ANÁLISE DE RISCO DAS SECAS

Além do processo de caracterização e regionalização das secas, um dos propósitos deste estudo é propor um índice geoespacial capaz de mensurar o risco e a vulnerabilidade de determinada região quanto à ação das secas. No geral, sabe-se que o desenvolvimento de um índice composto envolve a integração de vários parâmetros distintos e que essa temática tem atraído à atenção de diversos estudiosos ao longo dos últimos tempos (Thomas et al., 2016; Ghosh, 2018). Entretanto, apesar de saber da notória importância em avaliar a vulnerabilidade de certa região considerando parâmetros socioeconômicos, energéticos ou naturais, é possível perceber que essas análises requerem um leque de dados confiáveis que na maioria dos casos são ora inexistentes, ora inconsistentes.

Diante dessa problemática, a proposta deste estudo é o NIDS-Trend, um índice de seca geoespacial composto que considera apenas as características das secas. Computado com base em seis diferentes parâmetros obtidos exclusivamente a partir das séries SPI, o NIDS-Trend é um índice padronizado que varia de 0 (baixo risco) a 100 (alto risco) e considera o conjunto de dados distribuídos no espaço, o que realça seu caráter geoespacial. A Tabela 1 mostra os parâmetros utilizados para compor o índice NIDS-Trend e a relação lógica de cada parâmetro, de onde é possível perceber que cada uma das seis variáveis apresenta valores, unidades e relações distintas com o NIDS-Trend. Para a quantidade de eventos de seca, é fácil deduzir que quanto maior for a quantidade de eventos, maior o risco dessa região e maior será o valor do NIDS-Trend.

Por outro lado, para a magnitude da declividade Sen das séries de comportamento da seca, parâmetro com relação negativa com o índice NIDS-Trend, é fácil perceber que quanto mais expressiva e negativa a declividade Sen, mais secos tenderão a ser os eventos e maior será o risco da região à ação das secas. Diante do exposto, conclui-se que o NIDS-Trend é um índice relevante, pois considera tanto parâmetros que caracterizam o risco da região quanto as situações já ocorridas, i.e., número de eventos de seca, intensidade média dos eventos de seca e frequência dos tipos de eventos secos, quanto aos cenários que ainda ocorrerão, i.e., análise de tendências do comportamento dos valores de SPI, da duração e da severidade dos eventos de secas. Além disso, o NIDS-Trend pode ser aplicado em múltiplas escalas temporais, i.e., SPI-1, SPI-3, SPI-6, SPI-9, SPI-12, SPI-18, SPI-24 e SPI-48, fato que garante a caracterização quanto à exposição da região às secas de curto-, médio- e longo-prazo.

Tabela 1 – Parâmetros de seca e suas relações lógicas com o índice NIDS-Trend.

ID Parâmetro Consideração lógica Relação

A Número de eventos de seca Maior quantidade, maior risco + B Intensidade média dos eventos de seca Maior intensidade, maior risco + C DS (Santos et al., 2019b) Maior DS, maior risco + D Tendência de comportamento da seca ^{Maior declividade negativa Sen,}

maior risco ^-

E Tendência da duração dos eventos ^{Maior declividade positiva Sen,}

maior risco ⁺

F Tendência da severidade dos eventos ^{Maior declividade positiva Sen,}

maior risco ⁺

Para computar o índice NIDS-Trend e transformá-lo em um índice adimensional, foi feita padronização linear das variáveis a partir da condição lógica entre os parâmetros e o NIDS-Trend. Nesse sentido, Equação 39 foi empregada no caso de existir relação positiva entre o parâmetro j e o índice NIDS-Trend, e a Equação 40 foi utilizada quando a relação foi negativa entre o parâmetro j e o índice NIDS-Trend:

𝑋 = ^{𝑥 − 𝑀𝑖𝑛(𝑥 )}

𝑀𝑎𝑥 𝑥 − 𝑀𝑖𝑛(𝑥 ) ⁽³⁹⁾

𝑋 = ^{𝑀𝑎𝑥 𝑥 − 𝑥}

onde xij representa o valor real do parâmetro j da série i, Max(xj) representa o valor máximo do parâmetro j dentre as séries i, Min(xj) representa o valor mínimo do parâmetro j dentre as séries i disponíveis, e Xij representa o valor padronizado da série i e parâmetro j. Para ilustrar o método, suponhamos que o valor máximo da intensidade média dos eventos de seca de todos os grids TRMM seja 1,50/mês, o valor mínimo Mix(xj) seja de 0,00/mês e o valor da intensidade média de determinado grid i seja de 0,90/mês. Logo, com base na Equação 39, estima-se que o valor padronizado Xij será de 0,60.

