Variabilidade climática no Atlântico e suas relações com o clima de Portugal

(1)

(2)

(3)

o júri

presidente Doutor José Carlos Esteves Duarte Pedro

Professor Catedrático do Departamento de Electrónica, Telecomunicações e Informática da Universidade de Aveiro

vogais

Doutor Carlos do Carmo de Portugal e Castro da Câmara

Professor Associado da Faculdade de Ciências da Universidade de Lisboa Doutor Carlos Alberto Leitão Pires

Professor Auxiliar da Faculdade de Ciências da Universidade de Lisboa Doutor Ricardo Machado Trigo

Investigador Auxiliar do Laboratório Associado IDL (Instituto Dom Luíz) da Faculdade de Ciências da Universidade de Lisboa

Doutor José Manuel Henriques Castanheira

Professor Auxiliar do Departamento de Física da Universidade de Aveiro orientadores Doutor Henrique Nunes de Oliveira Pires

Ex-Professor Associado Convidado do Departamento de Física da Universidade de Aveiro

Doutor Alfredo Moreira Caseiro Rocha

(4)

agradecimentos Agradeço essencialmente ao Professor Doutor Oliveira Pires a disponibilidade e o empenho que ao longo dos anos vem dedicando à orientação do meu trabalho. A motivação que, em conjunto com o Professor Doutor Alfredo Rocha, me foi transmitida contribuiu de modo decisivo para a concretização desta tese.

Agradeço ao Professor Doutor Carlos Pires e ao Professor Doutor Andrew Robertson por todos os esclarecimentos prestados na análise dos métodos MSSA.

Agradeço também ao Instituto de Meteorologia (IM, I.P.) e ao National Centers for Environmental Prediction/National Center for Atmospheric Research (NCEP/NCAR) pela disponibilização dos dados, indispensáveis para a elaboração da tese.

(5)

palavras-chave Variabilidade climática, Portugal, Atlântico, análise espectral singular multivariada, MSSA, análise espectral singular, SSA, análise de componentes principais, PCA.

resumo Analisa-se a variabilidade anual e sazonal do clima em Portugal Continental, nomeadamente da temperatura média do ar e da quantidade de precipitação. São sintetizados resultados obtidos em estudos anteriores por análise das séries mais longas registadas no país e, com o objectivo de detectar outras características não puramente aleatórias nesta variabilidade, são aplicados métodos mais recentes de análise no espaço e no tempo. São identificados os principais modos de variação dos elementos climáticos temperatura e quantidade de precipitação recorrendo à análise de componentes principais (PCA) e analisa-se a forma como variam no tempo as componentes principais associadas a estes padrões. Utilizam-se métodos de análise espectral singular (SSA) e de máxima entropia (MEM). Procede-se posteriormente à análise espaço-temporal da variabilidade recorrendo a métodos de análise espectral singular multicanal (MSSA). Este tipo de análise permite detectar características significativas na variabilidade da precipitação, indetectáveis por outros métodos.

Analisa-se a variabilidade do clima no Atlântico utilizando dados de reanálise da pressão ao nível do mar e da temperatura de superfície. Caracterizam-se os padrões fundamentais, anuais e sazonais, desta variabilidade e o modo como variam no tempo as componentes principais associadas a estes padrões. Recorre-se a métodos de análise de componentes principais, análise espectral singular e análise espectral singular multicanal.

Relaciona-se a variabilidade definida pelos modos principais identificados no Atlântico com a variabilidade climática em Portugal. Procura-se, não só determinar a sua influência no nosso clima, como também detectar modos que possam ser utilizados na previsão anual e sazonal.

(6)

keywords Climatic variability, Portugal, Atlantic, multichannel singular spectral analysis, MSSA, singular spectral analysis, SSA, principal component analysis, PCA.

abstract In the thesis the climatic annual and seasonal variability of the Portuguese climate are analysed, namely in what concerns air temperature and precipitation amount. It is presented a synthesis of the results of previous studies through the analysis of the longest series of observations and, aiming at the detection of further non-purely random behaviour, some recent methods of analysis in space and time are applied. The principal modes of variability of the climatic elements air temperature and precipitation amount are detected and it is analysed the way in which the patterns associated with these modes vary in time. Singular Spectral Analysis (SSA) and Maximum Entropy Methods (MEM) are applied.

Further on, a space-time analysis is made applying Multichannel Singular Spectral Analysis (MSSA). This type of analysis allows the detection of statistically significant characteristics in precipitation variability, which are not detected by other methods.

The climatic variability of the Atlantic region is analysed using re-analysis data of sea level atmospheric pressure and surface temperature. The fundamental annual and seasonal patterns of variability are analysed and also the way in which the principal components associated with these patterns vary in time. Principal Component Analysis (PCA), singular spectral analysis and multichannel singular spectral analysis are applied.

The principal modes of variability identified in the Atlantic are then related with the climatic variability in Portugal. The search for significant correlations is important for the understanding of Portuguese climatic variability and for the detection of modes with potential use in annual and seasonal forecasts.

