A INFLUÊNCIA DA TEMPERATURA DA SUPERFÍCIE DO MAR NO CLIMA DE INVERNO NA CIDADE DE SÃO PAULO Andréa de Oliveira Cardoso* e Pedro Leite da Silva Dias** *Bolsista de Pós-Graduação FAPESP Departamento de Ciências Atmosféricas Instituto Astronômico e Geofísico - Universidade de São Paulo Rua do Matão, 226 CEP 05508-900 São Paulo - SP E-mail: andreca@model.iag.usp.br ** Departamento de Ciências Atmosféricas Instituto Astronômico e Geofísico Universidade de São Paulo E-mail: pldsdias@model.iag.usp.br RESUMO A influência da temperatura da superfície do mar dos oceanos Atlântico e Pacífico sobre a cidade de São Paulo na estação de inverno é verificada através de análises estatísticas das séries mensais de temperatura da cidade de São Paulo e séries mensais da temperatura da superfície do mar, ambas incluindo 47 invernos. A distribuição espacial desta influência ao longo desse período é analisada juntamente com avaliação da sua consistência. ABSTRACT The influence of sea surface temperature in the Atlantic and Pacific oceans over Sao Paulo city in the winter season is verified through the statistics analysis of monthly series of temperature of Sao Paulo city and monthly series of sea surface temperature, both with period of 47 winters. The spatial distribution of this influence along the period is analyzed with the assessment of its consistency. Palavras-chaves: Temperatura da superfície do mar, inverno, cidade de São Paulo. Introdução A Região Metropolitana de São Paulo (RMSP) é a região mais industrializada da América Latina, com uma grande frota de veículos e numerosas indústrias de grande e médio porte. Essa região possui uma população de aproximadamente 7 milhões de pessoas (Cetesb, 995). De acordo com Romano et al. (992), existem na RMSP cerca de 4 milhões de veículos automotores, dos quais 3,7 milhões de veículos leves (utilizando álcool e gasolina), e 300.000 veículos utilizando óleo diesel (caminhões e ônibus). Além disso, o número de indústrias seria aproximadamente 30.000. Como a área urbana da RMSP é da ordem de 3.500 Km 2, a concentração de poluentes pode ser muito alta, dependendo das condições de dispersão atmosféricas. Ccoyollo (998), destacou que observações sistemáticas do clima e do tempo nessa região, permitiram determinar dois períodos em relação a esse fato: o verão, que é favorável a dispersão de poluentes devido a grande instabilidade atmosférica, bem como a atuação de sistemas de mesoescala, principalmente a brisa marítima; e o inverno, estação particularmente favorável a alta concentração de poluentes, sendo que a situação mais marcante é a intensa subsidência associada ao ramo descendente da circulação de Hadley. É de importância social e econômica a previsão das condições de dispersão de poluição na RMSP, que tendem a ser desfavoráveis no inverno. Nessa estação domina o vento de norte ou noroeste, podendo ocorrer transporte de poluentes produzidos pelas queimadas de biomassa no interior do Brasil (Freitas e Silva Dias, 996). As circulações locais na RMSP são influenciadas pela topografia e pela brisa marítima, cuja intensidade depende da temperatura da superfície do mar (TSM) na região costeira. A média de precipitação em quase todo país é baixa no inverno, sendo em geral, mais secas as regiões Centro Oeste e Sudeste. Entretanto, fenômenos de grande escala podem contribuir para que a precipitação seja maior ou menor em determinadas regiões. 2597
Segundo alguns estudos, em anos de El Niño há um sinal de persistência na anomalia de precipitação no estado de São Paulo (ESP) (Sugahara, 99; Ferreira, 996). Outro fenômeno de grande escala que pode ser responsável por anomalias de precipitação sobre o Estado é o Bloqueio Atmosférico (Trenberth e Mo, 985; Casarin e Kousky, 982). Entretanto, as anomalias climáticas em São Paulo não são exclusivamente relacionadas com estes fenômenos. Pauliquevis Jr. (997) mostrou que o clima de São Paulo apresenta boa correlação com anomalias de TSM na faixa tropical do Pacífico e com o dipolo do Oceano Atlântico. O dipolo do Atlântico tem forte impacto na qualidade da estação chuvosa no Nordeste brasileiro e também da África equatorial (Moura e Shukla, 98), mas o impacto em outras regiões do Brasil ainda não é bem compreendido (Diaz et al.,998). Recentemente, Silva (998), observou que a temperatura da RMSP apresenta uma correlação significativa com a TSM próxima à região costeira. Neste trabalho será explorado a possível relação entre a TSM dos oceanos Atlântico e Pacífico com a temperatura da cidade de São Paulo (TSP) no período de inverno, com a finalidade é confirmar as indicações desta associação e identificar as regiões de ambos oceanos onde essa relação é significativa. 