRACE (2002-2020), ou
122
seja, tendências de valores de armazenamento de água negativos com o passar do tempo,
tempo e de maior
intensidade para região noroeste.
A simulação com o MGB traz valores de anomalia média mensal de armazenamento de água de
maior variabilidade entre excessos e déficits hídricos
hídricos, ao longo do tempo, do que o GRACE.
GRACE Assim, no
período de 1950 a 2019, não foi possível estabelecer durações de evento seco comuns a todas as
bacias. Desse modo, nas subseções abaixo, para cada uma delas são apresentadas
apresentad as durações de
seus respectivos eventos secos
secos, de acordo com os critérios os estabelecidos para as medidas
caracterizadoras empregadas nos dados do GRACE.
5.3.1.1 Bacia do Alto Doce
Figura 66. Localização da Bacia do Alto Doce com sua altimetria e principais trechos de drenagem.
A bacia do Alto Doce (Figura

Figura 66) apresentou um total de 34 eventos secos nos 70 anos da simulação
(Tabela 17).). Os eventos que se destacaram foram os ocorridos de 2012 a 2019 e o de 1967 a 1972,
com um quantitativo total de 81 e 57 meses em déficit hídrico, respectivamente. A severidade é
maior para o primeiro evento devido su suaa duração. No entanto, a década de 60 foi muito seca para a
bacia, de forma que, em termos de severidade o período de 1961 a 1964 apresentou 32 meses de
déficit.. Sendo que nesse último evento encontra
encontra-se
se a magnitude negativa mais significativa entre
todos os demais, com um pico de -2,32 cm de déficit hídrico. A década tem ainda relevância, uma vez
que entre o período já citado ainda possui o ano de 1966 seco.
123
Pela durabilidade nota-se a frequência de 22 eventos secos com ocorrência anual (com até 12
meses). Já eventos secos plurianuais (com ocorrência maior do que 12 meses) se repetem por 12
vezes, com 7 deles de duração maior do que 2 anos inteiros em déficit hídrico.
Tabela 17. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do Alto Doce.
Meses Meses
Duração Magnitude (cm) Severidade (cm)
déficit excesso
11/1951 a 12/1951 2 0 -1,51 -2,31
2/1954 a 11/1956 32 2 -1,62 -25,45
10/1957 1 0 -0,01 -0,01
3/1958 1 0 -0,19 -0,19
12/1958 a 2/1960 15 1 -1,32 -14,95
7/1960 a 11/1960 5 0 -1,07 -2,65
9/1961 a 9/1964 32 5 -2,33 -34,13
12/1965 a 12/1966 12 1 -0,66 -5,34
4/1967 a 6/1972 57 6 -2,07 -50,84
2/1973 1 0 -0,02 -0,02
12/1973 a 8/1976 29 4 -1,48 -22,21
3/1977 a 12/1978 15 0 -0,92 -6,73
11/1978 1 0 -0,09 -0,09
10/1980 a 11/1980 2 0 -0,72 -1,03
10/1982 a 11/1982 2 0 -0,83 -1,65
1/1984 a 11/1984 9 2 -0,91 -6,37
3/1986 a 6/1986 4 0 -0,51 -1,19
10/1986 a 3/1987 6 0 -1,14 -4,24
10/1987 a 11/1987 2 0 -0,75 -1,11
7/1988 a 1/1991 29 2 -2,06 -26,58
9/1991 a 8/1992 7 5 -0,53 -2,98
2/1993 a 3/1994 13 1 -1,42 -9,35
8/1994 a 10/1996 27 0 -1,62 -25,89
8/1997 a 1/2000 23 7 -1,57 -22,88
5/2000 a 11/2000 6 1 -0,59 -2,33
3/2001 a 5/2001 3 0 -0,35 -0,60
4/2003 a 12/2003 7 2 -0,74 -3,11
11/2004 1 0 -0,48 -0,48
12/2005 a 9/2006 10 0 -0,88 -3,92
4/2007 a 1/2008 10 0 -1,24 -4,16
1/2010 a 9/2010 9 0 -0,25 -4,53
2/2011 1 0 -0,97 -0,12
10/2012 a 12/2019 81 6 -0,12 -79,89
124
5.3.1.2 Bacia do Médio Doce
Figura 67. Localização da Bacia do Médio Doce com sua altimetria e principais trechos de drenagem.
A bacia do Médio Doce (Figura

Figura 67) apresentou por um total de 43 eventos secos (Tabela 18). Os
eventos que se destacaram foram os ocorridos de 2012 a 2018, 1988 a 1991 e 1953 a 1957, com 59,
35 e 36 meses consecutivos em baixas hídricas. Pela simulação verifica-se
se a ocorrência de outro
evento seco delongado, de 23 meses de déficit hídrico, de 1985 a 1987.. Esse evento terminou 5
meses antes do início do evento de 1988 a 1991, esse ffato
ato acarreta grande relevância ao terceiro
período duradouro. Contudo, é o período de 1961 a 1964 que tem a terceira ocupação em termos de
severidade e a maior magnitude negativa, com -2,68 cm de déficit hídrico, porém, esse é o quinto
evento de maior duração.
Pela durabilidade dos eventos, as frequências anuais são de 30 eventos secos e 13 eventos secos
plurianuais, sendo 6 deles com duração superior a 2 anos.
Tabela 18.. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do Médio Doce.
Meses Meses
déficit excesso
10/1951 a 12/1951 3 0 -1,53 -2,74
1/1953 a 4/1953 4 0 -0,27 -0,53
10/1953 a 2/1957 38 3 -2,06 -47,51
10/1957 a 6/1958 8 1 -0,60 -2,02
125
10/1958 a 10/1959 13 0 -1,66 -14,86
10/1960 a 11/1960 2 0 -0,76 -106
4/1961 a 1/1964 29 5 -2,68 -28,79
6/1964 a 9/1964 3 1 -0,31 -0,71
12/1965 a 1/1968 25 1 -1,27 -10,08
6/1968 a 7/1968 2 0 -0,09 -0,16
12/1968 a 11/1969 12 0 -1,32 -8,07
3/1970 a 8/1970 6 0 -0,89 -3,95
1/1971 a 7/1972 17 2 -1,46 -13,57
1/1973 a 2/1973 2 0 -0,44 -0,82
2/1974 a 3/1974 2 0 -0,19 -0,30
11/1974 a 8/1976 20 2 -2,09 -19,78
3/1977 a 12/1977 8 2 -0,68 -2,78
11/1978 a 12/1978 2 0 -0,43 -0,79
10/1980 a 11/1980 2 0 -0,61 -0,81
11/1982 a 12/1982 2 0 -1,43 -2,14
1/1984 a 11/1984 9 2 -0,62 -4,31
11/1985 a 11/1987 23 2 -1,36 -17,64
3/1988 a 2/1991 36 0 -1,77 -26,72
7/1991 a 8/1991 2 0 -0,24 -0,44
12/1991 1 0 -0,73 -0,73
4/1992 a 8/1992 5 0 -0,30 -0,82
2/1993 a 2/1994 12 1 -1,25 -8,02
8/1994 a 10/1995 15 0 -1,45 -10,46
2/1996 a 10/1996 9 0 -1,09 -7,65
11/1997 a 10/2000 30 6 -1,36 -19,91
4/2003 a 7/2003 3 0 -0,23 -0,42
11/2003 a 12/2003 2 0 -0,94 -1,58
11/2004 1 0 -0,69 -0,69
1/2006 a 2/2006 2 0 -1,19 -1,67
6/2006 a 8/2006 3 0 -0,24 -0,41
4/2007 a 11/2008 18 2 -1,52 -11,18
1/2010 a 3/2010 3 0 -1,23 -1,88
7/2010 a 10/2010 4 0 -0,30 -0,37
2/2011 1 0 -0,83 -0,83
6/2011 a 9/2011 4 0 -0,45 -1,08
3/2012 a 4/2012 2 0 -0,73 -1,38
10/2012 a 1/2018 59 5 -1,74 -62,00
5/2018 a 12/2019 19 1 -1,10 -14,36
126
5.3.1.3 Bacia do Baixo Doce
Figura 68. Localização da Bacia do Baixo Doce com sua altimetria e principais trechos de drenagem.
Com 48 eventos secos (Tabela

Tabela 19), a bacia do Baixo Doce (Figura 68) diferentemente das demais
bacias do Doce, possui seu evento de maior duração na década de 50 (19521952 a 1956),
1956 com 44 meses
de déficit hídrico e maior pico de magnitude negativa, com -2,07 cm dee déficit hídrico. No entanto, é
o segundo evento (2014 a 2018 2018),
), de 34 meses, que demonstra ser mais severo. O terceiro tem
duração de 30 meses percebidos na década de 70 ((1973 a 1976). ). Já a terceira colocação em
severidade fica com o período 1961 a 1964, com 25 meses de déficit, na quinta posição de
durabilidade, uma vez que o quarto evento duradouro é o de 1997 a 1999, também mais severo do
que o terceiro evento em durabilidade
durabilidade.
Os resultados da bacia mostraram uma frequência de 34 eventos anuais, com 14 eventos plurianuais,
dentre os quais 6 deles são superiores a 2 anos.
Tabela 19.. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do Baixo Doce
Meses Meses
déficit excesso
2/1950 a 12/1951 20 3 -2,07 -12,11
4/1952 a 10/1956 44 11 -1,38 -35,01
9/1957 a 11/1957 3 0 -0,72 -1,43
12/1958 a 12/1959 11 2 -1,35 -11,76
127
10/1960 a 12/1960 3 0 -0,74 -1,82
4/1961 1 0 -0,79 -0,79
11/1961 a 1/1964 25 4 -1,97 -29,22
5/1964 a 7/1964 3 0 -0,82 -1,55
3/1965 1 0 -0,03 -0,03
8/1965 a 11/1967 24 4 -1,24 -16,56
5/1968 a 7/1968 3 0 -0,55 -0,84
11/1968 a 11/1969 11 2 -1,45 -9,71
4/1970 a 7/1970 4 0 -1,28 -2,57
1/1971 a 6/1971 6 0 -1,48 -6,21
2/1972 a 7/1972 6 0 -0,97 -2,88
1/1973 a 2/1973 2 0 -0,75 -1,49
7/1973 a 8/1976 30 8 -1,83 -22,17
3/1977 a 2/1978 11 1 -1,12 -5,77
11/1978 a 12/1978 2 0 -0,57 -1,10
9/1979 a 12/1979 3 1 -0,51 -1,48
9/1980 a 11/1980 3 0 -1,19 -2,75
9/1981 1 0 -0,54 -0,54
10/1982 a 8/1983 9 2 -1,91 -8,33
1/1984 a 8/1984 7 1 -0,90 -3,07
6/1985 a 7/1985 2 0 -0,51 -0,78
2/1986 a 2/1987 11 2 -1,46 -12,75
6/1987 a 5/1989 22 2 -1,12 -14,53
9/1989 a 12/1990 13 3 -1,08 -8,44
10/1991 a 6/1992 7 2 -0,74 -3,15
1/1993 a 2/1994 13 1 -1,44 -11,44
8/1994 a 9/1995 12 2 -1,82 -12,91
2/1996 a 8/1996 7 0 -1,10 -6,34
7/1997 a 10/1999 26 2 -1,55 -22,47
4/2000 a 10/2000 6 1 -1,00 -2,53
2/2001 a 8/2001 7 0 -0,96 -3,64
4/2002 a 7/2002 2 2 -0,47 -1,05
11/2002 a 12/2003 13 1 -1,09 -12,47
9/2004 a 1/2005 5 1 -0,80 -1,66
10/2005 a 2/2006 4 1 -1,33 -3,24
6/2006 a 8/2006 3 0 -0,69 -1,28
4/2007 a 11/2008 17 3 -1,14 -14,37
3/2009 1 0 -0,14 -0,14
1/2010 a 2/2011 9 5 -1,23 -8,03
7/2011 a 9/2011 3 0 -0,68 -1,16
2/2012 a 11/2013 17 5 -1,11 -11,80
5/2014 a 6/2014 2 0 -0,41 -0,52
10/2014 a 1/2018 34 6 -1,91 -35,44
7/2018 a 12/2019 16 2 -0,94 -8,86
128
5.3.1.4 Bacia do rio Mucuri
Figura 69. Localização da Bacia do rio Mucuri com sua altimetria e principais trechos de drenagem.
Na bacia do rio Mucuri (Figura

Figura 69), um total de 35 eventos secos foram abrangidos no período
simulado (Tabela 20),
), com os três eventos de maior duração ocorrendo em 2011 a 2019,
201 1986 a 1991
e de 1993 a 1999. Em se tratando de duração, a bacia presenciou períodos mais duradouros do que
as do Doce, com a década de 90 sendo toda em baixo armazenamento hídrico. Entre os eventos
seco,, o terceiro é mais severo do que o segundo evento de maior duração. Já em termos de
magnitude o maior pico negativo se deu no evento seco de 1961 a 1963.
Pela durabilidade, eventos

ventos anuais foram observad
observados
os por 24 vezes durante a simulação, já os
plurianuais se repetiram por 11 vezes, sendo 6 desses de duração maior que um ano.
Tabela 20.. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Mucuri.
Meses Meses
déficit excesso
11/1950 a 1/1952 13 2 -1,65 -9,99
5/1952 1 0 -0,12 -0,12
10/1952 a 10/1955 34 3 -1,18 -25,54
2/1956 a 11/1956 8 2 -0,80 -3,18
1/1958 a 3/1958 3 1 -0,20 -0,56
11/1958 a 10/1959 12 0 -1,50 -10,71
129
10/1960 1 0 -0,22 -0,22
3/1961 a 12/1963 31 3 -1,75 -34,53
4/1964 a 7/1964 4 0 -0,63 -1,07
12/1964 1 0 -0,23 -0,23
5/1965 1 0 -0,12 -0,12
9/1965 a 7/1970 51 8 -1,31 -45,10
1/1971 a 8/1971 7 1 -0,98 -5,02
1/1972 a 3/1974 18 9 -0,84 -10,34
12/1974 a 9/1976 20 2 -1,45 -16,09
1/1977 a 4/1977 3 1 -0,28 -0,52
8/1977 1 0 -0,17 -0,17
12/1978 1 0 -0,47 -0,47
7/1979 1 0 0,00 0,00
11/1979 a 12/1979 2 0 -0,77 -1,03
10/1980 a 11/1980 2 0 -0,90 -1,27
10/1982 a 12/1982 3 0 -1,76 -2,87
1/1984 a 11/1984 7 4 -0,58 -2,99
1/1986 a 12/1991 68 4 -1,39 -47,58
3/1993 a 4/1993 2 0 -0,34 -0,48
9/1993 a 11/1999 62 13 -1,41 -53,07
12/2002 a 2/2004 13 2 -1,35 -10,98
9/2004 a 11/2004 3 0 -0,45 -0,66
10/2005 a 2/2006 4 1 -1,00 -1,41
7/2007 a 11/2008 14 3 -1,11 -10,62
3/2009 1 0 -0,09 -0,09
12/2009 a 2/2010 3 0 -1,03 -2,41
10/2010 1 0 -0,08 -0,08
2/2011 1 0 -0,83 -0,83
6/2011 a 12/2019 85 18 -1,03 -79,61
130
5.3.1.5 Bacia do rio Itaúnas
Figura 70. Localização da Bacia do rio Itaúnas com sua altimetria e principais trechos de drenagem. Bacia do rio
Itaúnas
Um total de 38 eventos secos

