Análise de Tendências de Extremos para o Planalto Central

Transcrição

1 Análise de Tendências de Extremos para o Planalto Central Luiz André R. dos Santos 1, Fábio Cunha Conde 1, Danielle Barros Ferreira 1, Andrea Malheiros Ramos 1 1 Instituto Nacional de Meteorologia INMET Coordenação de Desenvolvimento e Pesquisa (CDP), Eixo Monumental Via S1 Sudoeste Brasília DF Brasil luiz.santos@inmet.gov.br ABSTRACT: The aim of this paper is to evaluate if there is extremes rain trends on Planalto Central for a possible application of Generalized Extremes Values distribution (GEV) in the future. Was calculated, to 27 stations, indices of rainy days (PrecTot), total rain of days over 95% percentile (R95p), total rain of days over 99% percentile (R99p) and amount days of each indices above. Some cases indicate a significant trend in amount days but not in total rain indices, this can be explained by increasing, or decreasing, of the extremes events. In general, all six analyzed rain indices shows that there isn t significant trends on this region and this implies on a possible use of GEV for this region. Palavras-chave: Significância estatística, Tendência, GEV, Extremos. 1 INTRODUÇÃO Estudos sobre a climatologia de um local ou região tratam de caracterizar o estado médio da atmosfera em um determinado espaço de tempo. Porém as mudanças antropogênicas, quer sejam no manuseio da terra ou na emissão de gases poluentes na atmosfera (gases de efeito estufa greenhouse gases), vem causando severas modificações no atual estado do clima, e tem sido alvo de vários estudos sobre aquecimento global, mudanças climáticas e cenários futuros, através do uso de modelos de circulação geral de grande escala (Nobre et al., 1991). Devido ao aumento de perdas econômicas e vidas humanas, causados pela ocorrência de eventos extremos, recentemente, este assunto vem sendo alvo de várias pesquisas e trabalhos na comunidade científica em geral (Vincent et al., 2005 e Lucio et al., 2003 e 2004). Um dos maiores problemas nos estudos de extremos climáticos é conseguir uma série histórica de dados diários suficientemente consistentes para que haja uma real caracterização e confirmação, ou não, de tendências positivas ou negativas desses eventos (Santos et al., 2006). Atualmente o Instituto Nacional de Meteorologia (INMET) é colaborador do Projeto Água DF, que é um projeto multiinstitucional, que visa o uso da água, na região do Distrito Federal, nos próximos anos. Além da utilização de cenários futuros, gerados por modelos dinâmicos, uma das ferramentas que pode ser utilizada, é a aplicação da teoria da distribuição generalizada de valores extremos (GEV), porém, somente na ausência de tendências é que se pode determinar eventos com períodos de retorno especificados (Silva e Clarke, 2004). Devido à necessidade de se determinar os extremos e o período de retorno destes, este trabalho tem como objetivo caracterizar se há, ou não, tendências de aumento ou diminuição dos extremos precipitação, além da análise de precipitação total acima de 1mm, visando uma indicação se é possível a futura aplicação da teoria de GEV, para o Planalto Central. 2 - MATERIAL E MÉTODOS Para este trabalho foram obtidos os dados de Precipitação total diário de 27 estações distribuídas na região do Distrito Federal e entorno, conforme a Figura 1. Estes dados foram cedidos pelo Instituto Nacional de Meteorologia (INMET), CAESB e Embrapa.

2 Foram calculados 6 índices: R95p que é o total de precipitação anual, cujo as chuvas diárias ultrapassaram os valores do percentil 95%; R99p similar ao R95p, porém com chuvas diárias que ultrapassaram o percentil 99%; Prectot é a precipitação total anual, levando-se em conta somente os valores de precipitação diária maior ou igual a 1mm; NdPrectot número de dias com precipitação maior ou igual a 1mm; Nd95p é o numero de dias com precipitação maior que o percentil 95% e Nd99p similar ao Nd95p, porém leva-se em conta apenas os dias com precipitação maior que o percentil 99%. Os três primeiros índices são indicados pela OMM e os outros servem para uma análise da quantidade dos dias de chuva intensa. Após o calculo dos índices foi feita uma análise de tendência para cada índice, utilizando-se o modelo de regressão linear simples e posteriormente aplicando-se a estatística F de Fisher. A comparação é feita fazendo a razão entre a variância da regressão e a variância dos resíduos, verificando o valor probabilístico p que determina se as duas variâncias provêm da mesma distribuição. Em geral considera-se o valor p=0,05 como o valor crítico (95%). Na prática as variâncias são diferentes (ou seja, provêm de distribuições diferentes) se o valor p for inferior a Neste caso pode aceitar-se como significativo o modelo de regressão. Na prática, quanto menor o valor p melhor será o modelo. Tabela 1 Estações pluviométricas N Estação Nome Latitude Longitude Roncador -15,93-47, Goiás -15,92-50, Pirenópolis -15,85-48, INMET -15,78-47, ETE Sul -15, , ETE Norte -15, , Contagem -15, , Colégio Agrícola -15, , Papuda DF 18-15, , Taquara -15, , Área Alfa -15, , ETE - Sobradinho -15, , CPAC - Principal -15, , Santa Maria -15,67-47, Jockey Club -15, , ETA Cabeça de Veado -15, , ETE Paranoá -15, , Barreiro -15, , Rio Preto -15, , Gama ETE Alagado -16, , Taguatinga - ETA RD -15, , ETA Brazlândia -15, , Descoberto -15,78-48, ETE Riacho Fundo GM3-15, , Fazenda Santa Eliza -15, , Macacos Cidade Eclética -15, ,4078

