Ao analisar as médias anuais de precipitação e evapotranspiração potencial percebe- se que são muito variáveis ao longo da extensão do território brasileiro e que os valores mais extremos de ambas são contrários: tem-se as menores demandas evaporativas onde a precipitação média é máxima; como por exemplo no nordeste e noroeste da Amazônia, enquanto o oposto acontece na Caatinga. Em biomas de grande extensão e que possuem zonas de transição com outros biomas, como o Cerrado, nota-se que o comportamento das médias anuais de precipitação e evapotranspiração potencial não é homogêneo na sua extensão; e sim, varia de acordo com as características do bioma com o qual faz fronteira.
Avaliando a distribuição espacial do AI e do MCWD nos biomas brasileiros, observou- se que o comportamento dos índices climáticos é muito similar ao das médias das variáveis supracitadas. Partes do nordeste e noroeste da Amazônia representam os AI mais úmidos, enquanto a Caatinga é o único bioma que mostrou-se árido. Além disso, o Cerrado apresenta também grande variação na sua extensão, mostrando-se úmido de modo geral, mas com valores próximos à classificação árida em zona de transição com a Caatinga. Comparando-se com o MCWD, o comportamento se repete: na Amazônia tem-se o menor déficit climático do Brasil e a Caatinga o maior.
Observou-se que a Mata Atlântica mostra um comportamento muito similar ao da Amazônia no que diz respeito aos dois índices climáticos. Através da correlação entre o AI e o MCWD é possível perceber que, de forma geral, existe compatibilidade entre os regimes hídricos dos dois. Junto à Amazônia e à Mata Atlântica nos menores déficits hídricos está o Pampa, com MCWD médio do período todo ainda menor do que os primeiros dois.
É importante ressaltar, também, que os intervalos representados pelos valores medianos do AI e MCWD mostram faixas de AI vs. MCWD compartilhadas entre diferentes biomas. Na região em que o índice de aridez está próximo de 1,20 e o MCWD perto de - 400mm/ano, é possível identificar que pontos do Cerrado, Amazônia, Pantanal, Pampa e Mata Atlântica apresentam o mesmo regime hídrico de funcionamento.
Assim, através da comparação espacial entre os índices climáticos observa-se que as características hídricas dos biomas, especialmente os de maior extensão, ultrapassam suas fronteiras e relacionam-se com os outros biomas, mostrando que, muito mais do que análises de índices específicos para cada biomaé necessária a avaliação dos dois índices climáticos e
dos nichos formados pela relação entre os dois para determinar, por exemplo, como as plantas respondem potencialmente a períodos de secas anômalas..
Quanto à análise do padrão temporal dos dois índices climáticos, tem-se que a Caatinga foi o único bioma que apresentou tendência à homogeneização espacial para ambos os índices, mostrando que mesmo que seus valores centrais não caracterizem existência de tendência monotônica, os valores de MCWD e AI tendem a ser mais homogêneos dentro do bioma, isto é, há tendência em ocorrer uma aridificação e distribuição das secas intensas mais homogêneas neste bioma. No Cerrado e na Amazônia, a avaliação da tendência mostra aumento tanto do déficit hídrico sazonal quanto do anual durante a série estudada. Para o Pantanal, não é possível afirmar existência de tendência quanto ao déficit hídrico anual, mas percebe-se que a intensificação dos períodos de seca tende a acontecer.
Os resultados da análise temporal, para todos os biomas em que os testes de tendência foram significativos, indicam que o déficit hídrico sazonal aumentou durante as quase quatro décadas estudadas. Enquanto na Caatinga os valores traduzem uma aridificação mais homogênea do bioma, no Cerrado, no Pantanal e na Amazônia as estações secas apresentam um aumento de intensidade, indicando alterações sazonais nos regimes hídricos e, consequentemente, possível necessidade de resposta adaptativa da cobertura vegetal local. Assim, ressalta-se que os regimes hídricos de funcionamento observados nesta pesquisa podem ser modificados devido à tendência à alterações na disponibilidade de água e energia nos biomas, o que pode ocasionar em um deslocamento da localização dos pontos dos biomas apresentados no plano AI vs. MCWD.