os (Tabela 21) foi encontrado para bacia do rio Itaúnas (Figura 70). O
evento de maior duração, com 72 meses sequenciais de 1993 a 1999,, é também considerado o de
maior severidade, o evento seguinte, 1986 a 1991,, com 54 meses de déficit.
déficit O terceiro evento
duradouro ocorreu de 2014 a 2018 com 36 meses. Após o primeiro evento ser o mais severo, o
evento ocorrido em 1960 a 1964 tem maior severidade
ridade do que o segundo e terceiro evento de
maiores durações. Esses são os dois eventos de 34 meses que ocupam a quarta colocação em
durabilidade. Na década de 60 está ainda o evento de maior magnitude negativa, com -2,02 cm de
déficit hídrico.
Pela duração, ass secas anuais se repetem para a bacia por 25 vezes, enquanto as plurianuais
ocorreram em 12 momentos, sendo 8 deles maiores que 2 anos.
Tabela 21.. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Itaúnas.
Meses Meses
déficit excesso
10/1950 a 7/1952 17 5 -1,41 -11,85
11/1952 a 10/1953 10 2 -0,63 -4,20
3/1954 a 10/1956 28 4 -1,17 -18,13
131
1/1958 a 3/1958 3 1 -0,20 -0,52
11/1958 a 12/1959 12 2 -1,69 -10,13
10/1960 a 1/1964 34 6 -2,02 -38,91
6/1964 a 7/1964 2 0 -0,44 -0,72
12/1964 1 0 -0,15 -0,15
9/1965 a 1/1968 28 1 -1,46 -19,42
5/1968 a 10/1968 4 2 -0,57 -2,55
5/1968 a 10/1968 4 2 -0,57 -2,55
4/1969 a 5/1969 2 0 -0,73 -1,27
11/1969 1 0 -0,66 -0,66
4/1970 a 7/1970 4 0 -0,99 -2,52
1/1971 a 6/1971 6 0 -0,74 -2,62
2/1972 a 9/1972 8 0 -1,07 -5,38
1/1973 a 3/1973 3 0 -0,88 -1,54
8/1973 a 9/1976 34 4 -1,50 -28,75
1/1977 a 11/1977 11 0 -1,11 -6,10
11/1978 a 12/1978 2 0 -0,32 -0,36
7/1979 a 12/1979 6 0 -0,84 -2,02
7/1980 a 12/1980 6 0 -1,29 -3,10
11/1982 a 12/1982 2 0 -0,66 -2,23
7/1983 a 8/1983 2 0 -0,14 -0,24
12/1983 a 11/1984 10 2 -0,93 -5,19
2/1986 a 5/1986 4 0 -0,63 -2,14
9/1986 a 2/1991 54 0 -1,20 -31,77
12/1991 1 0 -0,38 -0,38
3/1993 a 11/1999 72 9 -1,55 -60,53
4/2001 1 0 -0,26 -0,26
12/2002 a 12/2003 12 1 -0,80 -7,69
11/2004 1 0 -0,55 -0,55
1/2006 a 9/2006 8 1 -0,95 -4,10
4/2007 a 11/2008 18 2 -1,41 -15,82
9/2009 a 2/2011 15 3 -1,18 -8,77
6/2011 a 6/2014 29 8 -1,27 -23,24
10/2014 a 1/2018 36 4 -1,56 -34,04
8/2018 a 12/2019 13 4 -1,06 -8,06
132
5.3.1.6 Bacia do rio São Mateus
Figura 71. Localização da Bacia do rio São Mateus com sua altimetria e principais trechos de drenagem.

Tabela 22), a bacia do rio São Mateus (Figura 71) apresentou seu evento de
maior duração correspondendo
ondendo justamente ao o de maior severidade, atrelado ao período de 2011 a
2018,, com 70 meses de déficit. Na sequência de durabilidade e severidade est
estão o evento de 1950 a
1957, com 63 meses e 1994 a 2001
2001, com 59 meses.
Pela durabilidade, em
m relação a frequência são 20 eventos de duração menor igual a 12 meses,
mese os
eventos anuais e 12 eventos de longa duração, plurianuais. Sendo 7 eventos plurianuais com mais de
2 anos de duração.
Tabela 22.. Caracterização dos eventos secos ocor

ocorridos
ridos de 1950 a 2019, na bacia do rio São Mateus.
Meses Meses
déficit excesso
12/1950 a 2/1957 63 12 -1,45 -56,84
10/1957 a 12/1959 24 3 -1,47 -18,22
4/1961 1 0 -0,21 -0,21
9/1961 a 7/1964 30 5 -1,73 -27,51
12/1964 a 12/1967 31 6 -1,28 -23,42
5/1968 a 11/196 15 4 -0,81 -7,09
3/1970 a 6/1970 4 0 -0,62 -1,36
133
1/1971 a 6/1971 5 1 -0,84 -2,13
1/1972 a 2/1973 12 2 -0,82 -5,33
8/1973 a 12/1973 3 2 -0,58 -2,09
7/1974 a 9/1975 14 1 -1,23 -10,37
1/1976 a 10/1976 10 0 -1,27 -7,99
3/1977 a 9/1977 5 2 -0,46 -2,01
12/1978 1 0 -0,45 -0,45
10/1980 a 11/1980 2 0 -0,57 -0,76
11/1982 a 12/1982 2 0 -1,69 -2,28
1/1984 a 11/1984 9 2 -0,84 -6,06
2/1986 a 5/1986 4 0 -0,60 -1,58
11/1986 a 2/1991 49 3 -1,63 -36,28
12/1991 1 0 -0,04 -0,04
3/1993 a 2/1994 9 3 -1,12 -4,07
8/1994 a 1/2000 59 7 -1,43 -49,57
8/2000 a 10/2000 2 1 -0,27 -0,45
12/2002 a 12/2003 11 2 -0,71 -6,93
11/2004 1 0 -0,30 -0,30
1/2006 a 2/2006 2 0 -1,03 -1,51
6/2006 a 8/2006 3 0 -0,33 -0,65
7/2007 a 11/2008 16 1 -1,19 -11,08
3/2009 1 0 -0,20 -0,20
9/2009 a 2/2011 15 3 -1,20 -8,75
6/2011 a 1/2018 70 10 -1,89 -128,01
8/2018 a 12/2019 17 3 -1,11 -7,75
134
5.3.1.7 Bacia do rio Barra Seca
Figura 72. Localização da Bacia do rio Barra Seca com sua altimetria e principais trechos de drenagem.
Um quantitativo de 46 eventos secos (Tabela 23) foi modelado para a bacia de Barra Seca
Se (Figura 72).
A maior durabilidade e severidade para essa bacia ocorreu no período de 1985 a 1991,
1991 com 62 meses
de déficit hídrico. Na sequência de duração é visto o intervalo de 2014 a 2018 com 40 meses e de
1964 a 1967 com 33 meses.. A severidade acompanha os eventos de duração até a segunda posição,
pois o terceiro evento relevante é o de 1961 a 1964,, que possui a maior magnitude negativa com -
1,74 cm de déficit hídrico.
Pela duração dos eventos secos, as frequências dos períodos anuais de seca ocorrem por 32 vezes,
períodos plurianuais em 14 vezes, com 9 repetições maiores que 2 anos.
Tabela 23.. Caracterização dos event

eventos
os secos ocorridos de 1950 a 2019, na bacia do rio Barra Seca.
Meses Meses
déficit excesso
10/1950 a 10/1953 31 6 -1,51 -19,97
2/1954 a 10/1956 28 5 -1,08 -18,88
2/1957 1 0 -0,19 -0,19
9/1957 a 3/1958 6 1 -0,39 -1,14
11/1958 a 12/1959 12 2 -1,53 -9,39
135
7/1960 1 0 -0,04 -0,04
11/1960 a 4/1961 4 2 -1,07 -3,52
9/1961 a 1/1964 27 2 -1,74 -27,21
5/1964 a 7/1964 3 0 -0,87 -2,08
12/1964 a 11/1967 33 3 -1,25 -19,74
5/1968 a 11/1969 15 4 -1,19 -12,57
4/1970 a 7/1970 4 0 -1,30 -2,96
1/1971 a 6/1971 6 0 -1,22 -5,33
1/1972 a 3/1973 14 1 -1,25 -9,31
7/1973 a 10/1973 4 0 -1,01 -1,82
4/1974 a 8/1976 25 4 -1,38 -17,79
3/1977 1 0 0,00 0,00
7/1977 a 9/1977 3 0 -0,63 -0,96
1/1978 1 0 -0,02 -0,02
5/1978 a 6/1978 2 0 -0,26 -0,32
7/11979 a 12/1979 6 0 -0,69 -2,62
9/1980 a 11/1980 3 0 -0,89 -1,69
10/1982 a 12/1982 3 0 -1,38 -2,29
4/1983 a 7/1983 2 2 -0,19 -0,67
1/1984 a 12/1984 8 4 -0,74 -4,25
5/1985 a 5/1991 62 8 -1,31 -44,74
9/1991 a 10/1991 2 0 -0,75 -0,79
2/1993 a 11/1993 10 0 -1,00 -5,86
7/1994 a 10/1996 24 4 -1,56 -20,49
6/1997 a 11/1999 27 3 -1,59 -23,86
10/2000 1 0 -0,06 -0,06
4/2001 1 0 -0,32 -0,32
4/2002 a 6/2002 2 1 -1,51 -19,97
11/2002 a 12/2003 14 0 -1,08 -18,88
10/2004 a 1/2005 3 1 -0,19 -0,19
10/2005 a 2/2006 4 1 -0,39 -1,14
6/2006 a 9/2006 4 1 -1,53 -9,39
6/2007 a 2/2008 9 0 -0,04 -0,04
6/2008 a 10/2008 5 0 -1,07 -3,52
7/2009 a 2/2011 15 5 -1,74 -27,21
6/2011 a 9/2011 4 0 -0,87 -2,08
2/2012 a 6/2012 5 0 -1,25 -19,74
10/2012 a 11/2013 14 0 -1,19 -12,57
3/2014 a 6/2014 4 0 -1,30 -2,96
10/2014 a 7/2018 40 6 -1,22 -5,33
2/2019 a 12/2019 9 2 -1,25 -9,31
136
5.3.1.8 Bacia do rio Riacho
Figura 73. Localização da Bacia do rio Riacho com sua altimetria e principais trechos de drenagem.
A bacia de Barra Seca (Figura

Figura 73) perpassou por 29 eventos secos ao longo dos 70 anos avaliados
pela modelagem realizada no MGB (Tabela 24). Com maior duração, o período de 1961 a 1970
contou com 95 meses de déficit hídrico e a marca de maior magnitude negativa, seguido
s pelo
período de 2014 a 2019,, com 62 meses e 1985 a 1991 com 60 meses. A severidade seguiu
segu a ordem
da duração para os eventos citados
citados.
Pela duração, oss eventos anuais são frequentes para a bacia, se repetindo por 19 vezes, já os
plurianuais por 12 vezes acontece
aconteceram,, com 7 repetições de duração maior que 2 anos.
Tabela 24. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Riacho.
Meses Meses
déficit excesso
11/1951 1 0 -0,02 -0,02
5/1953 a 10/1953 6 0 -0,47 -1,86
2/1954 a 2/1957 32 5 -0,97 -16,16
9/1957 a 3/1958 5 2 -0,37 -2,40
8/1958 a 12/1959 14 3 -1,21 -9,28
6/1960 a 4/1961 9 2 -0,87 -4,69
137
9/1961 a 7/1970 95 12 -1,71 -75,66
1/1971 a 8/1971 8 0 -1,11 -6,25
1/1972 a 2/1973 13 1 -0,76 -5,71
6/1973 a 12/1973 6 1 -0,82 -3,44
4/1974 a 10/1976 24 6 -1,33 -14,93
2/1977 a 9/1977 8 0 -0,93 -3,70
4/1978 a 6/1978 3 0 -0,65 -1,39
12/1978 1 0 -0,19 -0,19
6/1979 a 12/1979 7 0 -0,77 -3,25
7/1980 a 11/1980 5 0 -0,93 -2,47
12/1982 1 0 -0,34 -0,34
6/1985 1 0 -0,01 -0,01
12/1985 a 5/1991 60 6 -1,01 -34,60
11/1991 a 6/1992 6 2 -1,01 -3,47
12/1992 a 1/1997 46 4 -1,38 -33,01
5/1997 a 11/2000 41 2 -1,11 -25,42
12/2002 a 12/2003 7 6 -0,70 -3,21
10/2004 a 1/2005 3 1 -0,57 -1,05
1/2006 a 9/2006 7 2 -0,72 -3,50
3/2009-3 a 2/2011 19 5 -1,06 -8,87
6/2011 a 11/2011 5 1 -0,64 -2,26
2/2012 a 11/2013 19 2 -0,89 -10,66
3/2014 a 10/2019 62 6 -1,68 -54,39
138
5.3.1.9 Bacia do rio Santa Maria da Vitória
Figura 74. Localização da Bacia do rio Santa Maria de Jetibá com sua altimetria e principais trechos de
drenagem.