2. Dados Neste estudo foram utilizados médias mensais de TSM do COADS Comprehensive Ocean-Atmosphere Data Set (COADS), Woodruffl et al. (998), com resolução espacial de ºXº e médias mensais dos dados climatológicos de temperatura da estação meteorológica do Instituto Astronômico e Geofísico (IAG) da USP, ambas séries com o período estendendo de 950 a 996. Foi realizado o tratamento nos dados mensais de TSM do COADS dos oceanos Atlântico e Pacífico. Selecionou-se o período de estudo compreendendo os meses de maio a setembro do período de 950 a 996, isto é, 47 invernos foram incluídos. A área selecionada do Oceano Atlântico (OA) estende-se de 40ºS a 0º de latitude e 60W a 0º de longitude e a área do Oceano Pacífico (OP) está compreendida entre 40ºS e 5ºN de latitude e 50ºE e 70ºW de longitude. O conjunto de dados de TSP da estação meteorológica do IAG - USP é composto por séries diárias de temperaturas máxima (TSPmax), média (TSPmed) e mínima (TSPmin). Como o interesse é estudar a estação de inverno, ou seja, o período de maio-setembro de 950 a 996, esse período foi selecionado para cada série de temperatura e também foi calculada a média mensal para cada mês dos 47 invernos contidos nestas séries. Desta forma, as novas séries de TSP são séries de médias mensais de TSPmax, TSPmed e TSPmin, de maio-setembro de 950 a 996, assim como nas séries de TSM. Uma série meteorológica pode conter tendências de longo prazo. Se esse for o caso, e se essa série for utilizada para estimativa de parâmetros de um modelo estocástico, é necessário retirar este componente determinístico da série. Assim, removida a tendência de uma série temporal, podemos submetê-la a métodos estatísticos, de forma a permitir a análise das outras componentes de interesse. Para retirar a tendência linear dos dados, utilizou-se o modelo de regressão linear para obter uma reta de tendência. Esse modelo foi aplicado às séries mês a mês de TSM, sobre cada ponto de grade, e de TSPmax, TSPmed, TSPmin, com todas as séries incluindo 47 invernos. Assim, para cada dado original (y) das séries de TSM e TSP, tem-se um valor de tendência (y(t)). A remoção da tendência linear é obtida subtraindo y(t) de y. Desta forma um novo conjunto de dados é gerado sem tendência linear. Séries mensais podem possuir diferentes médias e variâncias ou até mesmo um caráter aleatório, que é mais comum em dados de precipitação. Assim, torna-se duvidoso submetê-los a métodos estatísticos antes que sejam colocados em condições de serem comparados. Com o objetivo de sanar essa dúvida, cada dado das séries mensais de TSM e TSP foram então padronizados, subtraindo-lhe a média e dividindo-o pelo desvio padrão. 2598
3. Metodologia A metodologia é baseada em métodos estatísticos, explorando o uso de análise de correlações simples com objetivo de confirmar as indicações da relação entre a TSM e a temperatura de São Paulo (TSP), e identificar as regiões onde existe essa relação. Correlação simples é uma medida da associação entre duas variáveis x e y. O grau de relacionamento entre essas variáveis contínuas é sintetizado por um coeficiente de correlação conhecido como r de Pearson. Portanto, essa medida é fornecida pelos coeficientes de correlações (CCs) que possuem valores entre +,00 e,00. O valor +,00 representa uma perfeita correlação positiva, enquanto que um valor,00 representa uma perfeita correlação negativa; já o valor 0,00 representa uma falta de correlação, ou seja, correlação nula. Os CCs são obtidos através da equação. r xy = ( ) [( )( )] xi x yi y n 2 ( ) ( ) ( ) ( ) n x i x n yi y n