REFERÊNCIAS
AGUIRRE‐GUTIÉRREZ, Jesús et al. Drier tropical forests are susceptible to functional changes in response to a long‐term drought. Ecology Letters, [S.L.], v. 22, n. 5, p. 855-865, 4 mar. 2019. Wiley. http://dx.doi.org/10.1111/ele.13243
ALBUQUERQUE, Ana Christina Sagebin; SILVA, Aliomar Gabriel da (1 ed.). Aquicultura Tropical: quatro décadas de inovações tecnológicas, institucionais e políticas. Brasília: Embrapa Informação Tecnológica, 2008. 704 p. v.2.
ALLEN, R.G., PEREIRA, L.S., RAES, D., SMITH, M. Crop evapotranspiration: guidelines for computing crop water requirements. 1998. FAO, Rome (Irrigation and Drainage Paper, 56). Disponível em: http://www.fao.org/3/X0490E/X0490E00.htm Acesso em: 17 out. 2020
ARAGÃO, Luiz Eduardo O. C. et al. Spatial patterns and fire response of recent Amazonian droughts. Geophysical Research Letters, [S.L.], v. 34, n. 7, p. 1-5, 3 abr. 2007. American Geophysical Union (AGU). http://dx.doi.org/10.1029/2006gl028946.
BARBIERI, Rosa Lia, et al. "Recursos genéticos do bioma pampa." II Congresso Brasileiro de Recursos Genéticos. 2012.
BOHN, Leonardo et al. Desertification susceptibility over Rio de Janeiro, Brazil, based on aridity indices and geoprocessing. International Journal of Climatology, [S.L.], 20 out. 2020. Wiley. http://dx.doi.org/10.1002/joc.6869.
BRASIL, Resolução CONAMA nº 238, de 22 de dezembro de 1997. Dispõe sobre a aprovação da Política Nacional de Controle de Desertificação.
CHAGAS, Vinícius Bogo Portal. Mudanças nos regimes de chuva e vazão no Brasil, de 1980 a 2015. 2019. 158 f. Dissertação (Mestrado) - Curso de Programa de Pós-Graduação em Engenharia Ambiental, Universidade Federal de Santa Catarina, Florianópolis, 2019.
CHERLET, Michael et al. World Atlas of Desertification: rethinking land degradation and sustainable land management. 3. ed. Luxemburgo: Publication Office of The European Union, 2018.
CHOW, V. TE; MAIDMENT, D. R.; MAYS, L. W. Applied hydrology. 1988. CIEMER, Catrin et al. Higher resilience to climatic disturbances in tropical vegetation exposed to more variable rainfall. Nature Geoscience, [S.L.], v. 12, n. 3, p. 174-179, 25 fev. 2019. Springer Science and Business Media LLC. http://dx.doi.org/10.1038/s41561-019- 0312-z.
CLIMATIC RESEARCH UNIT (CRU). History of the Climatic Research Unit. 2012. Disponível em: http://www.cru.uea.ac.uk/web/cru/about-cru/history. Acesso em: 16 out. 2020.
COLLINS, Matthew et al. Long-term climate change: projections, commitments and irreversibility. In: Climate Change 2013-The Physical Science Basis: Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, 2013. p. 1029-1136.
CONGRESSO BRASILEIRO DE RECURSOS GENÉTICOS, 2, 2012. Mesa Redonda 10: Recursos Genéticos do Bioma Pampa. 10 p.
CRU, Climatic Research Unit -. CRU TS Version 4.04. Disponível em: https://crudata.uea.ac.uk/cru/data/hrg/cru_ts_4.04/. Acesso em: 16 abr. 2020. DAVIE, T. Fundamentals of Hydrology, 2 ed. 2008.
