RELAÇÃO ENTRE MUDANÇAS CLIMÁTICAS E ÁREA COLHIDA NO RIO GRANDE DO NORTE E PARAÍBA

RELAÇÃO ENTRE MUDANÇAS CLIMÁTICAS E ÁREA COLHIDA NO RIO GRANDE DO NORTE E PARAÍBA 1 Carlos Antônio Costa dos Santos; 2 José Ivaldo Barbosa de Brito RESUMO O objetivo deste trabalho é estimar e verificar as tendências dos índices de detecção de mudanças climáticas, dependentes da precipitação pluvial diária, definidos pela OMM, para os estados do Rio Grande do Norte e Paraíba e analisar suas relações com áreas de produção agrícola do Agreste, Zona da Mata e Litoral e do Sertão. Utilizou-se dados diários de 44 postos pluviométricos que representam todas as microrregiões dos dois Estados. Os resultados obtidos demonstraram que as tendências negativas de DCU e PRCPTOT e positivas de DCS e SDII estão relacionadas com os efeitos locais ou regionais do clima e que as áreas colhidas de milho e feijão no Sertão, dos dois Estados, estão fortemente ligadas aos padrões de umidade e que essas culturas até o presente não sofreram influência das mudanças globais, como também das regionais sendo, portanto, fortemente influenciadas pela variabilidade interanual do clima. ABSTRACT The objective of this work is esteem and to verify the trends of the indices of detention of climatic changes, dependent of the daily pluvial precipitation, defined for the OMM, for the states of the Rio Grande do Norte and Paraíba and to analyze its relations with areas of agricultural production of the Rural, Zone of the Forest and Coast and of the Semi-arid. It was used given daily of 44 precipitation ranks that represent all the microregions of the two States. The gotten results had demonstrated that the negative trends of DCU and PRCPTOT and positive of DCS and SDII are related with the local or regional effect of the climate and that the harvested areas of maize and beans in the Semi-arid, of the two States, are strong on to the humidity standards and that these cultures until the gift had not suffered influence from the global changes, as also of the regional ones being, therefore, strong influenced for the interannual variability of the climate. Palavras-chaves: Mudanças climáticas, clima, precipitação. 1 Doutorando em Meteorologia - Universidade Federal de Campina Grande, Avenida Aprígio Veloso, 882, Bodocongó, Campina Grande PB, Brasil, CEP: 58.19-97 e-mail: carlostorm@gmail.com 2 Professor de Meteorologia - Universidade Federal de Campina Grande, Avenida Aprígio Veloso, 882, Bodocongó, Campina Grande PB, Brasil, CEP: 58.19-97 e-mail: ivaldo@dca.ufcg.edu.br

INTRODUÇÃO Quando se fala em mudança climática e em aquecimento global, refere-se ao incremento, além do nível normal, da capacidade da atmosfera em reter calor. Isto vem acontecendo devido a um progressivo aumento na concentração dos GEE na atmosfera, devido atividades antrópicas, nos últimos 1 anos. De acordo com o IPCC (21), como resultado do aumento da concentração de GEE na atmosfera, poderão ocorrer impactos ambientais em diversos locais em conseqüência, entre eles, as mudanças no regime de precipitação, nas diferentes regiões do globo, e na agricultura. Segundo Santos (26), alguns dos fatores que podem modificar o clima de uma região são o desflorestamento e o mau uso dos ecossistemas. Estes fatores alteram o clima regional influenciando o sistema global. Em áreas de ecossistemas frágeis e vulneráveis, como o semi-árido, as mudanças climáticas mais drásticas podem ocorrer através da soma das ações produzidas pelos GEE com o mau uso e desflorestamento dos ecossistemas locais. Em geral, as mudanças climáticas locais são medidas por meio de análise de séries históricas de variáveis meteorológicas, a exemplo da precipitação pluvial. De acordo com as tendências dessas variáveis para um determinado local é observado se ocorreram mudanças no clima. Entretanto, para melhor definir esta questão a OMM criou um grupo de trabalho que elaborou índices de detecção de mudanças climáticas. Ao todo foram definidos 27 (vinte e sete) índices, destes, 11 são decorrentes da precipitação pluvial. Em regiões como o Nordeste do Brasil (NEB) a precipitação é uma variável determinante das condições do clima local, bem como, da sua variabilidade e de mudança a longo prazo. Silva et al. (22) afirmam que a seca constitui um fenômeno climático de conseqüências desastrosas para a economia dessa região e que pesquisadores de várias partes do mundo têm sua atenção voltada para esse problema, na tentativa de explicar e prever as anomalias climáticas que afetam a região. Portanto, o presente trabalho tem como objetivos verificar as correlações entre índices de detecção de mudanças climáticas e as áreas colhidas de cana-de-açúcar, abacaxi e arroz, para a região do Agreste, Zona da Mata e Litoral e as áreas colhidas de milho e feijão para a região do Sertão dos estados da Paraíba e Rio Grande do Norte, usando dados diários de precipitação (Zhang e Yang, 24). Utilizou-se apenas os quatro índices de detecção de mudanças climáticas, dependentes da precipitação pluvial, mais significantes para o semi-árido, são eles: DCS (dias consecutivos secos), DCU (dias consecutivos úmidos), R95p (dias muito úmidos) e Rx5day (quantidade máxima de precipitação em cinco dias consecutivos). MATERIAIS E MÉTODOS Os dados de precipitação total diário de 44 postos pluviométricos foram oriundos da antiga rede de postos pluviométricos da SUDENE (Superintendência de Desenvolvimento do Nordeste) e dos Núcleos Estaduais de Meteorologia e Recursos Hídricos. O software utilizado no processamento dos dados foi o RClimdex 1.9.1 (CANADIAN INTERNATIONAL