Tabela 25), a bacia do rio Santa Maria da Vitória (Figura
( 74) passou pelo
período de maior duração de 1994 a 2000, com 61 meses de déficit hídrico, sendo o mais severo
s para
a região. Os eventos seguintes em se tratando de durabilidade ocorreram de 1952 a 1957, com 55
meses deficitários e de 1987 a 1991 com 41 meses. Apesar de o último evento ter maior
maio duração do
que o quarto evento (2014
2014 a 2018
2018), a severidade do quarto é superior.
Pela durabilidade, em
m relação às frequências, a bacia demonstr
demonstrou repetições de eventos anuais por
33 vezes e plurianuais por 9 vezes.
Tabela 25. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Santa Maria da Vitória.
Meses Meses
déficit excesso
10/1951 a 12/1951 3 0 -1,77 -3,32
4/1952 a 3/1957 55 5 -2,29 -65,60
8/1957 a 3/1958 6 2 -0,68 -2,18
12/1958 a 9/1959 10 0 -1,11 -7,28
12/1960 1 0 -0,23 -0,23
4/1961 1 0 -0,29 -0,29
139
10/1961 a 1/1964 27 1 -2,39 -22,90
5/1964 a 7/1964 3 0 -0,41 -0,87
7/1965 a 5/1969 37 10 -1,35 -28,68
9/1969 a 10/1969 2 0 -0,41 -0,69
3/1970 a 6/1970 4 0 -1,00 -2,11
1/1971 a 8/1971 8 0 -1,21 -5,15
3/1972 1 0 -0,02 -0,02
1/1973 a 2/1973 2 0 -0,17 -0,33
7/1973 a 12/1973 5 1 -0,49 -1,48
6/1974 a 5/1975 8 4 -0,81 -4,39
12/1975 a 10/1976 11 0 -1,28 -8,63
2/1977 a 11/1977 9 1 -0,94 -4,16
9/1980 a 11/1980 3 0 -1,05 -1,56
11/1982 a 12/1982 2 0 -1,22 -2,00
8/1983 1 0 -0,20 -0,20
1/1986 a 2/1987 13 1 -1,14 -9,15
8/1987 a 5/1991 41 5 -1,34 -27,83
12/1991 a 5/1992 3 2 -0,41 -0,75
3/1993 1 0 -0,10 -0,10
10/1993 a 2/1994 4 1 -0,99 -2,60
8/1994 a 1/2000 61 5 -1,76 -60,65
8/2000 a 10/2000 2 1 -0,67 -1,22
3/2003 a 12/2003 13 1 -1,51 -8,55
9/2004 a 1/2005 5 0 -0,69 -1,44
2/2006 1 0 -0,54 -0,54
6/2006 a 8/2006 3 0 -0,21 -0,43
3/2007 a 10/2008 19 1 -1,28 -12,71
3/2009 1 0 -0,12 -0,12
1/2010 a 2/2011 10 4 -1,40 -6,43
7/2011 a 11/2011 4 1 -0,38 -1,12
3/2012 a 7/2012 4 1 -0,44 -1,28
12/2012 a 1/2013 2 0 -0,38 -0,52
11/2013 1 0 -0,25 -0,25
3/2014 a 6/2014 2 2 -0,18 -0,44
10/2014 a 3/2018 40 2 -2,72 -50,72
9/2018 a 12/2019 13 3 -0,91 -9,85
140
5.3.1.10 Bacia do rio Jucu
Figura 75. Localização da Bacia do rio Jucu com sua altimetria e principais trechos de drenagem.
A bacia hidrográfica do rio Jucu (Figura 75) perpassou por 46 eventos secos (Tabela
( 26). A década de
50 foi responsável por alocar o evento de maior durabilidade e severidade dad região (1954 a 1957),
com 52 meses. Já o segundo evento duradouro foi 2014 a 2018,, com 41 meses e o terceiro evento
seco de 1974 a 1977,, com 35 meses. A terceira maior severidade não ocorreu para o terceiro evento
ev
em termos de duração e sim para o evento que ocupa a quinta posição de durabilidade, 1994 a 1996.
Pela duração, eventos

ventos anuais constituíram
constituíram-se de 36 ocorrências e os eventos plurianuais tiveram a
frequência de 10 repetições,, com 6 eventos de duração maior que 2 anos.
Tabela 26.. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Jucu.
Meses Meses
déficit excesso
1/1951 1 0 -0,13 -0,13
10/1951 a 12/1951 3 0 -1,61 -2,81
4/1952 a 6/1954 3 0 -0,36 -0,44
10/1954 a 4/1957 52 3 -2,24 -57,12
8/1957 a 3/1958 7 1 -0,80 -5,26
8/1958 a 10/1959 14 1 -1,44 -10,68
141
12/1960 a 4/1961 3 2 -0,63 -1,76
10/1961 a 1/1964 26 2 -2,13 -26,60
8/1965 a 3/1967 16 4 -1,16 -9,79
9/1967 a 11/1967 3 0 -0,77 -1,46
6/1970 1 0 -0,41 -0,41
1/1971 a 8/1971 8 0 -1,46 -6,69
1/1973 a 2/1973 2 0 -0,26 -0,53
7/1973 a 3/1974 7 2 -0,58 -2,97
7/1974 a 11/1977 35 6 -1,66 -28,38
3/1978 a 6/1978 3 1 -0,29 -0,78
11/1978 a 12/1978 2 0 -0,42 -0,46
10/1979 a 3/1980 4 2 -0,59 -2,40
7/1980 a 11/1980 3 0 -1,25 -2,88
11/1982 a 3/1983 3 2 -1,27 -4,22
8/1983 1 0 -0,09 -0,09
1/1986 a 2/1987 13 1 -1,09 -8,56
7/1987 a 10/1987 4 0 -0,49 -1,52
2/1988 a 4/1989 12 3 -0,89 -5,97
9/1989 a 12/1990 15 1 -1,47 -11,28
5/1991 1 0 -0,15 -0,15
11/1991 a 6/1992 8 0 -1,21 -7,27
1/1993 a 2/1994 12 2 -1,59 -11,03
8/1994 a 10/1996 26 1 -1,81 -31,11
2/1997 a 1/2000 28 8 -1,65 -23,21
8/2000 a 10/2000 2 1 -0,56 -1,44
4/2001 a 8/2001 5 0 -0,41 -1,68
3/2002 a 12/2003 19 3 -1,48 -14,74
10/2004 a 1/2005 3 1 -0,63 -1,11
2/2006 1 0 -0,60 -0,60
6/2006 a 8/2006 3 1 -0,12 -0,26
3/2007 a 1/2008 11 0 -1,24 -8,84
5/2008 a 10/2008 6 0 -1,15 -4,40
1/2010 a 2/2010 2 0 -1,13 -1,53
9/2010 a 2/2011 5 1 -1,07 -3,11
9/2011 a 11/2011 2 1 -0,24 -0,57
3/2012 a 4/2012 2 0 -0,50 -0,84
12/2012 a 1/2013 2 0 -0,48 -0,55
11/2013 1 0 -0,23 -0,23
3/2014 a 3/2018 41 8 -2,53 -59,41
12/2018 a 10/2019 9 2 -0,73 -7,33
142
5.3.1.11 Bacia do rio Benevente
Figura 76. Localização da Bacia do rio Benevente com sua altimetria e principais trechos de drenagem.
O quantitativo de 39 eventos secos (Tabela 27) foi gerado para a bacia do rio Benevente (Figura 76).
O período de 2012 a 2018 é o de maior durabilidade, severidade e magnitude, com 56 meses de
déficit hídrico.. Em se tratando de duração e severidade, o evento é seguido pelo evento de 1953 a
1957,, com 50 meses. A terceira posição fica com o período de 1986 a 1989 com 36 meses
deficitários, porém, a terceira severidade fica com o quinto evento em durabilidade, 1961 a 1964.
Pela durabilidade, os eventos

ventos anuais seguem a frequência de aparecimento por 26 vezes. Já os
eventos plurianuais são 13 ocorrências
ocorrências, das quais 6 tem duração superior
rior a 2 anos de seca.
Tabela 27.. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Benevente.
Meses Meses Severidade

Duração Magnitude (cm)
déficit excesso (cm)
11/1951 1 0 -0,07 -0,07
5/1952 1 0 -0,08 -0,08
1/1953 a 3/1957 50 1 -1,61 -42,54
8/1957 a 3/1958 7 1 -0,62 -2,70
8/1958 a 10/1959 15 0 -1,30 -10,12
143
6/1960 a 4/1961 9 2 -1,09 -5,56
9/1961 a 2/1964 29 1 -1,86 -26,52
6/1965 a 4/1967 22 1 -1,15 -12,32
9/1967 a 11/1967 3 0 -1,00 -2,16
5/1968 a 7/1968 3 0 -0,20 -0,41
12/1968 a 12/1969 3 0 -0,56 -1,13
4/1970 a 6/1970 3 0 -0,86 -1,82
1/1971 a 8/1971 7 1 -0,81 -4,10
1/1973 a 2/1973 2 0 -0,19 -0,29
7/1973 a 4/1975 18 4 -0,75 -8,07
9/1975 a 6/1976 7 3 -0,96 -4,73
2/1977 a 12/1978 16 7 -1,09 -12,85
4/1979 a 12/1980 19 2 -1,14 -14,50
11/1982 a 12/1982 2 0 -0,40 -0,67
11/1984 1 0 -0,11 -0,11
1/1986 a 5/1989 36 5 -1,33 -21,08
9/1989 a 6/1991 21 1 -1,56 -19,49
11/1991 a 6/1992 8 0 -0,93 -5,93
1/1993 a 2/1994 14 2 -1,53 -6,85
9/1994 a 10/1996 25 1 -1,36 -22,09
2/1997 1 0 -0,02 -0,02
7/1997 a 12/2000 34 8 -1,19 -27,16
4/2002 1 0 -0,14 -0,14
12/2002 a 12/2003 11 2 -0,82 -3,78
11/2004 1 0 -0,35 -0,35
2/2006 1 0 -0,12 -0,12
6/2006 a 9/2006 4 0 -0,42 -0,88
3/2007 a 1/2008 10 1 -1,14 -5,69
5/2008 a 10/2008 6 0 -0,85 -2,24
12/2009 a 2/2010 3 0 -0,86 -1,50
8/2010 a 2/2011 6 1 -1,12 -4,00
7/2011 a 4/2012 6 4 -0,76 -4,18
12/2012 a 3/2018 56 8 -2,57 -66,62
7/2018 a 10/2019 15 1 -1,14 -10,52
144
5.3.1.12 Bacia do rio Itapemirim
Figura 77. Localização da Bacia do rio Itapemirim com sua altimetria e principais trechos de drenagem.
Dos 30 eventos secos registrados (Tabela 28) na bacia do rio Itapemirim (Figura
Figura 77) , o evento de
1953 a 1964 é caracterizado por sua maior duração, com 124 meses, além de ter sido o mais severo.
O evento de 2013 a 2019 é o segundo colocado em termos de duração,, severidade e possuir a maior
magnitude, com 76 meses em déficit hídrico. Já o terceiro de maior duração é de 1997 a 2000,
contudo,, outro evento da década de 90 é o terceiro colocado em termos de severidade 1994 a 1996,
o quinto no ranking de durabilidade. Esse fato faz com que a década de 90 seja bem expressiva para
a bacia em termos de déficit de armazenamento de água.
Pela duração, os eventos secos anuais, para a bacia, se repetem em 22 episódios,

episódios já os eventos
plurianuais somam um total de 8 repetições,, com 5 deles ocorrendo por mais de 2 anos.
Tabela 28.. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Itapemirim.
Meses Meses
déficit excesso
11/1951 1 0 -0,03 -1,25
1/1953 1 0 -0,02 -0,02
7/1953 a 6/1964 124 8 -1,90 -117,91
145
11/1964 a 12/1967 36 2 -1,29 -22,56
5/1968 a 10/1969 15 3 -0,91 -8,44
2/1970 a 7/1970 6 0 -0,86 -2,37
1/1971 a 8/1971 8 0 -0,73 -3,83
1/1976 a 6/1976 6 0 -0,58 -2,34
2/1977 a 8/1977 5 2 -0,38 -1,51
4/1978 1 0 -0,02 -0,02
11/1982 a 12/1982 2 0 -0,49 -0,90
3/1986 a 6/1986 4 0 -0,32 -0,95
10/1986 a 2/1987 5 0 -0,92 -3,16
7/1987 a 5/1988 7 4 -0,19 -0,97
12/1988 a 5/1989 6 0 -0,48 -1,78
11/1989 a 6/1991 18 2 -1,21 -14,10
11/1991 a 6/1992 8 0 -1,01 -5,93
1/1993 a 2/1994 13 1 -1,84 -10,42
9/1994 a 10/1996 26 0 -1,84 -33,12
2/1997 a 11/2000 40 6 -1,34 -31,72
2/2002 a 3/2002 2 0 -0,31 -0,41
12/2002 a 12/2003 9 4 -0,69 -4,60
4/2007 a 7/2007 2 2 -0,01 -0,05
1/2008 1 0 -0,29 -0,29
6/2008 a 10/2008 5 0 -0,27 -0,63
1/2010 a 2/2010 2 0 -0,67 -0,53
9/2010 a 2/2011 3 3 -0,55 -1,87
2/42012 a 4/2012 3 0 -0,59 -1,13
10/2012 a 2/2013 4 1 -0,66 -1,87
8/2013 a 12/2019 76 1 -2,00 -81,82
146
5.3.1.13 Bacia do rio Itabapoana
Figura 78. Localização da Bacia do rio Itabapoana com sua altimetria e principais trechos de drenagem.
Com 41 eventos secos determinados pela simulação ((Tabela 29), ), a bacia do rio Itabapoana (Figura
78) tem a década de 90 como mais deficitária, vez que seu evento de maior duração e severidade é o
de 1994 a 2000,, com 71 meses de déficit hídrico. O segundo evento duradouro e severo abrange o
período seco mais de 2012 a 2018,, com 60 meses secos. Já o terceiro está contido na década de 50,
1952 a 1957,, com 50 meses de duração. A maior magnitude negativa fica com a década de 60, assim
como, para a maioria das bacias, com -2,05 cm de déficit hídrico.
Pela durabilidade, em relação a frequência são 31 ocorrências anuais e 10 ocorrências plurianuais