DILTS, Thomas E. et al. Functionally relevant climate variables for arid lands: a climatic water deficit approach for modelling desert shrub distributions. Journal of Biogeography, [S.L.], v. 42, n. 10, p. 1986-1997, 14 jul. 2015. Wiley. http://dx.doi.org/10.1111/jbi.12561 EKSTRÖM, M. et al. Regional climate model data used within the SWURVE project – 1: projected changes in seasonal patterns and estimation of Pet. Hydrology And Earth System Sciences, [S.L.], v. 11, n. 3, p. 1069-1083, 27 abr. 2007. Copernicus GmbH.
http://dx.doi.org/10.5194/hess-11-1069-2007.
FISCH, Gilberto; MARENGO, José A; NOBRE, Carlos A. Uma revisão geral sobre o clima da Amazônia. Acta Amaz., Manaus , v. 28, n. 2, p. 101, June 1998.
https://doi.org/10.1590/1809-43921998282126.
FLINT, Lorraine E.; FLINT, Alan L.; THORNE, James H.. Climate change: evaluating your local and regional water resources. Fact Sheet, Sacramento, v. 3098, p. 1-6, fev. 2015. US Geological Survey. http://dx.doi.org/10.3133/fs20143098.
GREVE, P. et al. The aridity Index under global warming. Environmental Research Letters, [S.L.], v. 14, n. 12, 22 nov. 2019. IOP Publishing. http://dx.doi.org/10.1088/1748-
9326/ab5046.
GUO, Qun et al. Spatial variations in aboveground net primary productivity along a climate gradient in Eurasian temperate grassland: effects of mean annual precipitation and its seasonal distribution. Global Change Biology, [S.L.], v. 18, n. 12, p. 3624-3631, 8 out. 2012. Wiley. http://dx.doi.org/10.1111/gcb.12010.
HARRIS, I.; JONES, P.D.; OSBORN, T.J.; LISTER, D.H.. Updated high-resolution grids of monthly climatic observations - the CRU TS3.10 Dataset. International Journal of
Climatology, [S.L.], v. 34, n. 3, p.
HARRIS, Ian et al. Version 4 of the CRU TS monthly high-resolution gridded multivariate climate dataset. Scientific Data, [S.L.], v. 7, n. 1, p. 1-18, 3 abr. 2020. Springer Science and Business Media LLC. http://dx.doi.org/10.1038/s41597-020-0453-3.
HOLMGREN, Milena et al. Effects of interannual climate variability on tropical tree
cover. Nature Climate Change, [S.L.], v. 3, n. 8, p. 755-758, 2 jun. 2013. Springer Science and Business Media LLC. http://dx.doi.org/10.1038/nclimate1906.
HUNTINGTON, T. G.; WILLIAMS JUNIOR, R. S. Global hydrologic cycle. United States Geological Survey, , n. December, p. 72–82, 1986
IBGE - INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Biomas e Sistema Costeiro-Marinho do Brasil: compatível com a escala 1:250 000. Rio de Janeiro: Ibge, 2019. 161 p. (Relatórios Meterológicos, volume 45).
INPE. Clima - Estações. Disponível em: <http://clima1.cptec.inpe.br/estacoes/pt>. Acesso em: 15/10/2020
INTERNATIONAL RESEARCH INSTITUTE FOR CLIMATE AND SOCIETY. Climatologies and Standardized Anomalies. Disponível em:
https://iridl.ldeo.columbia.edu/dochelp/StatTutorial/Climatologies/index.html#Intro. Acesso em: 17 out. 2020.
IPCC. Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Field, C.B., V.R. Barros, D.J.
Dokken, K.J. Mach, M.D. Mastrandrea, T.E. Bilir, M. Chatterjee, K.L. Ebi, Y.O. Estrada, R.C. Genova, B. Girma, E.S. Kissel, A.N. Levy, S. MacCracken, P.R. Mastrandrea, and L.L. White (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 1132 p., 2014.