(7)

Índice

1 Introdução 1

1.1 Definições e conceitos ... 1

1.2 Variabilidade climática em Portugal Continental e no Atlântico. Organização da tese ... 5

2 Metodologia 9 2.1 Introdução ... 9

2.2 Análise no espaço ... 9

2.2.1 Análise de componentes principais ... 10

2.2.2 Decomposição em valores singulares ... 10

2.3 Análise no tempo/frequência ... 11

2.3.1 Análise espectral singular ... 12

2.3.2 Métodos de máxima entropia ... 12

2.3.3 Funções de correlação cruzada e intervalos de confiança ... 14

2.4 Análise no espaço-tempo ... 15

2.4.1 Análise espectral singular multicanal ... 15

2.4.2 Reconstrução de componentes ... 16

2.4.3 Escolha da largura da janela ... 16

2.5 Testes de significância estatística ... 17

3 Dados Utilizados 19 4 Variabilidade Climática em Portugal Continental 23 4.1 Introdução ... 23

4.2 Variabilidade temporal da temperatura e da precipitação ... 24

4.3 Padrões espaciais da variabilidade da temperatura e da precipitação ... 26

4.4 Variabilidade temporal dos principais padrões espaciais da temperatura e da precipitação ... 28

4.5 Relações entre a variabilidade temporal dos padrões espaciais da temperatura e da precipitação ... 33

4.6 Variabilidade espaço-temporal da temperatura e da precipitação ... 36

4.6.1 Variabilidade espaço-temporal da temperatura ... 36

4.6.2 Variabilidade espaço-temporal da precipitação ... 42

4.7 Predictabilidade da temperatura e da precipitação com base nas suas variabilidades espaço-temporais ... 48

4.8 Conclusões ... 52

5 Variabilidade Climática no Atlântico 55 5.1 Introdução ... 55

5.2 Variabilidade climática da pressão ao nível do mar no Atlântico ... 56

5.2.1 Variabilidade anual ... 56

5.2.1.1Tendência de longo prazo do campo da pressão anual no Atlântico ... 56

5.2.1.2Correlação da pressão anual em Portugal com a pressão noutros pontos do Atlântico ... 57

(8)

5.2.1.3 Padrões espaciais da variabilidade da pressão anual ... 57

5.2.1.4 Variabilidade temporal dos principais padrões espaciais da pressão anual ... 60

5.2.1.5 Variabilidade espaço-temporal da pressão anual ... 63

5.2.2 Variabilidade sazonal ... 67

5.2.2.1 Tendência de longo prazo dos campos da pressão sazonal no Atlântico ... 67

5.2.2.2 Correlações da pressão sazonal em Portugal com a pressão noutros pontos do Atlântico ... 69

5.2.2.3 Padrões espaciais da variabilidade da pressão sazonal ... 71

5.2.2.4 Variabilidade temporal dos principais padrões espaciais da pressão sazonal ... 76

5.2.2.5 Variabilidade espaço-temporal da pressão sazonal ... 79

5.2.3 Predictabilidade do campo da pressão com base na sua variabilidade espaço-temporal ... 86

5.2.4 Conclusões ... 87

5.3 Variabilidade climática da temperatura de superfície no Atlântico ... 90

5.3.1 Variabilidade anual ... 90

5.3.1.1 Tendência de longo prazo do campo da temperatura anual no Atlântico ... 90

5.3.1.2 Correlação da temperatura anual em Portugal com a temperatura noutros pontos do Atlântico ... 91

5.3.1.3 Padrões espaciais da variabilidade da temperatura anual ... 91

5.3.1.4 Variabilidade temporal dos principais padrões espaciais da temperatura anual ... 93

5.3.1.5 Variabilidade espaço-temporal da temperatura anual ... 94

5.3.2 Variabilidade sazonal ... 95

5.3.2.1 Tendência de longo prazo dos campos da temperatura sazonal no Atlântico ... 95

5.3.2.2 Correlações da temperatura sazonal em Portugal com a temperatura noutros pontos do Atlântico ... 97

5.3.2.3 Padrões espaciais da variabilidade da temperatura sazonal ... 98

5.3.2.4 Variabilidade temporal dos principais padrões espaciais da temperatura sazonal ... 102

5.3.2.5 Variabilidade espaço-temporal da temperatura sazonal ... 104

5.3.3 Predictabilidade do campo da temperatura com base na sua variabilidade espaço-temporal ... 109

5.3.4 Conclusões ... 110

5.4 Relações entre a variabilidade da pressão e da temperatura no Atlântico ... 112

5.4.1 Relações entre as tendências da pressão e da temperatura ... 112

5.4.2 Predictabilidade do campo da pressão com base na variabilidade espaço-temporal da temperatura e do campo da temperatura com base na variabilidade espaço-temporal da pressão ... 112

(9)

6 Relações entre a Variabilidade Climática no Atlântico e em Portugal

Continental 117

6.1 Introdução ... 117

6.2 Relações entre a variabilidade climática da pressão no Atlântico e a variabilidade climática em Portugal Continental ... 117