com 6 eventos de duração maior que 2 anos.
Tabela 29.. Caracterização dos eventos secos ocorridos de 1950 a 2019, na bacia do rio Itabapoana.
Meses Meses
déficit excesso
1/1951 1 0 -0,3 -0,3
9/1951 a 12/1951 3 1 -1,4 -3,2
5/1952 1 0 0,0 0,0
10/1952 a 38/1957 50 4 -1,7 -50,2
7/1957 a 11/1957 5 0 -0,4 -0,9
11/1958 a 12/1960 25 1 -2,0 -29,2
147
4/1961 1 0 0,0 0,0
9/1961 a 6/1964 33 1 -2,0 -34,2
12/1965 a 5/1969 37 5 -1,3 -23,8
9/1969 1 0 -0,2 -0,2
2/1970 a 7/1970 5 1 -0,5 -1,1
12/1970 a 8/1971 9 0 -0,9 -4,4
9/1973 a 2/1974 3 3 -0,4 -1,3
8/1974 a 12/1974 4 1 -0,5 -1,8
1/1976 a 6/1976 6 0 -0,8 -3,1
7/1977 a 8/1977 2 0 -0,1 -0,1
2/1978 a 5/1978 4 0 -0,3 -0,6
10/1980 a 11/1980 2 0 -0,4 -0,5
9/1981 a 10/1981 2 0 -0,2 -0,3
11/1982 a 12/1982 2 0 -0,9 -1,5
6/1984 a 9/1984 3 0 -0,3 -0,5
3/1986 a 6/1986 4 0 -0,4 -1,3
10/1986 a 3/1987 6 0 -1,0 -3,9
1/1989 1 0 -0,1 -0,1
1/1990 a 6/1991 18 0 -1,1 -10,3
11/1991 a 6/1992 7 1 -1,0 -4,2
12/1992 a 2/1994 14 1 -1,8 -13,7
9/1994 a 10/2000 71 3 -1,7 -67,7
8/2001 1 0 0,0 0,0
12/2001 a 7/2003 17 3 -1,2 -10,7
12/2003 1 0 -0,1 -0,1
11/2004 1 0 -0,5 -0,5
1/2006 a 2/2006 2 0 -0,4 -0,6
6/2006 a 8/2006 3 0 -0,3 -0,9
6/2007 a 10/2008 14 3 -0,9 -5,2
11/2009 a 10/2010 12 0 -1,5 -8,8
2/2011 1 0 -0,3 -0,3
11/2011 a 4/2012 5 1 -0,7 -2,2
10/2012 a 1/2018 60 4 -2,0 -60,2
6/2018 1 0 -0,1 -0,1
12/2018 a 10/2019 10 1 -1,2 -8,1
5.3.1.14 Considerações gerais sobre os eventos secos nas bacias
De modo geral, os eventos secos sobre a região do Espírito Santo são recorrentes para as bacias
avaliadas em três momentos relevantes, com suas ordens de importância variando de região para
região. São eles os eventos secos ocorridos na década de 50, na década de 90 e o último evento seco,
de 2014-2019. Algumas bacias, como as de localização mais ao norte do Estado e as bacias do rio
Doce, iniciaram o último evento seco, segundo os dados simulados, de forma temporalmente
antecipada ao ano de 2014, em 2011 (Mucuri e São Mateus) ou 2012 (Alto e Médio Doce).
148
Uma década marcante, principalmente em termos de magnitudes negativas aalcançadas pela maioria
das bacias é década de 60, de 1961 a 1964. Em algumas bacias indo até 1969. Outro período seco é
percebido de 1985 a 1991, para assim, dar lugar ao evento de 1994,, que perdura até o início dos
anos 2000. Assim, a década de 90 é demarcada por baixos valores de armazenamento de água.
No mais, todas as bacias passaram pelas décadas citadas acima, com períodos de baixíssimos valores
de armazenamento hídrico,, assim como, no evento de 2014 até o final de 2019. No entanto, a falta
hídrica quee havia na década de 50 e 90, por exemplo, impactava diferentemente dos dias atuais,
como por exemplo sobre a produção agrícola, pelo fato daquelas épocas não haver dependência pela
irrigação como na atual (Figura
Figura 79; ANA, 2021).). Além do mais, em relação ao quantitativo
populacional e industrial existente, as décadas anteriores exerciam influência por vezes muito
reduzida em relação ao consumo hídrico quan quando comparado ao consumo hídrico da atualidade,
devido ao aumento populacional e industrial
industrial.
Mediante a situação apresentada, o evento seco mais recente acarretou prejuízos relevantes aos
diversos usuários de água, fato desencadeado pela dependência dos sistemas de irrigação para
produção, pelo desenvolvimento industrial e pela pressão populacional sobre os sistemas de
abastecimentos urbanos e rurais (COELHO et al., 2015; MARENGO et al.,
., 2015; NOBRE et al., 2016;
MELO et al.,., 2016; ESTADO, 2019)
2019).
Figura 79.. Evolução da área irrigada no Brasil ao longo do tempo.
Fonte: Adaptado ANA (2021).
No mais, com
om a simulação dos eventos de seca passados através do modelo MGB e a verificação se
esses eventos foram citados em literatu
literatura
ra (seções posteriores), esse trabalho pode demonstrar
viabilidade para uso do modelo em avaliações futuras de seca para as bacias do ES, ES antecipando
medidas mitigatórias relacionadas à gestão dos recursos hídricos.
149
5.3.1.15 Tempo de recuperação
Para a continuação da caracterização dos eventos secos no período previsto, o tempo de

recuperação dos mesmos foram calculados.
Na aplicação do teste não paramétrico Kolmogorov-Smirnov para todo o período previsto (1950 a
2019) notou-se uma não normalidade dos dados. Assim, o período de realização do teste ocorreu de
04/2002 a 12/2019, a fim de comparar os tempos de recuperação que o MGB produziu, com os
tempos de recuperação encontrados com os valores de anomalia média mensal de armazenamento
de água do GRACE.
Os resultados estatísticos do teste de normalidade são observados na Tabela 30, por meio dos quais
é possível observar que os dados relativos ao período de 2002-2019 se aproximam de uma
distribuição normal, fato constatado pelo valor do KS estar abaixo do valor crítico, ao nível de
significância de 0,1%.
Tabela 30. Resultados da aplicabilidade do teste não paramétrico Kolmogorov-Smirnov para os dados de
armazenamento de água simulados pelo MGB de 04/2002 a 12/2019.
Valor Aceita ou rejeita H0 = aproxima

Bacia Valor crítico p-valor
observado KS distribuição normal
Alto Doce 0.060 0.134 0.409 Aceita
Médio Doce 0.071 0.134 0.217 Aceita
Baixo Doce 0.075 0.134 0.177 Aceita
Mucuri 0.082 0.134 0.106 Aceita
Itaúnas 0.068 0.134 0.273 Aceita
São Mateus 0.090 0.134 0.060 Aceita
Barra Seca 0.082 0.134 0.111 Aceita
Rio Riacho 0.066 0.134 0.299 Aceita
Santa Maria 0.088 0.134 0.067 Aceita
Jucu 0.119 0.134 0.004 Aceita
Benevente 0.080 0.134 0.124 Aceita
Itapemirim 0.059 0.134 0.430 Aceita
Itabapoana 0.104 0.134 0.019 Aceita
150
Dessa forma, considerando as séries de armazenamento de água preditas pelo MGB como
aproximadamente normais, os tempos de recuperação médio e mínimo para os eventos secos foram
calculados (Figura 80).
Em comparação com os resultados adquiridos pelos dados dos satélites, a simulação do MGB
produziu picos de tempos de recuperação menores principalmente para o período seco iniciado em
2014. No entanto, o modelo hidrológico produziu um maior quantitativo de períodos curtos de
déficit hídrico.
151
Figura 80.. Tempos de recuperação médios e mínimos para os eventos secos simulados pelo MGB, de 04/2002 a 12/2019.
12/2019
152
5.3.2 Comparação entre os eventos de seca simulados e consulta literária
Com base em consulta literária os períodos secos de 1950 a 2019 foram enumerados abaixo em suas
respectivas décadas, citando os autores que os referenciaram, a região do impacto da seca e em
quais anos ocorreram eventos de El Niño e La Niña. Essas observações orientam se a simulação do
MGB conseguiu capturar de forma satisfatória os eventos secos que ocorreram. A Figura 81
demonstra cada década do período avaliado com as literaturas consultadas que citam os eventos
secos do período.
1 – Eventos secos dos anos 50. Mendonça (2015b) referência uma seca nos períodos de 1952 a 1956
para a região Sudeste, com 4 anos de chuvas abaixo do normal, dentre os quais 11 meses sem
nenhuma precipitação. Lima e Magalhães (2019) em seu levantamento indicam período seco no
Brasil em 1951 a 1954 e depois de 1958 a 1959. Carvalho (2012) cita o ano de 1958 como seco para o
Nordeste. Correspondências oficiais relatam para o ano de 1952 uma grave seca no Nordeste
(http://fgv.br/cpdoc/acervo/arquivo-pessoal/GV/textual/documentos-sobre-a-seca-do-nordeste-
relativos-ao-ano-de-1952-descrevendo-a-situacao-das-populacoes-flageladas-e-da-economia-local-e-
as-providencia). Dados da CPTEC (2020) mostram evento de El Niño de 1951 a 1953 e depois um
evento forte de 1957 a 1958, já a La Niña ocorreu de 1954 a 1956.
2 – Eventos secos dos anos 60. Um período de 9 meses de seca em 1963 no ES é mencionado por
Mendonça (2015b). Lima e Magalhães (2019) delimitaram o evento de 1962 a 1964. Para CPTEC
(2020) o El Niño foi percebido em 1963-1964. O ano 1966 foi ressaltado como seco por Lima e
Magalhães (2019) e a CPTEC (2020) indicou El Niño forte de 1965 a 1966.
3 – Eventos secos dos anos 70. O ano de 1970 é citado como seco no Nordeste para EM-DAT (2020) e
a nível nacional é descrito por Carvalho (2012) e Lima e Magalhães (2019). Para Lima e Magalhães
(2019) ocorreu seca no Brasil registrada em 1976 e depois de 1979 a 1983. Segundo WMO (2014)
perdas de vidas e recursos econômicos foram descritos em 1978. Já a EM-DAT (2020) registrou no
país, seca em 1977 na região Norte e no Leste, em 1978 na região central do Brasil e Sudeste, por
fim, em 1979 no Nordeste. Um evento de La Niña foi observado em 1975-1976, já El Niño em 1969-
1970, 1976-1977e 1979-1980 (CPTEC, 2020).
4 – Eventos secos dos anos 80. Segundo Mendonça (2015b) o período de 1985-1986 foi de muito
calor e nos últimos 5 meses de 1986 o ES sofreu seca por influência do El Niño. O período de 1986 a
1987 foi citado por Lima e Magalhães (2019). A EM-DAT (2020) referência o ano de 1983 com seca no
Nordeste, 1985 no Rio Grande do Sul, 1987 no Nordeste incluindo Minas Gerais e Bahia e 1988 no Sul
do Brasil. Ribeiro Neto (2017) também indica seca no Nordeste em 1983. A CPTEC (2020) indica El
Niño para 1982-1983, 1986-1987 e 1987-1988.
5 – Eventos secos dos anos 90. Mendonça (2015b) cita a seca de 1997 a 1998 como pior que as
demais ocorridas no ES. Ribeiro Neto (2017) inclui o ano de 1992 como seco no Nordeste. A EM-DAT
(2020) tem dados de seca no Brasil no ano de 1994 e 1998 no Leste e no Norte. Lima e Magalhães
(2019) incluem os períodos 1992-1993 e 1997-1999 como secos. A CPTEC (2020) apresenta El Niño
em 1991-1992, 1992-1993 e 1997-1998, com o primeiro e último de forte influência.
6 – Eventos secos dos anos 2000. Ribeiro Neto (2017) aponta o ano de 2002 como seco para o ES e
Mendonça (2015b) referência 2007-2008. Período seco nos anos 2000 para o Sudeste foram
apresentados por Getirana (2016), Melo et al. (2016), Nobre et al. (2016) e Marengo et al. (2018).
153
Zeng et al. (2008) descreve secas em 2002 e 2005 no Amazonas. A EM-DAT (2020) possui registro de
secas em Pernambuco no ano de 2001, em 2002 no Nordeste e MG, 2004 no Sul e Nordeste, em
2005 no Amazonas e 2007 no Nordeste. Evento de El Niño foi percebido em 2002-2003, 2006-2007 e
2009-2010, já La Niña em 2007-2008 (CPTEC, 2020).
7 – Eventos secos anos 2010. Riberio Neto (2017) demarcou os anos 2012, 2014 e 2016 de ENSO
sobre o ES. Marengo et al. (2011) cita a seca de 2010 no Amazonas. Lima e Magalhães (2019)
referenciam secas em 2010 e 2012-2017. A EM-DAT (2020) registrou a de 2010 no Amazonas, 2012
no Nordeste e MG, em 2014 no Nordeste. Segundo a CPTEC (2020) houve ocorrência de La Niña em
2010-2011 e 2017-2018, já um El Niño forte ocorreu em 2015-2016.
Figura 81. Infográfico contendo as referências bibliográficas consultadas, que citam os eventos secos ocorridos
para as várias regiões brasileiras, em cada década do período simulado pelo MGB.
Fonte: Autores.
Considerando os déficits de armazenamento de água simulados pelo MGB, com evento maior ou
igual a 6 meses anuais, o que caracterizaria uma seca hidrológica, a Tabela 31 foi elaborada
demarcando se as bacias hidrográficas (enumeradas de 1 a 13) perpassaram pelos eventos secos das
referências consultadas, enumeradas na Figura 81 de 1.1 a 7.4.
Os resultados demonstram que embora o modelo tenha sido calibrado para 1990-2019, ele
conseguiu reproduzir a maioria dos eventos citados ocorridos no passado. No entanto, as respostas
não foram de igual correspondência para todas as bacias. Como por exemplo, a seca de 1952 a 1956
154
citada por Mendonça (2015b), pela simulação, nas bacias do norte iniciou-se em 1951, já nas bacias
do sul foi percebida apenas em 1953 e perdurou no restante da década.
Já na década de 60, os dados indicam que a falta de água do ano de 1963 (MENDONÇA, 2015b)
iniciou-se no ano anterior. O evento de 1966 (LIMA e MAGALHÃES, 2019) durou pelo menos até
1967. A década de 1970 foi bem irregular na região avaliada, restando os anos 1971 e 1976 como
períodos comuns de seca. O evento de 1985-1986 (MENDONÇA, 2015b) foi percebido em termos de
armazenamento de água de forma retardada, em 1986, perdurando até o final da década e
adentrando os anos 90 que se mostraram muito deficitários, contrariando as referências somente
dos anos de 1992 e 1997-1998.
Nos anos 2000, Riberio Neto (2017) cita o ano 2002 como seco, porém, os dados de armazenamento
de água simulados indicam o ano 2003 como deficitário. Desse modo, o pressuposto de que o evento
seco determinado pelo GRACE (2002 a 2004) tenha iniciado anteriormente ao período de início de
captura dos sinais pelos satélites é contrariado. O evento de 2007-2008 citado pelos autores como
secos, assim como, os momentos secos decorridos na década de 2010 são afirmados pelas
informações simuladas.
Tabela 31. Demonstração anual de quais bacias apresentaram déficit hídrico, considerando as referências
bibliográficas consultadas, que estão enumeradas de acordo com a Figura 81.
Bacias
Década Ano Referência
1 2 3 4 5 6 7 8 9 10 11 12 13
1950
1951
1952
1.1
1953
anos 50
1954 1.2
1955
1956
1957
1958 1.3
1.1
1959
1960
1961
1962
1963 2.1 2.2
anos 60
1964
1965
1966 2.3
1967
1968
155
1969
1970 3.1 3.2
1971
1972
1973
anos 70
1974
1975
1976 3.3
1977
1978 3.2 3.4
1979 3.3
1980
1981
3.3
1982
1983 4.4 4.3
anos 80
1984
1985 4.3
4.1 4.2
1986
1987
4.3
1988
1989
1990
1991
1992 5.2
5.4
1993
anos 90
1994 5.3
1995
1996
1997
5.1
1998 5.3 5.4
1999
2000 6.1
2001
6.4 6.6
2002 6.2 6.5
anos 2000
2003
2004
6.4
2005 6.5 6.6
2006
2007 6.3 6.4 6.6
156
2008
2009
2010 7.3 7.4
2011
2012 7.1 7.2 7.4
2013
anos 2010
2014 7.1 7.4