i= n i= 2 n i= 2 2 () Submetendo os conjuntos de dados sem a tendência linear padronizados na equação foram feitas as análises de correlações simples mês a mês da TSM dos oceanos Atlântico e Pacífico com TSPmax, TSPmed e TSPmin. Como complemento dessas análises, fizemos correlações defasadas com objetivo de verificar a variação temporal das relações entre TSM e TSP. Um exemplo do procedimento para calcular o defasagem - e defasagem - 2 está apresentado na figura, que destaca para cada defasagem, quais séries de TSM e TSP formam correlacionadas. Será adotado como defasagem nula as correlações mês a mês, isto é, correlações da TSM de maio (junho) com TSP de maio (junho) e assim por diante. Enquanto a defasagem nula possui n pares para serem correlacionados, o defasagem - possui, n-, e o defasagem -2, n-2. Avaliou-se os níveis de significância dos CCs obtidos em cada correlação. O teste de significância aplicado foi o teste F, calculado a partir da transformação de Fisher. Esse teste é bastante utilizado na obtenção de limites de confiança para coeficientes de correlações. Segundo Chervin (980), a aplicação da estatística F é uma alternativa para testes de significância sobre comparação entre populações com diferentes variâncias, estando de acordo com Laurmann e Gates (977). Chen (982), aplicou esse teste sobre os CCs, em cada ponto de grade, obtidos através de correlações entre índice de oscilação sul e altura em 700 mb. Neste trabalho aplicou-se o teste F sobre os coeficientes de CCs, entre TSM e TSP, de cada ponto de grade pertencentes às regiões de estudo do OA e OP. Defasagem - de Correlações TSM Maio Junho Julho Agosto TSP Maio Junho Julho Agosto Setembro Defasagem -2 de Correlações TSM Maio Junho Julho Agosto TSP Maio Junho Julho Agosto Setembro Setembro Setembr o Figura : Em cima, ex. do Defasagem - de correlações, onde a TSM de maio foi correlacionada com a TSP de junho; a TSM de junho com a TSP de julho e assim por diante. Em baixo, ex. do Defasagem -2 de correlações, TSM de maio com a TSP de julho; a TSM de junho com a TSP de agosto e assim por diante. 2599
4. Resultados e Discussão As correlações resultantes da TSM com TSPmax, TSPmed e TSPmin, foram semelhantes em ambos oceanos, no entanto os CCs obtidos entre a TSM e TSPmed, e TSPmin, apresentaram-se ligeiramente maiores. O teste de significância auxiliou na identificação de regiões sobre os oceanos, onde a correlação possui níveis de significância superiores 95%. Nas figuras 2 (a-e) estão destacadas isolinhas dos CCs entre a TSM do OA e TSPmed de maio a setembro, respectivamente, correspondentes às correlações com defasagem nula. O mesmo para a TSM do OP está mostrado nas figuras 3(a-e). Nestas figuras o sombreado escuro (claro) destaca as regiões positivamente (negativamente) correlacionadas, cujos níveis de significância são superiores que 95%. (a) TSM TSPmed (maio) (b) TSM TSPmed (junho) (c) TSM TSPmed (julho) (d) TSM TSPmed (agosto) (e) TSM TSPmed (setembro) Figura 2:. Isolinhas de CCs entre TSM do OA e TSPmed (defasagem nula), calculados a partir de séries mensais sem tendência linear. (a) maio; (b) junho; (c) julho; (d) agosto; (e) setembro. Sombreado escuro (claro) destaca as regiões positivamente (negativamente) correlacionadas, cujos níveis de significância são superiores que 95%. Com relação ao OA, pode ser notado através das figuras 2 (a-e) a presença de um dipolo de correlações significativas entre a TSM e a TSP. Esse dipolo é observado em todos os meses, com correlações positivas em praticamente toda parte costeira das Regiões Sul e Sudeste do Brasil, estendendo-se para leste do oceano, alcançando em alguns meses o OA central. Destaca-se que as máximas correlações positivas são observadas próximas às regiões costeiras, concordando com o trabalho de Silva (998). Correlações de sinais oposto (negativas) são verificadas próximo a região equatorial ao norte de 0ºS, onde os valores desses CCs são inferiores aos CCs positivo. A disposição do dipolo de CCs varia de acordo com o mês; de maio a agosto esta variação é pequena, porém em setembro as correlações com sinais opostos passa a ter um padrão diferente dos meses anteriores com valores de CCs baixos, destacando-se apenas uma pequena área costeira das região sul e sudeste do Brasil (figura 2e). Nos meses de maio e junho destacou-se também a presença de uma área com CCs negativos significativos no sudeste do OA. Esse fato pode estar associado a influência da corrente fria, chamada Corrente da Benguela, que desloca-se através da costa sul Africana. 2600