Todavia, é válido notar que a padronização desenvolvida considerou uma base de dados por vez. Em outras palavras, os valores Max(xj) e Mix(xj) obtidos mediante o uso dos dados de pluviômetros não interferem nos valores Max(xj) e Mix(xj) encontrados a partir das estimativas do TRMM. Seguindo o exemplo anterior, suponhamos que a máxima intensidade média dentre os 78 postos pluviométricos tivesse sido 1,80 /mês e que valor mínimo tivesse se mantido igual a zero. No caso, como a análise é realizada de modo independente, o valor de

Xij do grid TRMM continua sendo igual 0,60, pois o valor Max(xj) utilizado para padronizar essa variável é computado apenas com base nos dados estimados pelo satélite TRMM. Caso a padronização fosse integrada, o valor Max(xj) seria ajustado para 1,80/mês, e daí o valor de Xij resultante seria de 0,50, inferior ao resultado original (0,60).

Essa consideração é importante pois por mais que os valores estimados pelo TRMM não sejam necessariamente iguais aos obtidos a partir dos dados de pluviômetros, ainda assim há possibilidade de avaliar a capacidade do TRMM de identificar as regiões com mais ou menos risco à ação das secas sobre o estado da Paraíba. Assim, foram feitas mais que 1.500 operações de padronização de variáveis para cada índice SPI (265 séries × 6 parâmetros), totalizando quase 13.000 valores de Xij calculados para os oito índices SPI. Em seguida, com os valores padronizados, foram atribuídos diferentes pesos ω para cada uma das variáveis j, no intuito de compor o índice NIDS-Trend, assim como feitor por Murthy et al. (2017). Nesse sentido, o valor do índice é calculado através do somatório entre o produto dos pesos ωj e as variáveis padronizadas Xij,conforme mostrado nas Equações 41–42:

NIDS-Trend = 𝜔 𝑋 (41) ω = ∑ ¹ 𝑣𝑎𝑟(𝑋 ) 𝑣𝑎𝑟(𝑋 ) ⁽⁴²⁾

onde var(Xj) representa a variância entre os valores Xij do parâmetro j. Percebe-se no caso, que os valores ωj variam em função da variância entre os valores Xij de cada parâmetro e que parâmetros que apresentam menor variância apresentam maior peso, enquanto parâmetros com maior variância apresentam pesos menores. Destaca-se também que a atribuição de pesos aos parâmetros é uma decisão importante porque evita a consideração particular desse método de que sejam atribuídos os mesmos pesos a todos os parâmetros.

Por fim, é relevante levantar uma questão a respeito do NIDS-Trend. Como o processo de padronização das variáveis e de atribuição dos pesos aos K parâmetros é realizado levando em consideração a rede de dados e séries disponíveis, é de suma importância que esteja sendo analisada uma quantidade de postos pluviométricos (ou grids) considerável, no intuito de que o resultado final seja satisfatório. De fato, é de se esperar que quanto mais representativa for a base de dados disponível, maior a probabilidade de se obter resultados mais significativos. Ao trabalhar com poucos dados ou em regiões com baixa variabilidade, os resultados obtidos a partir da utilização do NIDS-Trend podem ser inconclusivos, i.e., não expor com tanta nitidez quais são as regiões com mais ou menos vulneráveis à ação das secas.

Neste trabalho, foram feitas análises pontuais e por mesorregiões, considerando as duas bases de dados disponíveis e cada uma das oito escalas temporais. É importante pontuar que a metodologia proposta neste estudo é inovadora e que não se tem conhecimento de outro trabalho que tenha integrado tais parâmetros de secas para compor um índice geoespacial. O NIDS-Trend permite o desenvolvimento de estudos quanto ao risco de ação das secas e sua aplicação sobre o estado da Paraíba e sobre outras regiões que são corriqueiramente afetadas pelas secas contribuirá para as tomadas de decisões e para o manejo dos recursos hídricos de diferentes áreas do planeta. Aliando isso à capacidade de avaliação do desempenho do satélite TRMM em reproduzir os resultados do NIDS-Trend, fica comprovada não só a robustez deste trabalho como também seu caráter inédito na literatura.