3 Figura 1 Distribuição Espacial das estações pluviométricas. 3 RESULTADOS E DISCUSSÃO A análise das tendências para o índice Prectot,conforme a Figura 2, mostra que apenas duas estações ( e ) tiveram tendências significativas, 0,05 para estação e para estação , sendo consideradas significante e extremamente significante, respectivamente. Apesar de estas estações apresentarem valores significantes, estas tendências são contrárias, sendo, a positiva (estação ) em uma área mais urbana e a negativa (estação ) em uma área mais rural. Analisando-se o número de dias com precipitação maior do que 1mm, verifica-se que, além das duas estações com tendências significativas, observadas no índice Prectot, outras três estações apresentaram resultados significativos, sendo que no caso da estação , o total anual mostrou, embora que não significante, uma tendência de aumento e no caso do número de dias com chuva, houve uma redução significativa, indicando que, para este caso, não está havendo uma mudança no total anual de chuva, porém está evidenciado uma redução no número de dias com chuva, ou seja, apesar de menos dias com chuva, estas estão ocorrendo cada vez mais com um volume maior. Similar ao índice Prectot, o índice R95p não mostra tendências significantes, para a área de estudo como um todo, a não ser, em três estações isoladas e estas mesmas estações apresentam tendências significativas de igual sinal quando é feita a análise do número de dias com precipitação superior ao percentil 95%. Isto indica uma relação de causa e efeito para estas estações, ou seja, quando há uma tendência de aumento (diminuição) no número de dias com ocorrência deste evento, há um respectivo aumento (diminuição) no t otal anual de precipitação para este mesmo evento. Para o índice R99p, pode-se afirmar que não houve tendência significativa de aumento ou diminuição, tanto do total de precipitação acima do percentil 99%, quanto para o número de dias da ocorrência desta. O único caso isolado, do índice R99p, foi o da estação de Brasília ( ) que apresentou uma tendência de diminuição significativa do total anual, o que corrobora com os resultados encontrados anteriormente por Santos et.al. (2006), porém não foi evidenciado um aumento no número de dias com precipitação acima do percentil 99%. Similar ao caso do índice R99p, o índice Nd99p apresentou apenas uma estação com tendência significativa de aumento para o número de dias com este evento, sendo que no total

4 anual de precipitação esta tendência não foi significativa, indicando que apesar deste aumento no número de casos, não está havendo um aumento na intensidade destes casos. Figura 2 Tendências para os Índices Prectot e NdPrectot, respectivamente. Figura 3 Tendências para os Índices R95 e Nd95p, respectivamente. Figura 4 Tendências para os Índices R99 e Nd99p, respectivamente. 4 CONCLUSÕES Os resultados mostraram que para os índices Prectot e NdPrectot, a área de estudo não mostrou nenhuma caracterização evidente de tendências de aumento ou diminuição destes, porém no caso da estação é clara uma redução no número de dias com chuva, no entanto, sem apresentar uma mudança significativa no total anual. De uma forma geral, os índices R95p e Nd95p, também não apresentaram nenhuma mudança significativa nos totais anuais e números de casos com estes eventos, mas quando são analisados caso a caso, verificou-se uma relação de causa e efeito para três estações, sendo que houveram tendências de aumento ou diminuição significativas para ambos os índices, apontando que no caso de um aumento (diminuição) do número de dias com estes eventos, haverá um conseqüente aumento (diminuição) do total anual de precipitação destes. Similar aos demais índices, o R99p e o

5 Nd99p, não apresentaram mudanças significativas para a área de interesse, com exceção de casos isolados onde a estação 4 apresenta uma tendência significante de aumento, apenas no número de casos, indicando que apesar deste aumento a chuvas não estão ficando mais intensas. No geral a área de estudo não apresentou nenhuma mudança significativa em seu regime de precipitação, tanto total, quanto chuvas intensas. Isto permite que futuramente seja aplicada, nesta esta área, a teoria da distribuição generalizada de valores extremos (GEV), permitindo assim a determinação do período de retorno destes eventos. 5 REFERÊNCIAS BIBLIOGRÁFICAS LUCIO, P. S. et al. Climate Change Detection with GPD Diagnostic of Extreme Temperatures. Case Study: Lisbon. In: 4 o. Encontro Luso-Espanhol de Meteorologia e 3 o. Congresso da APMG, Aveiro Portugal. ISBN: X, , LUCIO, P. S. et al. Climate Change Detection of Long Term Time Series by Seasonal Diagnostic of Extremes. Case Study: Lisbon Portugal. In: XI Congresso da SPE, Faro Portugal. Livro de Resumos, p. 65, NOBRE, C. A., et al. Amazonian deforestation and regional climate change. J. Climate, n.4, pg , SANTOS, L. A. R., et al. Caracterização de extremos climáticos utilizando o software RClimdex. Estudo de caso: Sudeste de Goiás. XIV Congresso Brasileiro de Meteorologia, VINCENT L. A.Observed Trends in Indices of Daily Temperature Extremes in South America. Journal of Climate