7.3
2015
2016 7.1
2017
2018
2019
157
5.4 CONSIDERAÇÕES FINAIS
A caracterização de déficit hídrico na região hidrográfica do Estado do Espírito Santo foi realizada de
modo que eventos secos fossem demarcados a partir de seus respectivos intervalos de tempo e de
sua localização espacial.
Pela análise realizada com os valores de anomalia média mensal de armazenamento de água dos
satélites GRACE, no período de 2002 a 2020, nota-se tendências negativas sobre os dados hídricos
nas bacias do estudo, de maiores proporções no sentido noroeste. Doze períodos secos foram
identificados na região, sendo 4 deles plurianuais maiores que 1,5 anos de duração. Dessa forma,
infere-se uma frequência de delongadas secas, assim como eventos curtos de intervalo de 1 a 3
meses. Três períodos merecem destaque quanto às suas importâncias. Em sequência temporal, o
primeiro iniciado em 2002 perdurando até 2004. O segundo, que é o de maior severidade e
magnitude, ocorrido de 2014 até meados de 2017, para logo em seguida ser sucedido pelo terceiro
evento, de 2018 até 2020. Os dois últimos são separados por poucos meses de excesso hídrico, fato
que corrobora com suas relevâncias. Em relação à localização, o primeiro foi mais perceptível na
região sul, o de 2014, nas bacias do centro e região noroeste, já o de 2018, na região noroeste. No
mais, outro fato importante quanto ao evento de 2014 refere-se ao fato de que sua recuperação não
ocorre antes do evento seco posterior.
Para simular valores de anomalia média mensal de armazenamento de água pelo MGB, uma
calibração automática sobre os parâmetros referentes ao uso do solo foi realizada no período de
1990 a 2019, proporcionando melhores ajustes volumétricos entre dados fluviométricos simulados e
observados. Assim, valores de anomalia média mensal de armazenamento de água foram gerados e
comparados aos dados do GRACE, decorrendo em concordância entre essas soluções de cálculo de
armazenamento de água, em termos de coeficiente de correlação e amplitude.
Algumas divergências encontradas entre as soluções do GRACE e do MGB foram impostas a fatores
como à natureza da obtenção e falhas nos dados, resolução espacial e resolução temporal a que são
vinculadas as ferramentas, e ao processamento realizado para realizar a comparação entre as
soluções. No entanto, com o diagnóstico de secas passadas a previsão de valores de anomalia média
mensal de armazenamento de água produzidos de 1950 a 2019 com o MGB e a realização
comparativa com secas citadas em literatura, o modelo hidrológico mostrou-se com potencial para
realizar previsões sobre a região avaliada. Uma vez que, com os mesmos parâmetros calibrados na
fase anterior, os valores de armazenamento hídrico passados, resultaram em eventos secos
ocorridos nas décadas de 50, 1962, 1966-1967, 1971, 1976, segunda metade da década de 80,
década de 90, 2003, 2007-2008 e o atual período de 2014 a 2019, eventos secos presentes em
literaturas consultadas.
Ainda, da simulação de previsão, em uma comparação entre os eventos secos diagnosticados, é

possível observar em termos de magnitude, severidade e duração que já houve secas de grande
intensidade quanto foi a mais recente de 2014. No entanto, os impactos causados por essa, tem
forte relevância devido à demanda hídrica existente em áreas agrícolas, industriais ou mesmo no
abastecimento público.
158
5.5 RECOMENDAÇÔES PARA TRABALHOS FUTUROS
Considerando a resolução dos dados dos satélites GRACE e mediante os resultados obtidos, a
delimitação da área de interesse em uma região de menor resolução espacial, com a discretização da
área por unidades de planejamento de bacias hidrográficas de maior nível do que a utilizada nesse
trabalho pode fornecer resultados de armazenamento de água com melhor ajuste entre o GRACE e o
MGB, que é um modelo para grandes áreas.
Outra avaliação que pode ser realizada é a segmentação do período a ser calibrado entre período
seco e chuvoso, para fins de verificação de melhor ajuste aos dados de armazenamento hídrico.
Nesse sentido, a subdivisão da calibração pode gerar dados com menor incerteza sobre o ajuste de
eventos secos.
A simulação de valores de armazenamento de água por mais de um modelo hidrológico, como o Soil
& Water Assessment Tool-SWAT e o Safran-Isba-Modcou-SIM, já comparados com bons resultados
aos dados GRACE em outro estudo (BIANCAMARIA et al., 2019), pode resultar em uma avaliação
mais refinada sobre as secas regionais e servir de constatação dos eventos ocorridos na previsão do
MGB.
A continuação das pesquisas desenvolvidas com os sinais dos satélites tende a ampliar a curta série
histórica existente e a reduzir os erros produzidos pelas capturas dos recursos hídricos em zona
oceânica, como ainda pode estar ocorrendo sobre os dados do local de estudo. Assim, trabalhos
futuros são necessários para diminuir essas incertezas.
Por último, modificações na resolução temporal produzidas pelo MGB, para médias semestrais ou
anuais, podem fornecer resultados de melhor ajustamento com os dados dos satélites e conduzir a
excelentes dados de previsão futura.
6 CONCLUSÕES
Os valores de médias mensais de armazenamento de água do período avaliado com o GRACE,

mostram que anualmente os meses de junho a outubro, com ênfase em setembro, são os que
apresentam níveis mais baixos. Além disso, pela espacialização das médias mensais de
armazenamento de água sobre a área de estudo é possível avaliar que a região oeste contém os
valores mínimos mais baixos.
Os principais eventos secos observados por valores de anomalia média mensal de armazenamento
de água do GRACE foram os períodos de 04/2002 até 2004; da segunda metade de 2007 até próximo
ao início de 2009; e, de 2014 até o final da série temporal avaliada (03/2020).
Este estudo mostrou que há uma tendência negativa do armazenamento de água em todo o ES,
sugerindo que houve diminuições nos quantitativos hídricos de 2002 para 2020. Com a análise pelos
dados dos satélites GRACE, de toda a série de anomalia média mensal de armazenamento de água, o
evento seco iniciado em 2014 apresentou a maior severidade em déficit hídrico, especialmente nas
bacias da região centro-norte e oeste do Estado.
Pela simulação realizada com o modelo MGB, o ano de 2003 e os anos de 2007 e 2008 foram
determinados como secos e esse fato vai ao encontro dos dados de seca do GRACE nessas épocas. Os
159
anos da década de 2010 foram todos bem secos, assim como observado pelos satélites,
principalmente sobre a intensa seca determinada em 2014. Além disso, a simulação do modelo MGB
traz alguns excessos hídricos para algumas bacias durante o ano de 2018, que pelos sinais capturados
pelos satélites chega a ser divido o período seco 2014-2019 em dois períodos.
A simulação prevista pelo MGB (1950-2019) produziu valores baixos de armazenamento de água nas
décadas de 50 e 60; com alguns anos em déficit hídrico na década de 70; da segunda metade da
década de 80 para toda a década de 90; e, na década de 2010 com nova passagem crítica em termos
de recurso hídrico. Desta forma, torna-se evidente que ocorreram eventos secos de grande
relevância, como o evento de início em 2014, na região avaliada.
Em uma avaliação espacial com a simulação do MGB, um ponto notável é que as bacias mais ao sul
do Estado têm os eventos secos das décadas de 50, 60, 90 e 2010 bem mais demarcados em termos
de identificação de início e fim de eventos secos do que o restante da região avaliada.
Em suma, os sinais do GRACE capturaram os principais eventos secos ocorridos no Espírito Santo. Já
o MGB se mostrou uma ferramenta eficaz para reproduzir os valores médios de armazenamento de
água.
7 REFERÊNCIAS BIBLIOGRÁFICAS
ABD-ELBAKY, Mostafa; JIN, Shuanggen. Hydrological mass variations in the Nile River Basin from
GRACE and hydrological models. Geodesy and Geodynamics, v.10, n.6, p.430-438, 2019.
ALMAMALACHY, Yousif S.; AL-QURAISHI, Ayad M. Fadhil; MORADKHANI, Hamid. Agricultural drought
monitoring over Iraq utilizing MODIS products. In: Environmental Remote Sensing and GIS in Iraq.
Springer, Cham, 2020. p. 253-278.
ANA - Agência Nacional de Águas e Saneamento Básico (Brasil). Atlas Irrigação. Uso da Água na
Agricultura Irrigada. 2ª Edição. Brasília: ANA, 2021. Disponível em:
<https://metadados.snirh.gov.br/geonetwork/srv/api/records/1b19cbb4-10fa-4be4-96db-
b3dcd8975db0>. Acesso em: 15 jun. 2021.
ANA - Agência Nacional de Águas e Sanemaneto Básico (Brasil). Mudanças Climáticas e Recursos
Hídricos: avaliações e diretrizes para adaptação. Brasília: ANA, GGES, 2016, 93p. Disponível em:
<https://www.ana.gov.br/todos-os-documentos-do-portal/documentos-soe/mudancas-
climaticas/mudanca-climatica-e-recursos-hidricos-2013-avaliacoes-e-diretrizes-para-
adaptacao/mudancas-climaticas-e-recursos-hidricos-ana-2016.pdf>. Acesso em: 20 nov. 2019.
ANAND, Vicky; OINAM, Bakimchandra. Future climate change impact on hydrological regime of river
basin using SWAT model. Global Journal of Environmental Science and Management, v. 5, n. 4, p.
471-484, 2019.
ANDRADE, Márcio A.; MELLO, Carlos R. de; BESKOW, Samuel. Simulação hidrológica em uma bacia
hidrográfica representativa dos Latossolos na região Alto Rio Grande, MG. Revista brasileira de
engenharia agrícola e ambiental, v. 17, p. 69-76, 2013.
160
ANDREADIS, Konstantinos M. et al. Twentieth-century drought in the conterminous United States.
Journal of Hydrometeorology, v. 6, n. 6, p. 985-1001, 2005.
BAGHDADI, Nicolas; ZRIBI, Mehrez. Land Surface Remote Sensing in Continental Hydrology. Elsevier,
2016.
BANERJEE, Chandan; KUMAR, D. Nagesh. Integration of GRACE Data for Improvement of Hydrological
Models. In: Hydrology in a Changing World. Springer, Cham, 2019. p. 1-22.
BARTH, Flavio Terra et al. Modelos para gerenciamento de recursos hídricos. São Paulo: Nobel,
Associação Brasileira de Recursos Hídricos-ABRH, 1987.
BAYER, Débora Missio; COLLISCHONN, Walter. Análise de sensibilidade do Modelo MGB-IPH a

mudanças de uso da terra. Revista Brasileira de Recursos Hídricos, v. 18, p. 165-179, 2013.
BECK, Hylke et al. MSWEP V2 global 3‑hourly 0.1° precipitation: methodology and quantitative
assessment. Bulletin of the American Meteorological Society, v.100, n.3, p.473–500, 2019.
BESSON, Ariege. Weighing Earth, Tracking Water: Hydrological Applications of data from GRACE
satélites. 2018. 28f. Monografia (Graduação em Geologia e Geofísica) - Department of Geology and
Geophysics, Yale University, New Haven, Connecticut-USA, 2018. Disponível em:
<https://earth.yale.edu/sites/default/files/files/Ariege_Besson_Senior_Essay_2018.pdf>. Acesso em:
15 outubro 2019.
BETTADPUR, Srinivas. GRACE 327-734 (CSR-GR-03-01). Level-2 Gravity Field Product. 2003. User
Handbook Center for Space Research. The University of Texas at Austin. Austin, p.01-17, 2003.
BIANCAMARIA, Sylvain et al. Total water storage variability from GRACE mission and hydrological
models for a 50,000 km2 temperate watershed: the Garonne River basin (France). Journal of
Hydrology: Regional Studies, v.24, 2019.
BIDEL, Yannick et al. Absolute marine gravimetry with matter-wave interferometry. Nature
Communications, v.9, 2018.
BLAIN, Gabriel Constantino. Bioeconomia e monitoramento probabilístico dos eventos de seca no

Estado de São Paulo. O Agronômico. Boletim Técnico-Informativo do Instituto Agronômico,
Campinas-SP, v.68, 2016. Disponível em: < http://oagronomico.iac.sp.gov.br/?p=29>. Acesso em: 14
set. 2020.
BOEHRER, Bertram; KASTNER, Stephanie; OLLESCH, Gregor. High accuracy measurements of water
storage change in Mining Lake 111, Germany. Limnologica-Ecology and Management of Inland
Waters, v.40, n.2, p.156-160, 2010.
BONGS, Kai et al. Taking atom interferometric quantum sensors from the laboratory to real-world
applications. Nature Reviews Physics, v.1, p.731–739, 2019.
BRITO NETO, Rodrigo Lacerda et al. Aplicação do modelo MGB-IPH na bacia hidrográfica do Rio Pardo
em diferentes cenários de uso e ocupação do solo. Ciência Florestal, v. 31, n. 1, p. 191-213, 2021.
BUARQUE, Diogo Costa. Simulação da geração de transporte de sedimentos em grandes bacias:

Estudo de caso do rio Madeira. 2015. 182f. Tese (Doutorado em Recursos Hídricos e Saneamento
Ambiental) - Pós-Graduação em Recursos Hídricos e Saneamento Ambiental, Instituto de Pesquisas
Hidráulicas, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2015.
161
CALOIERO, Tommaso et al. An analysis of the occurrence probabilities of wet and dry periods through
a stochastic monthly rainfall model. Water, v. 8, n. 2, p. 39, 2016.
CAMMALLERI, Carmelo; BARBOSA, Paulo; VOGT, Jürgen V. Analysing the Relationship between
Multiple-Timescale SPI and GRACE Terrestrial Water Storage in the Framework of Drought
Monitoring. Water, v. 11, n. 8, p. 1672, 2019.
CARVALHO, Otamar de. As secas e seus impactos. In: A Questão da Água no Nordeste. Agência
Nacional de Águas (ANA). Brasília - DF: CGEE, 2012.
CHAO, Nengfang et al. A quantitative approach for hydrological drought characterization in

southwestern China using GRACE. Hydrogeology Journal, v.24, n.4, p.893-903, 2016.
CHEN, Gang et al. Thermodynamic and dynamic mechanisms for hydrological cycle intensification
over the full probability distribution of precipitation events. Journal of the Atmospheric Sciences,
v.76, n.2, p.497-516, 2019a.
CHEN, Hao et al. Long-term groundwater storage variations estimated in the Songhua River Basin by
using GRACE products, land surface models, and in-situ observations. Science of the Total
Environment, v. 649, p. 372-387, 2019b.
CHEN, Jack. L.; WILSON, C.R.; TAPLEY, B.D. The 2009 exceptional Amazon flood and interannual
terrestrial water storage change observed by GRACE. Water Resources Research, v.46, p.01-10,
2010.
CHEN, Jack L. et al. Recent La Plata basin drought conditions observed by satellite gravimetry. Journal
of Geophysical Research, v.115, 2010.
CHEN, Jack L. et al. 2005 drought event in the Amazon River basin as measured by GRACE and
estimated by climate models. Journal Geophysical Research, v.114, p.01-9, 2009.
CHIANG, Lichi et al. Differentiating impacts of land use chanes from pasture management in a CEAP
watershed using de SWAT model. Transactions of the ASABE, v.53, n. 5, p. 1569-1584, 2010.
COELHO, Caio A. S. et al. The 2014 southeast Brazil austral summer drought: regional scale
mechanisms and teleconnections. Climate Dynamics, v. 46, n. 11, p. 3737-3752, 2016.
COLES, Neil A.; ESLAMIAN, Saeid. Definition of Drought. In: ESLAMIAN, Saeid; ESLAMIAN, Faezeh.
Handbook of Drought and Water Scarcity. Principles of Drought ans Water Scarcity. New York:
Taylor & Francis Group, p.1, 2017.
COLLISCHONN, Walter; DORNELLES, Fernando. Hidrologia para Engenharia e Ciências Ambientais. 2ª

Edição. Porto Alegre: ABRH, 2015.
COLLISCHONN, Walter; TUCCI, Carlos E. M. Simulação Hidrológica de Grandes Bacias. Revista

Brasileira de Recursos Hídricos, v.6, n.1, p.95-118, 2001.
CPRM – Serviço Geológico do Brasil. Acompanhamento da Estiagem na Região Sudeste no Brasil.

Área de Atuação da Superintendência Regional da CPRM de São Paulo. Boletim n° 8 –
Dezembro/2019. Disponível em: <
http://www.cprm.gov.br/sace/boletins/secas_estiagens/Boletins/Sao_Paulo/2019_008-
20200630%20-%20102156.pdf>. Acesso em: 10 dez. 2020.
162
CPTEC- Centro de Previsão de Tempo e Estudos Climáticos. Monitoramento do El Niño durante NDJ-
2019/2020. El Niño e La Niña: Últimas ocorrências. Disponível em: < http://enos.cptec.inpe.br/>.
Acesso em: 02 dez. 2020.
CREUTZFELDT, Benjamin et al. Measuring the effect of local water storage changes on in situ gravity
observations: Case study of the Geodetic Observatory Wettzell, Germany. Water Resources
Research, v.46, n. 8, p.1-15, 2010.
CSR- Center for Space Research. CSR GRACE RL06 Mascon Solutions. Texas Data Repository
Dataverse, V1. 2019. Disponível em: <http://www2.csr.utexas.edu/grace/RL06_Mascons.html>.
Acesso em: 29 out. 2019.
DALEZIOS Nicolas R.; DUNKEL, Zoltan; ESLAMIAN, Saeid. Meteorological Drought Indices: Definitions.
In: ESLAMIAN, Saeid; ESLAMIAN, Faezeh. Handbook of Drought and Water Scarcity. Principles of
Drought ans Water Scarcity. New York: Taylor & Francis Group, 2017. p.27.
DANZIGER, Zachary. Theil-Sen Robust Linear Regression. MATLAB Central File Exchange. Disponível
em: <https://www.mathworks.com/matlabcentral/fileexchange/48294-theil-sen-robust-linear-
regression>. Acesso em: 23 jul. 2020.
DE ARAÚJO, Pietro Queiroz. Crise hídrica na área da SUDENE no Espírito Santo: um limitador do
potencial da produção de café conilon. Dissertação (Mestrado em Gestão Social, Educação e
Desenvolvimento Regional) - Programa de Pós-graduação em Gestão Social, Educação e
Desenvolvimento Regional, Faculdade Vale do Cricaré, São Mateus, 2019.
DHARPURE, Jaydeo K. et al. Drought characterization using the Combined Terrestrial

Evapotranspiration Index over the Indus, Ganga and Brahmaputra river basins. Geocarto
International, p. 1-25, 2020.
DIDOVETS, Iulii et al. Climate change impact on regional floods in the Carpathian region. Journal of
Hydrology: Regional Studies, v.22, p.100590, 2019.
EM-DAT, 2020. Natural Disasters 2019. Now is the time to not give up. Disponível em:<
https://www.emdat.be/publications>. Acesso em: 10 set. 2020.
ESPÍRITO SANTO - Secretaria do Turismo. Descubra o Espírito Santo. Geografia do Espírito Santo.
Disponível em:
<https://setur.es.gov.br/Media/setur/Setur/Releases/Release%20Geografia%20do%20Esp%C3%ADri
to%20Santo.pdf>. Acesso em: 01 nov. 2019. (a)
ESPÍRITO SANTO. Programa Estadual de Resíduos Sólidos do Espírito Santo – PERS-ES. Parte 2 -
Caracterização Socioeconômica e Ambiental do Espírito Santo. 2019. Disponível em:
<https://seama.es.gov.br/plano-estadual-de-residuos-solidos>. Acesso em: 01 nov. 2019. (b)
ESTADO só deve se recuperar da seca em 2019. A Gazeta, Vitória, p. 3-7, 17 set. 2016, Cidades. Seca
no ES, p.3-7. Disponível em:
<http://www.ijsn.es.gov.br/ConteudoDigital/20161018_aj25118_seca.pdf>. Acesso em: 20 nov.
2019.
FAGGIANI, Ana Paula da Silva et al. Estudo das componentes do balanço hidrológico durante
episódios de ZCAS. CIÊNCIA E NATURA, v. 42, 2020.
163
FALCK, Aline S. et al. Propagation of satellite precipitation uncertainties through a distributed
hydrologic model: A case study in the Tocantins–Araguaia basin in Brazil. Journal of Hydrology, v.
527, p. 943-957, 2015.
FAMIGLIETTI, J. S. The global groundwater crisis. Nature Climate Change, v.4, p.945-948, 2014.
FAN, Fernando Mainardi et al. Um mapa de unidades de resposta hidrológia para a América do Sul.
In: XXI SIMPÓSIO BRASILEIRO DE RECURSOS HÍDRICOS, 2015, Brasília-DF. Anais ... Brasília-DF, 2015.
FAN, Fernando Mainardi; COLLISCHONN, Walter. Integração do modelo MGB-IPH com sistema de
informação geográfica. Revista Brasileira de Recursos Hídricos, v. 19, n. 1, p. 243-254, 2014.
FARAHANI, Hassan H. et al. A high resolution model of linear trend in mass variations from DMT-2:
Added value of accounting for coloured noise in GRACE data. Journal of Geodynamics, v.103, p.12-
25, 2017.
FATICHI, Simone. Mann-Kendall Test. MATLAB Central File Exchange. Disponível em:
<https://www.mathworks.com/matlabcentral/fileexchange/25531-mann-kendall-test>. Acesso em:
23 jul. 2020.
FENG, Kai et al. Development of a new integrated hydrological drought index (SRGI) and its
application in the Heihe River Basin, China. Theoretical and Applied Climatology, p. 1-17, 2020.
FERNANDES, Diego Simões et al. Índices para a quantificação da seca. Embrapa Arroz e Feijão-
Documentos (INFOTECA-E), 2009.
FERREIRA, Vagner G. et al. Space-based observations of crustal deflections for drought

characterization in Brazil. Science of The Total Environment, v.644, n.10, p.256-273, 2018.
FÖEGER, Lizandra Broseghini. Modelagem hidrossedimentológica de grandes bacias com

propagação inercial de vazão: Estudo de caso do rio Madeira. 2019. 161f. Dissertação (Mestrado em
Recursos Hídricos) – Pós-graduação em Engenharia Ambiental, Universidade Federal do Espírito
Santo, Vitória, 2019.
FOROOTAN, Ehsan et al. Understanding the global hydrological droughts of 2003–2016 and their
relationships with teleconnections. Science of The Total Environment, v.650, part.2, p.2587-2604,
2019.
FRAPPART, Frédéric.; RAMILLIEN, Guillaume; RONCHAIL, Josyane. Changes in terrestrial water

storage versus rainfall and discharges in the Amazon basin. International Journal of Climatology,
v.33, p.3029-3046, 2013.
FRAPPART, Frédéric et al. Surface freshwater storage and dynamics in the Amazon basin during the
2005 exceptional drought, Environmental Research Letters, v.7, n.4, 2012.
FREEDMAN, Frank. R.; PITTS, Katherine. L.; BRIDGER, Alison. F. C. Evaluation of CMIP climate model
hydrological output for the Mississippi River Basin using GRACE satellite observations. Journal of
Hydrology, v.519, part D, p.3566-3577, 2014.
GARBIN, Mário L. et al. Breve histórico e classificação da vegetação capixaba. Rodriguésia, v.68, n.5,
p.1883-1894, 2017.
164
GERDENER, Helena; ENGELS, Olga; KUSCHE, Jürgen. A framework for deriving drought indicators
from the Gravity Recovery and Climate Experiment (GRACE). Hydrology and Earth System Sciences,
v. 24, n. 1, p. 227-248, 2020.
GETIRANA, Augusto et al. Calibração e validação de modelo hidrológico com observações in situ,
altimetria e gravimetria espaciais. Revista Brasileira de Recursos Hídricos, v. 16, n. 1, p. 29-45, 2011.
GETIRANA, Augusto. Extreme Water Deficit in Brazil Detected from Space. Journal of
Hydrometeorology, v.17, p.591-599, 2016.
Global Drought Observatory – GDO. GDO INDICATOR FACTSHEET, 2020. GRACE Total Water Storage
(TWS) Anomaly. Disponível em: <
edo.jrc.ec.europa.eu/documents/factsheets/factsheet_grace_tws_anomaly.pdf>. Acesso em: 08 ago.
2020a.
Global Drought Observatory – GDO. Drought Impact Report. Disponível em:

<https://edo.jrc.ec.europa.eu/gdo/php/index.php?id=2022&ndx=RDrI&scope=famine&lon=-
40.625&resend=&lat=-20.125&refDate=2016-05-21>. Acesso em: 17 set. 2020b.
GONÇALVES, Roger D. et al. Using GRACE to quantify the depletion of terrestrial water storage in
Northeastern Brazil: The Urucuia Aquifer System. Science of The Total Environment, v. 705, p.
135845, 2020.
GUPTA, Hoshin Vijai; SOROOSHIAN, Soroosh; YAPO, Patrice Ogou. Status of Automatic Calibration for
Hydrologic Models: Comparison with Multilevel Expert Calibration. Journal of Hydrologic
Engineering, v.4, n.2, p.135–143, 1999.
HAYES, Michael et al. The Lincoln declaration on drought indices: universal meteorological drought
index recommended. Bulletin of the American Meteorological Society, v. 92, n. 4, p. 485-488, 2011.
HOUBORG, Rasmus et al. Drought indicators based on model-assimilated Gravity Recovery and
Climate Experiment (GRACE) terrestrial water storage observations. Water Resource Research, v.48,
n.7, 2012.
IBGE – Instituto Brasileira de Geografia e Estatística. Manuais Técnicos em Geociências, Número 1.

Manual Técnico da Vegetação Brasileira. 2ª Ed. Rio de Janeiro, 2012. Disponível em:
<https://biblioteca.ibge.gov.br/visualizacao/livros/liv63011.pdf>. Acesso em: 01 nov. 2019.
IPCC - Intergovernmental Panel on Climate Change 2014. Climate change 2014: Impacts, adaptation,
and vulnerability. Working Group II contribution to the fifth assessment report of the
Intergovernmental Panel on Climate Change. Disponível em:
<https://www.ipcc.ch/site/assets/uploads/2018/03/WG1AR5_SummaryVolume_FINAL.pdf>. Acesso
em: 06 abr. 2020.
JIANG, Dong et al. The Review of GRACE Data Applications in Terrestrial Hydrology Monitoring.
Advances in Meteorology, 2014.
JING, Wenlong; ZHANG, Pengyan; ZHAO, Xiaodan. A comparison of different GRACE solutions in
terrestrial water storage trend estimation over Tibetan Plateau. Scientific reports, v. 9, n. 1, p. 1-10,
2019.
KENDALL, Maurice George. Rank correlation measures. Charles Griffin, London, UK, 1975.
165
KHAKI, Mehdi; AWANGE, Joseph. Improved remotely sensed satellite products for studying Lake
Victoria's water storage changes. Science of The Total Environment, v.652, p.915-926, 2019.
KRAUSE, Peter; BOYLE, D. P.; BÄSE, Frank. Comparison of different efficiency criteria for hydrological
model assessment. Advances in geosciences, v. 5, p. 89-97, 2005.
KUMAR, K. Satish; RATHNAM, E. Venkata; SRIDHAR, Venkataramana. Tracking seasonal and monthly
drought with GRACE-based terrestrial water storage assessments over major river basins in South
India. Science of The Total Environment, v. 763, p. 142994, 2021.
LANDERER, Felix W.; SWENSON, Sean C. Accuracy of scaled GRACE terrestrial water storage
estimates. Water Resources Research, v.48, n.4, 2012.
LIMA, José Roberto de; MAGALHÃES, Antonio Rocha. Secas no Nordeste: registros históricos das
catástrofes econômicas e humanas do século 16 ao século 21. Parcerias Estratégicas, v. 23, n. 46, p.
191-212, 2019.
LIMA, Rafael Petruceli Coelho. Avaliação de índices de severidade de seca na bacia do rio Doce
visando ao desenvolvimento de sistema de classificação de secas. 2016. 98f. Dissertação (Magister
Scientiae) – Pós-Graduação em Engenharia Agrícola, Universidade Federal de Viçosa, Viçosa, 2016.
LONG, Di et al. Deriving scaling factors using a global hydrological model to restore GRACE total
water storage changes for China's Yangtze River Basin. Remote Sensing of Environment, v. 168, p.
177-193, 2015.
LONG, Di et al. GRACE satellite monitoring of large depletion in water storage in response to the
2011 drought in Texas. Geophysical Research Letters, v.40, n.13, p.3395-3401, 2013.
LUTHCKE, Scott B. et al. Antarctica, Greenland and Gulf of Alaska land-ice evolution from an iterated
GRACE global mascon solution, Journal of Glaciology, v.59, n.216, p.613– 631, 2013.
MA, Siyu et al. Temporal evolution of regional drought detected from GRACE TWSA and CCI SM in
Yunnan Province, China. Remote Sensing, v. 9, n. 11, p. 1124, 2017.
MALAFAIA FILHO, Marcio. Aplicação do SWAT na modelagem hidrológica da bacia do rio Paraíba do
Sul. 2019. 76f. Tese de Doutorado - Pós-graduação em Ciência do Sistema Terrestre, Instituto
Nacional de Pesquisas Espaciais-INPE, São José dos Campos, 2019.
MANN, H. B.; WHITNEY, D. R. On a Test of Whether one of Two Random Variables is Stochastically
Larger than the Other. The Annals of Mathematical Statistics, v.18, p.50–60, 1947.
MARENGO, José A. et al. Climatic characteristics of the 2010-2016 drought in the semiarid Northeast
Brazil region. In: Anais Academia Brasileira de Ciência, v.90, n.2, 2018, Rio de Janeiro. Anais... Rio de
Janeiro, 2018.
MARENGO, Jose A. et al. The drought of 2010 in the context of historical droughts in the Amazon
region. Geophysical Research Letters, v. 38, n. 12, 2011.
MASSOUD, Elias C. et al. Projecting groundwater storage changes in California’s Central Valley.
Scientific Reports, v.8, 2018.
MEDEIROS, Priscilla Paiva de. Avaliação da importância da autocorrelação para a análise de