DEVELOPMENT AGENCY, 24). Dessa forma, estimou-se os 4 índices de detecção de mudanças climáticas, dependentes da precipitação diária. As séries temporais dos índices foram calculadas pelo método de regressão dos mínimos quadrados, apresentando estas estatísticas em números e em gráficos, facilitando a identificação de possíveis mudanças climáticas. As séries temporais dos índices estimados pelo software foram correlacionadas com as áreas colhidas de milho, feijão, algodão, sisal, cana-de-açúcar, abacaxi e arroz, utilizando correlações lineares e aplicando o teste-t de Student, para analisar as significâncias estatísticas de cada uma delas. Utilizou-se somente os três maiores níveis de significância, t 95 que corresponde a uma significância estatística de 9%, t 97,5 (95%) e t 99,5 (99%). RESULTADOS E DISCUSSÕES Dos 44 postos pluviométricos, por questões de espaço, são apresentados os resultados detalhados de quatro localidades (Tabela 1). Entretanto, as análises de correlações entre as séries dos índices climáticos e as áreas colhidas de milho, feijão, algodão, sisal, cana-de-açúcar, abacaxi e arroz foram utilizadas as informações de todos os 44 postos. Os índices obtidos utilizando o RClimdex, em geral, não apresentaram tendências de mesmo sentido entre as localidades estudadas, por exemplo, o DCS de Conceição - PB mostrou inclinação negativa e o de Caicó RN positiva. A maioria dos índices não demonstrou tendências estatisticamente significativas. De acordo com a Tabela 2, nas correlações feitas entre os índices de extremos de clima e as áreas colhidas de cana-de-açúcar, abacaxi e arroz, no Agreste, Zona da Mata e Litoral e as áreas colhidas de milho e feijão, no Sertão, foi encontrada significância de 95% entre o DCU e a área colhida do Sertão, entre o R95p e as áreas colhidas do Agreste, Zona da Mata e Litoral e do Sertão e significância de 99% entre o Rx5day e a área colhida do Sertão. Observa-se que as áreas colhidas do Agreste, Zona da Mata e Litoral tem correlação significativa apenas com o percentil excedente, R95p, identificando que as culturas da região não dependem diretamente das chuvas e algumas são cultivadas utilizando processo de irrigação. Entretanto, a área colhida do Sertão está fortemente ligada aos padrões de umidade, demonstrado pela alta significância da correlação com o Rx5day, evidenciando o fato de que nesta região a agricultura é de sequeiro e que a produtividade dessas culturas é altamente dependente das interações entre suas fases fenológicas e as variações interanuais do tempo e clima. Observou-se, também, a correlação entre a área colhida de algodão arbóreo, algodão herbáceo e sisal com os índices selecionados (DCS, DCU, R95p e Rx5day), porém nenhuma alcançou o nível de significância estatística de 9%, deduzindo-se que a questão climática não foi um fator marcante no forte declínio da cultura algodoeira na região estudada. As Figuras 1, 2 e 3, mostram a variabilidade interanual dos índices DCU, R95p e Rx5day juntamente com a área colhida de milho e feijão para a região do Sertão. A Figura 4 apresenta a