No geral os valores dos CCs para o OP são menores do que para o OA, entretanto o OP possui regiões com correlações representativas, como estas destacadas com sombreado nas figuras abaixo. (a) TSM TSPmed (maio) (b) TSM TSPmed (junho) (c) TSM TSPmed (julho) (d) TSM TSPmed (agosto) (e) TSM TSPmed (setembro) Figura 3:. Isolinhas de CCs entre TSM do OP e TSPmed (defasagem nula), calculados a partir de séries mensais sem tendência linear. (a) maio; (b) junho; (c) julho; (d) agosto; (e) setembro. Sombreado escuro (claro) destaca as regiões positivamente (negativamente) correlacionadas, cujos níveis de significância são superiores que 95%. 260
Os resultados obtidos através das correlações mês a mês para o OP, também destacaram no período de maio a julho a presença de um dipolo de correlações significativas (figuras 3a a 3c). Neste período o dipolo possui CCs positivos sobre toda costa da AS, através de uma banda com orientação sudeste/noroeste, estendendo-se até aproximadamente 0ºN no Pacífico oeste. Os CCs negativos, são observados no OP sudoeste estendendo-se ao Pacífico sul central. Através das figuras 3, pode também ser notado que a disposição das correlações positivas e negativas sobre o OP são similares de maio a julho, mas em agosto este padrão sofre uma ligeira modificação, sendo que em setembro já é observado padrão diferente. Tanto para agosto como setembro os valores dos CCs são baixos e pouco significativos, praticamente nulos em algumas regiões. Estes fatos sugerem que a influência da TSM do OP sobre a TSP é mais sentida de maio a julho. O padrão de CCs encontrado de maio a junho para o OP é similar ao obtido por Grimm (996), que examinou a relação entre anomalias de chuva no leste de Santa Catarina (SC) e anomalias de TSM no OP, calculando CCs. Segundo Grimm, anomalias de precipitação em SC durante o inverno após eventos ENOS (El Niño Oscilação Sul), estão associadas a estas regiões com significativos CCs positivos na parte leste do Pacífico sul e significativos CC s negativos no Pacífico sul central, pois no inverno de anos posteriores ao ENOS, as anomalias de TSM estendem-se sobre o Pacífico sudeste. É interessante também destacar que os resultados obtidos através das correlações entre para OP, são semelhantes a um dos modos encontrados por Livezey e Smith (999). Esses autores aplicaram correlações canônicas rotacionadas entre a TSM global e a temperatura na superfície dos Estados Unidos, encontrando três sinais distintos. O primeiro representa a variabilidade interanual do ENOS, o segundo está associado a oscilação do Atlântico Norte, e o terceiro caracteriza o sinal global. O mesmo método foi utilizado entre a TSM global e campos de altura geopotencial em 700 mb na região do Pacífico Norte Americano, sendo que os resultados também evidenciaram esses três sinais. Desses três sinais encontrados por Livezey e Smith, o modo associado ao ENOS é similar aos nossos resultados obtidos para o OP. A configuração e a disposição das regiões significativamente correlacionadas são muito semelhantes, inclusive o dipolo de correlações. Porém, a diferença entre esses resultados é o fato dos sinais dos CCs serem opostos. Também o segundo modo, associado a oscilação do Atlântico Norte, possui uma configuração de dipolo semelhante à encontrada para o Atlântico Sul através das correlações entre TSM e TSP, destacadas em nosso trabalho. A variação temporal dessas correlações foi verificada nos resultados obtidos pelas correlações defasadas. A partir dos quais observou-se para o OA um sinal significativo associado ao dipolo de correlações, destacando-se a região com CCs positivos que da defasagem nula à defasagem 2, permaneceu significativa. Os resultados para o defasagem - e