tendências das series históricas de vazão do Operador Nacional do Sistema Elétrico (ONS) no Brasil.
166
2015. 106f. Dissertação (Mestrado em Engenharia Civil) - Pós-Graduação em Engenharia Civil,
Departamento de Engenharia Hidráulica e Ambiental, Universidade Federal do Ceará, Fortaleza,
2015.
MELLO, Carlos Rogério de et al. Development and application of a simple hydrologic model
simulation for a Brazilian head water basin. Catena, v.75, p.235-247, 2008
MELO, Davi de Carvalho Diniz et al. Reservoir storage and hydrologic responses to droughts in the
Paraná River basin, south-eastern Brazil. Hydrology and Earth System Sciences, v.20, p.4673-4688,
2016.
MELO, Davi de Carvalho Diniz. Propagação de secas na bacia do Rio Paraná: do evento climático ao
impacto hidrológico. 2017. Tese de Doutorado – Programa de Pós-Graduação em Engenharia
Hidráulica e Saneamento, Escola de Engenharia de São Carlos da Universidade de São Paulo, 2017.
MELO NETO, José de Oliveira et al. Simulação hidrológica escalar com o modelo SWAT. Revista
Brasileira de Recursos Hídricos, v. 19, n. 1, p. 177-188, 2014.
MELSEN, L. A.; GUSE, Björn. Hydrological drought simulations: How climate and model structure
control parameter sensitivity. Water Resources Research, 2019.
MENDONÇA, Antônio Sergio Ferreira. As secas históricas do Espírito Santo. Entrevista concedida a
Alexandre Lemos. A Gazeta. Vitória, 06 dezembro 2015, Cidades, p. 12-13 a.
MENDONÇA, Antônio Sergio Ferreira. Para especialista, crise hídrica requer medidas integradas.
Entrevista concedida a Luísa Bustamante. Página de Notícias Assembléia Legislativa do Espírito Santo,
09 março 2015. Disponível em: < https://www.al.es.gov.br/Noticia/2015/03/27456/para-
especialista-crise-hidrica-requer-medidas-integradas.html>. Acesso em: 03 out. 2020 b.
MILLER, Leslie H. Table of percentage points of Kolmogorov statistics. Journal of the American
Statistical Association, v. 51, n. 273, p. 111-121, 1956.
MORIASI, Daniel N. et al. Model evaluation guidelines for systematic quantification of accuracy in
watershed simulations. Transactions of the ASABE, v. 50, n. 3, p. 885-900, 2007.
MOREIRA, Alberto et al. Tutorial on Synthetic Aperture Radar. IEEE Geoscience and Remote Sensing
Magazine, v.1, n.1, p.6-43, 2013.
MORETTIN, Pedro A. e TOLOI, Clélia M. Previsão de Séries Temporais. 2ª ed. São Paulo: Atual, 1987.
NATIONAL RESEARCH COUNCIL et al. Satellite gravity and the geosphere: contributions to the study
of the solid Earth and its fluid envelopes. National Academies Press, Washington D.C., 1997.
NÁVAR, José. Modeling rainfall interception loss components of forests. Journal of Hydrology, 2019.
NEPSTAD, Daniel et al. Amazon drought and its implications for forest flammability and tree growth:
a basin-wide analysis. Global Change Biology, v.10, p.704–717, 2004.
NIEBAUER, T. Gravimetric Methods – Absolute and Relative Gravity Meter: Instruments Concepts and
Implementation. Treatise on Geophysics, p.37–57, 2015.
167
NOBRE, Carlos et al. Some Characteristics and Impacts of the Drought and Water Crisis in
Southeastern Brazil during 2014 and 2015. Journal of Water Resource and Protection, v.8, p.252-
262, 2016.
OLIVEIRA, Aline Meyer. Contribuições de estimativas de sensoriamento remoto para a modelagem

de múltiplas variáveis hidrológicas. 2020. 137f. Dissertação de Mestrado - Pós-graduação em
Recursos Hídricos e Saneamento Ambiental. Universidade Federal do Rio Grande do Sul, 2020.
OLIVEIRA, Paulo Tarso S. et al. Trends in water balance components across the Brazilian Cerrado.
Water Resources Research, v.50, n.9, p.7100-7114, 2014.
OTKIN, Jason A. et al. Assessing the evolution of soil moisture and vegetation conditions during the
2012 United States flash drought. Agricultural and forest meteorology, v. 218, p. 230-242, 2016.
PAIVA, Rodrigo Cauduro Dias de; COLLISCHONN, Walter; BUARQUE, Diogo Costa. Validation of a full
hydrodynamic model for large-scale hydrologic modelling in the Amazon. Hydrological Processes, v.
27, n. 3, p. 333-346, 2013.
PAIVA, Rodrigo Cauduro Dias de et al. Large-scale hydrologic and hydrodynamic modeling of the
Amazon River basin. Water Resources Research, v.49, p.1226–1243, 2013.
PAIVA, Rodrigo Cauduro Dias de. Modelagem Hidrológica e Hidrodinâmica de Grandes Bacias:
Estudo de caso: Bacia do rio Solimões. 2009. 182 f. Dissertação (Mestrado) – Pós-graduação em
Recursos Hídricos e Saneamento Ambiental, Universidade Federal do Rio Grande do Sul, Porto
Alegre, 2009.
PANDAY, Prajjwal K. et al. Deforestation offsets water balance changes due to climate variability in
the Xingu River in eastern Amazonia. Journal of Hydrology, v.523, p.822-829, 2015.
PATHAK, P.; KALRA, A.; AHMAD, S. Temperature and precipitation changes in the Midwestern United
States: implications for water management. International Journal of Water Resources Development,
v.33, p.1003–1019, 2017.
PENATTI, Natasha Costa et al. Satellite based hydrological dynamics of the world’s largest continuous
wetlands. Remote Sensing of Environment, v.170, n.1, p.1-131, 2015.
PERH-ES. Plano Estadual de Recursos Hídricos do Espírito Santo. Macroproduto 5. Documento

consolidado do Plano Estadual de Recursos Hídricos. Caderno Diagnóstico. Revisão Final. Nov. 2018.
Disponível em: <https://perh.es.gov.br/Media/perh/Arquivos%20Biblioteca/PERH-
ES_DocumentoConsolidado.pdf>. Acesso em: 01 nov. 2019.
PIRH Bacia do rio Doce. Plano Integrado de Recursos Hídricos da bacia hidrográfica do rio Doce e
Planos de ações para as unidades de planejamento e gestão de recursos hídricos no âmbito da bacia
do rio Doce. Volume I, Relatório Final. Consórcio ECOPLAN-LUME. Jun. 2010. Disponível em:
https://www.cbhdoce.org.br/wp-content/uploads/2014/10/PIRH_Doce_Volume_I.pdf . Acesso em:
07 fev. 2022.
PONTES, Paulo Rógenes Monteiro et al. MGB-IPH model for hydrological and hydraulic simulation of
large floodplain river systems coupled with open source GIS. Environmental Modelling & Software,
v.94, p.1-20, 2017.
168
PONTES, Paulo Rógenes Monteiro. Modelagem hidrológica e hidrodinâmica integrada da bacia do
Rio da Prata. 2016. 210 f. Tese (Doutorado) – Pós-graduação em Recursos Hídricos e Saneamento
Ambiental, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2016
QUADRO, Mario Francisco Leal de; PEZZI, Luciano Ponzi; ROSA, Eliana Bertol. O climanálise e o
monitoramento da ZCAS nos últimos 30 anos. Revista Climanálise – INPE, 2016.
RAHAMAN, Md Mafuzur et al. Modeling of GRACE-Derived Groundwater Information in the Colorado

River Basin. Hydrology, v.6, n.19, 2019.
RAMOS, Hugo Ely dos Anjos et al. A estiagem no ano hidrológico 2014-2015 no Espírito Santo.
Incaper em revista, v.6 e 7, jan. 2015 a dez. 2016.
RAWAT, Kishan Singh et al. Comparative evaluation of vertical accuracy of elevated points with
ground control points from ASTER DEM and SRTM DEM with respect to CARTOSAT-1DEM. Remote
Sensing Applications: Society and Environment, v.13, p.289-297, 2019.
RIBEIRO NETO, Germano Gondim. Monitoramento e caracterização de secas da América do Sul com
sensoriamento remoto. 2017. 85f. Dissertação de Mestrado – Pós-Graduação em Recursos Hídricos e
Saneamento Ambiental. Universidade Federal do Rio Grande do Sul, Porto Alegre-RS, 2017.
RODELL, Matthew; VELICOGNA, Isabella; FAMIGLIETTI, James S. Satellite-based estimates of

groundwater depletion in India. Nature, v.460, p.999–1002, 2009.
RODELL, Matthew et al. Emerging trends in global freshwater availability. Nature, v.557, p.651–659,
2018.
RODRIGUES, Regina R. et al. Common cause for severe droughts in South America and marine
heatwaves in the South Atlantic. Nature Geoscience, v. 12, n. 8, p. 620-626, 2019.
RODRIGUES, Regina R.; WOOLLINGS, Tim. Impact of atmospheric blocking on South America in
austral summer. Journal of Climate, v. 30, n. 5, p. 1821-1837, 2017.
ROZANTE, José Roberto et al. Combining TRMM and Surface Observations of Precipitation:
Technique and Validation Over South America. Weather and Forecasting,v.25, p.885-894, 2010.
RUNNING, Steven W.; MU, Qiaozhen; ZHAO, Maosheng. MOD16A2 MODIS/Terra Net
Evapotranspiration 8-Day L4 Global 500m SIN Grid V006. NASA EOSDIS Land Processes DAAC, 2017.
Disponível em: <https://doi.org/10.5067/MODIS/MOD16A2.006 >. Acesso em: 05 nov. 2019.
SAKUMURA, Carly; BETTADPUR, Srinivas; BRUINSMA, Sean. Ensemble prediction and

intercomparison analysis of GRACE time-variable gravity field models. Geophysical Research Letters,
v.41, n.5, p.1389–1397,2014.
SARAIVA, Giselle Sabadim. Espacialização da evapotranspiração de referência diária no Espírito

Santo. 2014. 125f. Dissertação de Mestrado - Programa de Pós-graduação em Agricultura Tropical,
Universidade Federal do Espírito Santo, São Mateus, 2014.
SAVE, Himanshu; BETTADPUR, Srinivas; TAPLEY, Byron D. High resolution CSR GRACE RL05 mascons.
Journal of Geophysical Research: Solid Earth, v.121, p.7547-7569, 2016.
SAVE, Himanshu. "CSR GRACE RL06 Mascon Solutions”, Texas Data Repository Dataverse, V1, 2019.
Disponível em: <https://doi.org/10.18738/T8/UN91VR>. Acesso em: 13 jan. 2020.
169
SCANLON, Bridget R. et al. Global Evaluation of New GRACE Mascon Products for Hydrologic
Applications. Water Resources Research, American Geophysical Union, v.52, n.12, p.9412-9429,
2016.
SCANLON, Bridget R. et al. Global models underestimate large decadal declining and rising water
storage trends relative to GRACE satellite data. Proceedings of the National Academy of Sciences-
PNAS, v.15, n.6, p.1080-1089, 2018.
SCHUMACHER, Maike et al. Improving drought simulations within the Murray-Darling Basin by
combined calibration/assimilation of GRACE data into the Water GAP Global Hydrology Model.
Remote Sensing of Environment, v.204, p. 212-228, 2018.
SEHGAL, Vinit; SRIDHAR, Venkataramana; TYAGI, Aditya. Stratified drought analysis using a stochastic
ensemble of simulated and in-situ soil moisture observations. Journal of Hydrology, v. 545, p. 226-
250, 2017.
SHIKANGALAH, Rosemary N.; MAPANI, Benjamin. Precipitation variations and shifts over time:
Implication on Windhoek city water supply. Physics and Chemistry of the Earth, Parts A/B/C, 2019.
SILVA, André Có. Histórico de desastres do estado do Espírito Santo 2000-2009. Grafitusa Gráfica e
Editora, 2010. Disponível em: <
https://defesacivil.es.gov.br/Media/defesacivil/Publicacoes/Livro%20-
%20Hist%C3%B3rico%20de%20Desastres%20do%20Estado%20do%20Esp%C3%ADrito%20Santo%20-
%202000%20a%202009.pdf>. Acesso em: 22 fev. 2022.
SILVA, Vinícius Oliveira. Eventos de seca na região sudeste do Brasil: ocorrências temporais e
comportamento future. 2018. 148f. Dissertação de mestrado – Pós Graduação em Recursos Hídricos
em Sistemas Agrícolas, Universidade Federal de Lavras. Lavras-MG, 2018.
SINGH, Alka; REAGER, John Thomas; BEHRANGI, Ali. Estimation of hydrological drought recovery
based on precipitation and Gravity Recovery and Climate Experiment (GRACE) water storage deficit.
Hydrology and Earth System Sciences, v. 25, n. 2, p. 511-526, 2021.
SINGH, Alka; REAGER, John T.; BEHRANGI, Ali. Estimation of hydrological drought recovery based on
GRACE water storage deficit. Hydrology and Earth System Sciences Discussions, p. 1-23, 2019.
SINGH, Nilendu et al. Radiation and energy balance dynamics over a rapidly receding glacier in the
central Himalaya. International Journal of Climatology, v.40, n.1, p.400-420, 2020.
SINHA, D.; SYED, T. H.; REAGER, J. T. Utilizing combined deviations of precipitation and GRACE-based
terrestrial water storage as a metric for drought characterization: A case study over major Indian
river basins. Journal of Hydrology, v.572, p.294-307, 2019.
SIQUEIRA, Vinícius Alencar et al. Desenvolvimento de um modelo hidrológico-hidrodinâmico para a