JAMES, David, HORNIK, Kurt. chron: Chronological Objects which Can Handle Dates and Times. R package version 2.3-55. (2020)
KENDALL, M. G. Rank Correlation Methods. 4 ed. London: Charles, Griffin, 1975. MALHI, Y. et al. Exploring the likelihood and mechanism of a climate-change-induced dieback of the Amazon rainforest. Proceedings of the National Academy of Sciences, [S.L.], v. 106, n. 49, p. 20610-20615, 13 fev. 2009. Proceedings of the National Academy of Sciences. http://dx.doi.org/10.1073/pnas.0804619106.
MANN, H. B. Nonparametric Tests Against Trend. Econometrica, v.13, n. 3, p. 245–259, 1945.
MARSHALL, S. J. The Water Cycle. Reference Module in Earth Systems and Environmental Sciences, 2014.
MINISTÉRIO DO MEIO AMBIENTE. Biomas. Disponível em: https://www.mma.gov.br/biomas.html. Acesso em: 20 out. 2020.
MORAES, Denise. Bioma Amazônia.2008a. InVivo Fiocruz. Disponível em:
http://www.invivo.fiocruz.br/cgi/cgilua.exe/sys/start.htm?infoid=958&sid=2. Acesso em: 20 out. 2020.
MORAES, Denise. Bioma Cerrado.2008b. InVivo Fiocruz. Disponível em:
http://www.invivo.fiocruz.br/cgi/cgilua.exe/sys/start.htm?infoid=961&sid=2. Acesso em: 20 out. 2020
MORAES, Denise. Bioma Mata Atlântica.2008c. InVivo Fiocruz. Disponível em:
http://www.invivo.fiocruz.br/cgi/cgilua.exe/sys/start.htm?infoid=964&sid=2. Acesso em: 20 out. 2020.
MOREIRA, Adriana Aparecida et al. Remote sensing of water balance in Pantanal. Raega - O Espaço Geográfico em Análise, [S.L.], v. 46, n. 3, p. 20-32, 28 ago. 2019. Universidade Federal do Parana. http://dx.doi.org/10.5380/raega.v46i3.67096.
NATIONAL RESEARCH COUNCIL. Earth Science and Applications from Space: national imperatives for the next decade and beyond. Washington, DC: The National
Academies Press, 2007. 454 p. Disponível em: https://doi.org/10.17226/11820. Acesso em: 15 out. 2020.
PAMPLONA, Matheus Bonifácio. Mudanças climáticas no Cerrado brasileiro e seus efeitos nos eventos de incêndio nas Unidades de Conservação da região. 2019. 68 f. TCC (Graduação) - Curso de Meteorologia, Universidade Federal de Santa Cataria, Florianópolis, 2019.
PARK, Chang-Eui et al. Keeping global warming within 1.5 °C constrains emergence of aridification. Nature Climate Change, [S.L.], v. 8, n. 1, p. 70-74, jan. 2018. Springer Science and Business Media LLC. http://dx.doi.org/10.1038/s41558-017-0034-4
PEREIRA, Gabriel; CHÁVEZ, Eduardo Salinas; SILVA, Maria Elisa Siqueira. O estudo das unidades de paisagem do bioma Pantanal. Ambiente e Agua - An Interdisciplinary Journal of Applied Science, [S.L.], v. 7, n. 1, p. 89-103, 30 abr. 2012. Instituto de Pesquisas
Ambientais em Bacias Hidrograficas (IPABHi). http://dx.doi.org/10.4136/ambi-agua.826. PIERCE, David. ncdf4: Interface to Unidata netCDF (Version 4 or Earlier) Format Data Files. R package version 1.17. (2019). https://CRAN.R-project.org/package=ncdf4
POHLERT, Thorsten. trend:Non-Parametric Trend Tests and Change-Point Detection. R package version 1.1.4. (2020). https://CRAN.R-project.org/package=trend
QGIS DEVELOPMENT TEAM. QGIS Geographic Information System. Open Sourse Geospatial Foundation Project. 2019. http://qgis.osgeo.org
R CORE TEAM R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria, (2020). https://www.R-project.org/.