defasagem -2 de correlações entre a TSM do OA e TSPmed estão apresentados nas figuras 4(a-d) e 5 (a-c), respectivamente. Através desses resultados comparado aos obtidos com defasagem nula, notou-se que a influência da TSM do OA sobre a TSP aumenta de maio a julho e diminui em agosto, mudando de sinal no mês de setembro. Para o OP, observou-se também através do defasagem - e defasagem -2 que a influência da TSM nas regiões do dipolo de correlações sobre a TSP permaneceu significativa de maio a julho, porém neste caso manteve praticamente a mesma configuração e valores dos CCs comparado aos obtidos com defasagem nula. Nas figuras 6(a-d) e 7 (a-c) estão destacados os resultados das correlações com defasagem - e defasagem -2 para o OP, respectivamente. Em suma, a partir da defasagem - e -2, observou-se regiões com CCs significativos de maior abrangência espacial sobre o OP do que sobre o OA. Estas regiões são semelhantes às encontradas nas correlações com defasagem nula, sugerindo que a influência do OP sobre o clima de inverno na RMSP possui menor variabilidade em comparação ao OA. Isto pode estar associado ao fato que os CCs positivos do dipolo de correlações do OA, englobam a região de confluência entre a Corrente do Brasil (CB) e a Corrente das Malvinas (CM). Segundo Lentini (997), a latitude de separação da CB da margem continental oscila consideravelmente na área compreendida entre os paralelos de 36ºS e 39ºS, permitindo que as águas quentes da CB ou frias da CM oscilem em torno do limite entre os domínios continental e oceânico, modificando os campos de TSM e contribuindo nas flutuações não-sazonais desses campos em um dado momento. 2602
(a) TSM (maio) TSPmed (junho) (b) TSM (junho) TSPmed (julho) (c) TSM (julho) TSPmed (agosto) (d) TSM (agosto) TSPmed (setembro) Figura 4: Isolinhas de CCs entre TSM do OA e TSPmed (Defasagem ), calculados a partir de séries mensais sem tendência linear. (a) TSM (maio) e TSPmed (junho); (b) TSM (junho) e TSPmed (julho); (c) TSM (julho) e TSPmed (agosto); (d) TSM (agosto) e TSPmed (setembro). Sombreado escuro (claro) destaca as regiões positivamente (negativamente) correlacionadas, cujos níveis de significância são superiores que 95%. (a) TSM (maio) TSPmed (julho) (b) TSM (junho) TSPmed (agosto) (c) TSM (julho) TSPmed (setembro) Figura 5: Mesmo que figura 4, exceto Defasagem 2 e (a) TSM (maio) e TSPmed (julho); (b) TSM (junho) e TSPmed (agosto); (c) TSM (julho) e TSPmed (setembro) 2603
(a) TSM (maio) TSPmed (junho) (b) TSM (junho) TSPmed (julho) (c) TSM (julho) TSPmed (agosto) (d) TSM (agosto) TSPmed (setembro) Figura 6: Isolinhas de CCs entre TSM do OP e TSPmed (Defasagem ), calculados a partir de séries mensais sem tendência linear. (a) TSM (maio) e TSPmed (junho); (b) TSM (junho) e TSPmed (julho); (c) TSM (julho) e TSPmed (agosto); (d) TSM (agosto) e TSPmed (setembro). Sombreado escuro (claro) destaca as regiões positivamente (negativamente) correlacionadas, cujos níveis de significância são superiores que 95%. 2604
(a) TSM (maio) TSPmed (julho) (b) TSM (junho) TSPmed (agosto) (c) TSM (julho) TSPmed (setembro) Figura 7: Mesmo que figura 6, exceto Defasagem 2 e (a) TSM (maio) e TSPmed (julho); (b) TSM (junho) e TSPmed (agosto); (c) TSM (julho) e TSPmed (setembro) 5. Conclusões Os resultados obtidos neste do trabalho confirmaram as indicações que motivaram o desenvolvimento do mesmo. Através das análises de correlações simples verificou-se que a TSM exerce influências sobre a TSP no inverno, e como conseqüência, no clima de inverno nessa região. Além disso, ficaram explícitas as regiões dos oceanos onde surgem estas influências. O OA destacou-se em termos de valores dos CCs, particularmente nas regiões próximas à costa sul e sudeste do Brasil, que estão associadas aos CCs positivos do dipolo de correlações significativas. Entretanto, o sinal do OP é persistente de maio a julho, sendo também caracterizado por um dipolo de correlações significativas. A partir de correlações defasadas, surgiram indicações que o padrão de CCs do OP é praticamente o mesmo de maio a julho. Entretanto, os resultados indicaram que o padrão de correlações para