América do Sul: parte 2. Simpósio Brasileiro de Recursos Hídricos (22.: Florianópolis, 2017). Anais
eletrônico. Porto Alegre: ABRH, 2017, 2017.
SIQUEIRA, Vinícius Alencar et al. IPH-Hydro Tools: a GIS coupled tool for watershed topology
aquisition in open-source environment. Revista Brasileira de Recursos Hídricos, v. 21, p. 274-287,
2016.
170
SNYDER, Keirith A. et al. Effects of changing climate on the hydrological cycle in cold desert
ecosystems of the Great Basin and Columbia Plateau. Rangeland Ecology & Management, v.72, n.1,
p.1-12, 2019.
SOARES, Hérlon de Moura. Zoneamento climático do estado do Espírito Santo para a cultura da
pupunha (Bactris gasipaes Kunth.). 2007. 26f. Monografia – Graduação em Engenharia Florestal,
Universidade Federal Rural do Rio de Janeiro, Seropédica-RJ, 2007.
SUN, Tengke et al. Water Availability of São Francisco River Basin Based on a Space-Borne Geodetic
Sensor. Water, v.8, n.213, 2016.
SUN, Zhangli et al. Drought evaluation using the GRACE terrestrial water storage deficit over the
Yangtze River Basin, China. Science of The Total Environment, v.634, n.1, p.727-738, 2018.
TALLAKSEN, Lena M.; VAN LANEN, Henny AJ (Ed.). Hydrological drought: processes and estimation
methods for streamflow and groundwater. Elsevier, 2004.
TANGDAMRONGSUB, Natthach et al. Assessing total water storage and identifying flood events over
Tonlé Sap basin in Cambodia using GRACE and MODIS satellite observations combined with
hydrological models. Remote Sensing of Environment, v.181, p.162-173,2016.
TANGDAMRONGSUB, Natthach et al. Data assimilation of GRACE terrestrial water storage estimates
into a regional hydrological model of the Rhine River basin. Hydrology & Earth System Sciences, v.
19, n. 4, 2015.
TAPLEY, Byron D. et al. Contributions of GRACE to understanding climate change. Nature Climate
Change, v.9, p.358–369, 2019.
THOMAS, Alys C. et al. A GRACE-based water storage deficit approach for hydrological drought
characterization. Geophysical Research Letters, v.41, n.5, p.1537–1545, 2014.
THOMAS, Brian F.; FAMIGLIETTI, James S. Identifying Climate-Induced Groundwater Depletion in

GRACE Observations. Scientific Reports, v.9, 2019.
TIGKAS, Dimitris; VANGELIS, Harris; TSAKIRIS, George. Drought and climatic change impact on
streamflow in small watersheds. Science of The Total Environment, v.440, p.33-41, 2012.
ULIANA, Eduardo Morga et al. Índice de precipitação padronizado: estudo de caso para região
noroeste do Estado do Espírito Santo, Brasil. Nativa, Sinop, v.5, n.5, p.330-336, set./out. 2017.
VAN DIJK, Albert I. et al. The millennium drought in southeast Australia (2001–2009): natural and
human causes and implications for water resources, ecosystems, economy, and society. Water
Resource Research, v.49, p.1040-1057, 2013.
VAN LOON, Anne. F.; LAAHA, Gregor. Hydrological drought severity explained by climate and
catchment characteristics. Journal of hydrology, v. 526, p. 3-14, 2015.
VAN LOON, Anne F. et al. Drought in the Anthropocene. Nature Geoscience, v. 9, n. 2, p. 89, 2016.
VAN LOON, Anne F.; VAN LANEN, Henny AJ. Making the distinction between water scarcity and
drought using an observation-modeling framework. Water Resources Research, v. 49, n. 3, p. 1483-
1502, 2013.
171
VERA, Carolina et al. Toward a unified view of the American monsoon systems. Journal of climate, v.
19, n. 20, p. 4977-5000, 2006.
VLACHOS, Evan C. Drought management interfaces. In: Annual ASCE Conference, Las Vegas, Nevada.
1982.
VOLK, Leandro Bochi da Silva; TRINDADE, José Pedro Pereira. Princípios técnicos de manejo de
sistemas pecuários para maior disponibilidade de água no solo. Embrapa Pecuária Sul-Comunicado
Técnico (INFOTECA-E), 2020.
WAHR, John et al. Time-variable gravity from GRACE: First results. Geophysical Research Letters,
v.31, n.11, 2004.
WAMBUA, Raphael Muli. Development of a Non-Linear Integrated Drought Index (NDI) for Managing
Drought and Water Resources Forecasting in the Upper Tana River Basin-Kenya. International
Journal of Environmental Sustainability and Green Technologies (IJESGT), v. 11, n. 1, p. 15-33, 2020.
WANG, Fei et al. Utilizing GRACE-based groundwater drought index for drought characterization and
teleconnection factors analysis in the North China Plain. Journal of Hydrology, p. 124849, 2020.
WANG, Gefei et al. Evaluation of precipitation from CMORPH, GPCP-2, TRMM 3B43, GPCC, and
ITPCAS with ground-based measurements in the Qinling-Daba Mountains, China. PloS one, v. 12, n.
10, 2017.
WATKINS, Michael M. et al. Improved methods for observing Earth's time variable mass distribution
with GRACE using spherical cap mascons. Journal of Geophysical Research: Solid Earth, v.120,
p.2648–2671, 2015.
WILHITE, Donald A. Chapter 1 Drought as a Natural Hazard: Concepts and Definitions. Drought
Mitigation Center Faculty Publications. In. Drought: A Global Assessment, London: Routledge, v.1, p.
3–18, 2000. Disponível em:
https://digitalcommons.unl.edu/droughtfacpub/?utm_source=digitalcommons.unl.edu%2Fdroughtfa
cpub%2F69&utm_medium=PDF&utm_campaign=PDFCoverPages. Acesso em: 15 set. 2020.
WILHITE, Donald A.; GLANTZ, Michael H. Understanding: the drought phenomenon: the role of
definitions. Water international, v. 10, n. 3, p. 111-120, 1985.
WILHITE, Donald A.; SIVAKUMAR, Mannava VK; PULWARTY, Roger. Managing drought risk in a
changing climate: The role of national drought policy. Weather and Climate Extremes, v. 3, p. 4-13,
2014.
WILLIAMSON, G. Bruce et al. Amazonian tree mortality during the 1997 El Nino drought.
Conservation Biology, v. 14, n. 5, p. 1538-1542, 2000.
WORLD METEOROLOGICAL ORGANIZATION - WMO. Atlas of Mortality and Economic Losses from
Weather, Climate and Water Extremes (1970-2012). World Meteorological Organization, 2014.
Disponível em: < https://library.wmo.int/doc_num.php?explnum_id=7839>. Acesso em: 11 set. 2020.
World Meteorological Organization (WMO) and Global Water Partnership (GWP), 2016: Handbook of
Drought Indicators and Indices (M. Svoboda and B.A. Fuchs). Integrated Drought Management
Programme (IDMP), Integrated Drought Management Tools and Guidelines Series 2. Geneva.
172
YANG, Yuting et al. Lags in hydrologic recovery following an extreme drought: Assessing the roles of
climate and catchment characteristics. Water Resources Research, v. 53, n. 6, p. 4821-4837, 2017.
YI, Hang; WEN, Lianxing. Satellite gravity measurement monitoring terrestrial water storage change
and drought in the continental United States. Scientific Reports, v.6, 2016.
YIN, Lei et al. What controls the interannual variation of the wet season onsets over the Amazon?
Journal of Geophysical Research: Atmosphere, v.119, p.2314–2328, 2014.
YIN, Wenjie et al. Reconstructing Terrestrial Water Storage Variations from 1980 to 2015 in the
Beishan Area of China. Geofluids, 13p., 2019.
ZARGAR, Amin et al. A review of drought índices. Environmental Reviews, v.19, p.333-349, 2011.
ZENG, Ning et al. Causes and impacts of the 2005 Amazon drought. Environmental Research Letters,
v. 3, n. 1, p. 014002, 2008.
ZHANG, Dan; LIU, Xiaomang; BAI, Peng. Assessment of hydrological drought and its recovery time for
eight tributaries of the Yangtze River (China) based on downscaled GRACE data. Journal of
Hydrology, v.568, p.592-603, 2019.
ZHANG, Dan et al. GRACE-based hydrological drought evaluation of the Yangtze River Basin, China.
Journal of Hydrometeorology, v.17, n.3, p.811-828, 2016.
ZHAO, Meng et al. Satellite observations of regional drought severity in the continental United States
using GRACE-based terrestrial water storage changes. Journal of Climate, v.30, n.16, p.6297–6308,
2017.
173
APÊNDICE I – Séries históricas comparativas entre valores de anomalia média mensal de
Figura 82. Comparação entre valores de anomalia média mensal de armazenamento de água produzidas pelo
GRACE e MGB, no período de 01/1995 a 03/2020
03/2020, para a bacia do Alto Doce.
Figura 83. Comparação entre valores de anomalia média mensal de armazenamento de água produzidas
prod pelo
GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do Médio Doce.
174
GRACE e MGB, no período de 01/1995 a 03/2
03/2020, para a bacia do Baixo Doce.
GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do rio Mucuri.
GRACE e MGB, no período de 01/1995 a 03/2020, para a bacia do rio Itaúnas.
175

Tese 17034 Dissertacao JulielzaBetzelBaldotto VersaoFinal

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

Tese 17034 Dissertacao JulielzaBetzelBaldotto VersaoFinal

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AMBIENTAL

JULIELZA BETZEL BALDOTTO

AVALIAÇÃO DO DÉFICIT HÍDRICO NA REGIÃO HIDROGRÁFICA DO ESTADO DO ESPÍRITO SANTO

AVALIAÇÃO DO DÉFICIT HÍDRICO NA REGIÃO HIDROGRÁFICA DO ESTADO DO ESPÍRITO SANTO

Dissertação de mestrado apresentada ao Programa

Área de concentração de Saneamento Ambiental.

Orientador: Prof. Dr. Diogo Costa Buarque.

Baldotto, Julielza Betzel, 1984-

BalOrientador: Diogo Costa Buarque.

Bal1. Secas. 2. Gravidade (Física) - Medição. 3. Modelos

Aos professores e estudantes do Instituto de Pesquisas Hidráulicas- IPH da UFRGS, em especial a

Considero esse trabalho parte de cada um de vocês.

No mais, agradeço à Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – CAPES pelo

PALAVRAS-CHAVE: Seca, GRACE, Armazenamento de Água, Modelagem, Espírito Santo.

Keywords: Drought, GRACE, Water Storage, Modeling, Espírito Santo

Figura 1. Esquema de classificação de seca em relação as condições meteorológicas e de suas

Figura 7. Demonstração de mesma órbita seguida pelos satélites GRACE e as variações de

Figura 10. Mascons presentes sobre o território avaliado. .................................................................. 54

Figura 79. Evolução da área irrigada no Brasil ao longo do tempo..................................................... 149

O ciclo hidrológico está diretamente relacionado às mudanças no clima. Uma modificação na

Uma redução no quantitativo de chuva, mesmo que temporária, se traduz em várias

Alguns estudos foram desenvolvidos na tentativa de melhorar a compreensão e caracterizar o

Porém, as técnicas de caracterização tradicionais de eventos secos não incorporam as

A modelagem hidrológica é uma ferramenta capaz de reproduzir secas e inundações

O uso conjunto de dados GRACE e da modelagem hidrológica em escala de bacia hidrográfica

Como o Estado do Espírito Santo é uma importante região agropecuária e possui um

2.1 OBJETIVO GERAL

O objetivo geral desse estudo é caracterizar o comportamento espaço-temporal dos eventos

2.2 OBJETIVOS ESPECÍFICOS

Analisar os valores de déficit hídrico na região hidrológica do Espírito Santo, caracterizando-os

A observação da redução do quantitativo de água é o mecanismo presente por trás da

Dessas dificuldades de conceituar o fenômeno, pelas variações que ocorrem em termos

Durante um período de seca, a drenagem e o escoamento são baixos e a evapotranspiração

Eventos secos recorrentes geralmente têm recuperação insuficiente e medidas mitigadoras

A falta de umidade do solo de forma continuada provoca a diminuição de recarga subterrânea,

A seca meteorológica se refere ao período inicial em déficit hídrico, com deficiência de

A seca hidrológica se caracteriza pelo fato de a permanência do estado de déficit hídrico

Fonte: Adaptado Van Loon e Laaha (2015).

No mais, em especial, para classificar uma seca devem-se considerar as características da

Assim, um monitoramento dos quantitativos de precipitação ou descarga tem a medida de

O monitoramento em escala de tempo permite a identificação de períodos úmidos de curto

A tendência do monitoramento atual consiste em analisar vários índices de seca amplamente

O Integrated Drought Management Programme - IDMP, copatrocinado pela WMO, é

A relevância do uso de valores de anomalia de armazenamento de água, adquiridos por meio

3.1.3.1 Monitoramento Internacional

O US Drought Monitor produz mapas de extensão e severidade da seca usando uma

Há outros sistemas de monitoramento de seca como o European Drought Monitor-EDO

3.1.3.2 Monitoramento Nacional

No Brasil, o Sistema de Monitoramento de Secas iniciou-se em agosto de 2014, sobre liderança

Fonte: Monitor de seca ANA.

O monitoramento desse sistema abrange toda a região do nordeste brasileiro. Em novembro

Fonte: Monitor de seca ANA.

Segundo a World Meteorological Organization-WMO (2014) os desastres ocorridos no mundo,

Os principais desastres relacionados a seca durante esse período ocorreram: na Etiópia e

Fonte: Ribeiro Neto (2017).

Fonte: Silva (2010).

Soares (2007) ao elaborar o zoneamento climático para a cultura de pupunha sobre o ES

Fonte: Souza (2007).

Fonte: Uliana et al. (2017).

Mês Classe de seca Precipitação

seca extrema menor ou igual a 29 mm

seca moderada maior que 29 mm e menor ou igual a 53 mm