RODELL, M. et al. The global land data assimilation system. Bulletin of the American Meteorological Society, v. 85, n. 3, p. 381-394, 2004.
SANTOS, José Guilherme Martins dos. Introdução do Climate Data Operators: versão atualizada. São José dos Campos: Inpe, 2016. Disponível em:
http://urlib.net/8JMKD3MGP3W34P/3MQU4Q8. Acesso em: 24 jun. 2020.
SANTOS, Rodolfo Cristiano Martins. Mata Atlântica: características, biodiversidade e a história de um dos biomas de maior prioridade para conservação e preservação de seus ecossistemas. 2010. 31 f. TCC (Graduação) - Curso de Ciências Biológicas, Centro Universitário Metodista Izabela Hendrix, Belo Horizonte, 2010.
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, v. 115, n. 6, p. E1080-E1089, 2018.
SCHULZWEIDA, Uwe. CDO User Guide: version 1.9.8. 2019. http://doi.org/10.5281/zenodo.3539275
SHERWOOD, S.; FU, Q. A Drier Future? Science, [S.L.], v. 343, n. 6172, p. 737-739, 13 fev. 2014. American Association for the Advancement of Science (AAAS).
http://dx.doi.org/10.1126/science.1247620.
SILVA, Fabianny Joanny Bezerra Cabral da; AZEVEDO, José Roberto Gonçalves de. Temporal trend of drought and aridity indices in semi-arid pernambucano to determine susceptibility to desertification. RBRH, [S.L.], v. 25, p. 1-18, 2020. FapUNIFESP (SciELO). http://dx.doi.org/10.1590/2318-0331.252020190145.
STADLER, S. J. Aridity indices. Encyclopedia of hydrology and lakes, p. 78-83, 1998. STEPHENSON, Nathan L.. Actual evapotranspiration and deficit. Journal of Biogeography: biological meaningful correlates of vegetation distribution across spatial scales, [S.L.], v. 25, p. 855-870, 1998.
STENSETH, Nils Chr et al. Studying climate effects on ecology through the use of climate indices: the North Atlantic Oscillation, El Nino Southern Oscillation and beyond.
Proceedings of the Royal Society of London. Series B: Biological Sciences, v. 270, n. 1529, p. 2087-2096, 2003. https://doi.org/10.1098/rspb.2003.2415
TUCCI, C. E. M. Hidrologia: ciência e aplicação. 4. ed. [s. l.]: Ed. da UFRGS, 2009. ISBN 9788570259240.
UNESCO. Map of the world distribution of arid regions: MAB technical notes 7. Paris: United Nations Educational, Scientific And Cultural Organization, 1979
VERBESSELT, Jan et al. Remotely sensed resilience of tropical forests. Nature Climate Change, v.6, n. 11, p. 1028-1031, 2016.
WARNES, G.R. et al. gdata: Various R Programming Tools for Data Manipulation. R package version 2.18.0. (2017). https://CRAN.R-project.org/package=gdata
WICKHAM, H. ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York, 2016.
WORLD METEOROLOGICAL ORGANIZATION. WMO Climatological Normals. c2019. Disponível em: https://www.wmo.int/pages/prog/wcp/wcdmp/GCDS_1.php. Acesso em: 04 nov. 2020.
ZHANG, L et al. A rational function approach for estimating mean annual evapotranspiration. Water Resources Research, [S.L.], v. 40, n. 2, p. 1-14, fev. 2004. American Geophysical Union (AGU). http://dx.doi.org/10.1029/2003wr002710
ZHANG, Lu; DAWES, W. R.; WALKER, G. R. Response of mean annual evapotranspiration to vegetation changes at catchment scale. Water resources research, v. 37, n. 3, p. 701-708, 2001.