variabilidade interanual do índice R95p e a área colhida de cana-de-açúcar, abacaxi e arroz para regiões do Agreste, Zona da Mata e Litoral. Tabela 1: Mostra a inclinação da reta de tendência linear, sua significância estatística (valor p) e o coeficiente de determinação x 1 (R 2 x1), para quatro localidades do semi-árido da Paraíba e Rio Grande do Norte. p<,1 está em negrito. Conceição PB (-7,35 / -38,37 ) Caico RN (-6,45 / -37,1 ) Inclinação Valor_p R 2 x1 Inclinação Valor_p R 2 x1 DCS -,455,119 3,8 DCS,67,812,1 DCU,19,62 5,4 DCU,19,259 1,9 PRCPTOT 1,281,5,7 PRCPTOT 1,547,391 1,1 R1mm,65,22 2,6 R1mm,7,212 2,4 R2mm -,23,547,6 R2mm,24,447,9 R95p,21,983, R95p,359,588,4 R99p -,97,869, R99p,681,99 4,1 R5mm -,22,14 3,4 R5mm,,958, Rx1day,9,964, Rx1day,279,69 5, Rx5day -,21,456,9 Rx5day,84,778,1 SDII -,17,1 15,5 SDII,24,149 3,2 São João do Tigre PB (-8,7 / -36,87 ) Santo Antônio RN (-6,3 / -35,47 ) Inclinação Valor_p R 2 x1 Inclinação Valor_p R 2 x1 DCS -,527,122 3,9 DCS -1,22,9 12,8 DCU,4,3 13,3 DCU,19,118 4,8 PRCPTOT 1,761,294 1,8 PRCPTOT -2,271,165 3,8 R1mm,18,78,2 R1mm -,57,269 2,4 R2mm,3,912, R2mm -,49,118 4,8 R95p -,82,92, R95p -,751,693,3 R99p,5,913, R99p -,441,978, R5mm -,2,882, R5mm -,3,581,6 Rx1day,5,979, Rx1day,239,854,1 Rx5day,333,371 1,3 Rx5day -,19,78,3 SDII -,2, 25,9 SDII -,14,5 14,5 Tabela 2: Correlações entre os índices extremos de chuva e a. (*) Significância estatística de 9%, (**) 95% e (***) 99%. DCS DCU R95p Rx5day (Agreste, Zona da Mata e Litoral),482** (Sertão),521**,557**,662*** DCU e (milho e feijão) DCU (dias) 12 1 8 6 4 2 199 198 12 1 8 6 4 2 DCU Figura 1: Variabilidade temporal do índice DCU e a área colhida do Sertão, (r =,521).

R95p e (milho e feijão) R95p (mm) 4 3 2 1 199 198 12 1 8 6 4 2 R95p Figura 2: Variabilidade temporal do índice R95p e a área colhida do Sertão, (r =,557). Rx5dias e (milho e feijão) Rx5dias (mm) 2. 15. 1. 5.. 199 198 12 1 8 6 4 2 Rx5dias Figura 3: Variabilidade temporal do índice Rx5day e a área colhida do Sertão, (r =,662). R95p e (abacaxi, cana-de-açúcar e arroz) R95p (mm) 6 5 4 3 2 1 199 198 3 25 2 15 1 R95p Figura 4: Variabilidade temporal do índice R95p e a área colhida do Agreste, Zona da Mata e Litoral, (r =,482). CONCLUSÕES As mudanças climáticas globais apontam para tendências positivas de DCU e PRCPTOT, e negativas de DCS e SDII. Portanto, as tendências negativas de DCU e PRCPTOT e positivas de DCS e SDII estão relacionadas com os efeitos locais ou regionais. Ressalta-se que de certa forma as mudanças globais diminuiu os efeitos das mudanças regionais. A área colhida de milho e feijão no Sertão, dos dois Estados, está fortemente ligada aos padrões de umidade, demonstrado pela alta significância estatística de suas correlações com os índices de eventos extremos de chuva. Ressalta-se que essas culturas até o presente não sofreram influência das mudanças globais, como também das regionais. Porém, são fortemente influenciadas pela variabilidade interanual do clima. Como mostra a correlação entre R95p e a área colhida de milho e feijão, o excesso de chuva, no semi-árido, não é prejudicial à agricultura. Observa-se

também, que a questão climática não foi um dos fatores marcantes para o forte declínio da cultura algodoeira na região estudada. REFERÊNCIAS BIBLIOGRÁFICAS CANADIAN INTERNATIONAL DEVELOPMENT AGENCY, RClimdex (.9) User Manual, 24. 25p. IPCC. Climate Change and Biodiversity. Cambridge, University Press, 22. 86 p. JONES, J. W; PICKERING, N. B; ROSENZWEIG, C; BOOTE, K. J. Simulated impacts of global change on crops. Gainsville: University of Florida, Technical Bulletim, v.1, p. 411-434.,. IPCC. Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the Third assessment report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 21. 94 p. MOREIRA, M. A. Fundamentos do sensoriamento remoto e metodologias de aplicação. 2 ed. Viçosa: UFV, 23. 37 p. SANTOS, C. A. C. Estimativas e Tendências de Índices de Detecção de Mudanças Climáticas com base na precipitação diária no Rio Grande do Norte e na Paraíba, Campina Grande - PB, 98 p., Dissertação (Mestrado em Meteorologia) - Universidade Federal de Campina Grande, 26. SILVA, V. P. R.; GUEDES, M. J. F.; LIMA, W. F. A.; CAMPOS, J. H. B. C. Modelo de Previsão de Rendimento de Culturas de Sequeiro, no semi-árido do Nordeste do Brasil. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 6, n.1, p. 83-87, 22. ZHANG, X.; YANG, F. RClimDex (1.) User Guide. Climate Research Branch Environment Canada. Downsview (Ontario, Canada), 24, 22p.