o OA, varia de maio a setembro, intensificando-se de maio a julho, e desintensificando-se a partir de agosto. Porém estas informações não são suficientes para estabelecer condições prognosticas. Os resultados aqui apresentados são insuficientes para conclusões precisas sobre as influências da TSM no clima de inverno na RSMP, porém mostraram que há influências. Análises mais refinadas e estudos mais detalhados, são necessários para confirmar ou até mesmo modificar algumas hipóteses. Seria importante comparar estes resultados com observações de invernos anômalos nesta região. Agradecimentos. A FAPESP, pelo amparo à pesquisa dos projeto Temático de Inverno 96/403-4 e de Mestrado 98/6277-0. Também ao Instituto Astronômico e Geofísico (IAG - USP) pela cessão do dados e suporte técnico. 2605
5. Referências Bibliográficas Casarin, D. P.; Kousky, V. E.; 982: Um estudo observacional sobre os sistemas de bloqueio no Hemisfério Sul. Anais do II Cong. Bras. Meteo., Pelotas, RS, 225-253. CETESB, 995: Relatório de qualidade do ar no estado de São Paulo 994. Cetesb-São Paulo, SP. Chen, W. Y.; 882: Fluctuations in northern hemisphere 700 mb heigth field associated with the southern oscillation. Mon. Weather Rev., 0, 808-823. Chervin, R. M.; 980: On the simulation of climate and climate change with general circulation models. J. Atmos. Sci., 37, 903-93. Ccoyllo, O. R. S.; 998: Interação entre Poluentes Atmosféricos e a Circulação Local na cidade de São Paulo. Dissertação de Mestrado. Instituto Astronômico e Geofísico - USP, 04 pp. Diaz, A. F.; Studzinski, C.; Mechoso; C. R.; 998: Relationship between Precipitacion Anomalies in Uruguay and Southern Brazil and Sea Surface Temperature en the Pacific and Atlantic Oceans. J. Climate,, 25-27. Ferreira, J. C.; 996: Avaliação de risco agrícola por índices de veranico, para culturas de sequeiro no estado de São Paulo. Dissertação de Mestrado. Instituto Astronômico e Geofísico - USP, 02 pp. Freitas, S. R.; Silva Dias, M. A. F.; 996: Numerical modeling of trajectories from the biomass burning areas of Central Brazil and Amazonia. Anais da Academia Brasileira de Ciências, 68, 93-206. Grimm, A. M.; 996: Sea Surface Temperatures in the Pacific and Rainfall Over Part of Southern Brazil. Part I: Correlations. Anais da Academia Brasileira de Ciências, 68, 3-9. Laurmann, J. A.; Gates, W. L.; 977: Statistical considerations in the evaluation of climate experiments with atmospheric general circulation models. J. Atmos. Sci, 34, 87-99. Lentini, C. A. D.; 997: Estudo das variabilidades da temperatura da superfície do mar na plataforma continental sudeste na América do Sul. Dissertação de Mestrado Instituto Oceanográfico - USP, 33 pp. Livezey, E. R.; Smith, M. T.; 999: Covariability of Aspects of North American Climate with Global Sea Surface Temperature on Interannual to Interdecadal Timescales. J. of Climate, 2, 289-302. Moura, A. D. e J. Shukla; 98: On the dynamics of the droughts in Northeast Brazil: observations, theory and numerical experiments with a general circulation model. J. Atmospheric Science, 38 (2): 2653-2673. Pauliquevis Jr., T, M.; 996: Variabilidade do Clima em São Paulo. Relatório de Iniciação Científica. Instituto Astronômico e Geofísico USP. (Orientador: Pedro L. da Silva Dias). Romano, J.; Godinho, J.; Alonso, C.; Martins, M. H.; 992: Ethanol induced change in the atmospheric lead in the São Paulo Metropolitan Area-Brazil. Paper presented at the 9 th World Clean Air Congress, Montreal, Canada. Trenberth, K. E.; Mo, K. C.; 985: Blocking in the Southern Hemisphere. Mon. Wea. Rev., 33, 3-2. Silva, A. R. J.; 998: Padrões de Evolução do Clima em São Paulo. Relatório de Iniciação Científica. Instituto Astronômico e Geofísico USP. (Orientador: Pedro L. da Silva Dias). Sugahara, S.; 99: Flutuações interanuais, sazonais e intrasazonais da precipitação no estado de São Paulo. Tese de Doutorado. Instituto Astronômico e Geofísico USP, 44 pp. Woodruffl, S. D.; Diaz, H. F.; Elms, J. D.; Worley, S. J.; 998: COADS Release 2 Data and Metadata Enhancements for Improvements of Marine Surface Flux Fields. Phys. Chem. Earth, vol. 23, nº 5-6, 57-526. 2606