6.2.1 Relações entre a variabilidade climática da pressão no Atlântico e a

precipitação em Portugal Continental ... 117

6.2.1.1Variabilidade anual ... 117

6.2.1.2Variabilidade sazonal ... 120

6.2.1.3Predictabilidade da precipitação com base na variabilidade

espaço-temporal da pressão ... 127

6.2.2 Relações entre a variabilidade climática da pressão no Atlântico e a

temperatura em Portugal Continental ... 128

6.2.2.3Predictabilidade da temperatura com base na variabilidade

espaço-temporal da pressão ... 133

6.3 Relações entre a variabilidade climática da temperatura de superfície no Atlântico e a variabilidade climática em Portugal Continental ... 135

6.3.1 Relações entre a variabilidade climática da temperatura de superfície no

Atlântico e a precipitação em Portugal Continental ... 135

6.3.1.3Predictabilidade da precipitação com base na variabilidade

espaço-temporal da temperatura de superfície ... 142

6.3.2 Relações entre a variabilidade climática da temperatura de superfície no

Atlântico e a temperatura em Portugal Continental ... 144

6.3.2.3Predictabilidade da temperatura com base na variabilidade

espaço-temporal da temperatura de superfície ... 152

6.4 Conclusões ... 154

7 Conclusões 157

(10)

Lista de Figuras

3.1 Diferença diária da pressão às 9 e 15h UTC em Lisboa/Geofísico e Lisboa/Portela no período 1/1/1970 - 31/12/1994 ... 20

3.2 Diferença diária da pressão às 9 e 15h UTC em Lisboa/Geofísico e Lisboa/Portela no período 1/1/1970 - 31/12/1994, após corrigir e recolocar a correcção de gravidade em ambas as estações ... 21

4.1 Representação síncrona das temperaturas médias anuais - desvio em relação à média e

tendência linear - em Lisboa, Porto, Coimbra, Montalegre e Campo Maior ... 24

4.2 Espectros de variância das componentes emparelhadas reconstruídas da temperatura média anual em Lisboa obtidas por SSA ... 25

4.3 Principais funções empíricas ortogonais da temperatura média anual ... 27

4.4 Principais funções empíricas ortogonais da quantidade de precipitação anual ... 28

4.5 Espectros de variância das componentes emparelhadas reconstruídas, obtidas por SSA, das três primeiras T-PCs da temperatura anual em Portugal ... 29

4.6 Espectros de variância das componentes emparelhadas reconstruídas, obtidas por SSA, das três primeiras T-PCs da precipitação anual em Portugal ... 32

4.7 Comparação da série de temperatura observada no Inverno em Lisboa com as séries formadas pelo produto das três primeiras T-PCs com o valor das EOFs respectivas no mesmo local, e com a sua soma ... 36

4.8 a) Representação das duas primeiras componentes principais espaço-temporais da temperatura média anual em Portugal e b) Função de correlação cruzada destas componentes ... 37

4.9 Testes de significância de Monte-Carlo para as oscilações anuais da temperatura média em Portugal Continental ... 37

4.10 Evolução temporal de grupos de componentes reconstruídas da temperatura anual em Lisboa e série observada ... 38

4.11 Testes de significância de Monte-Carlo para as oscilações da temperatura no Inverno, Primavera, Verão e Outono em Portugal Continental ... 40

4.12 Evolução temporal de grupos de componentes reconstruídas da temperatura em Lisboa e séries observadas no Inverno, Primavera, Verão e Outono ... 41

4.13 a) Representação das duas primeiras componentes espaço-temporais da precipitação

anual em Portugal e b) Função de correlação cruzada destas componentes ... 42

4.14 Testes de significância de Monte-Carlo para as oscilações anuais da precipitação em Portugal Continental ... 42

4.15 Evolução espaço-temporal do 1º modo de variação da precipitação anual em Portugal

Continental, com periodicidade de cerca de 9 anos, para intervalos de 1 ano ... 44

4.16 Evolução temporal de grupos de componentes reconstruídas da quantidade de precipitação anual em Lisboa e série observada ... 45

4.17 Testes de significância de Monte-Carlo para as oscilações da precipitação no Inverno, Primavera, Verão e Outono em Portugal Continental ... 46

4.18 Evolução temporal de grupos de componentes reconstruídas da precipitação em Lisboa e séries observadas no Inverno, Primavera, Verão e Outono ... 47

5.1 Distribuição espacial da tendência anual da pressão ao nível do mar no período 1949/2000 ... 56

5.2 Significância estatística da tendência da pressão anual ... 56

5.3 Mapa da correlação anual da pressão ao nível do mar entre um ponto localizado em Portugal e o sector (20°S-80°N/90°W-0°W) do Atlântico ... 57

(11)

5.4 Representação dos 4 primeiros modos de variação da pressão anual no Atlântico Norte ... 58

5.5 Representação dos 4 primeiros modos de variação da pressão anual no Atlântico Norte e Tropical ... 59

5.6 Representação da 1ª componente principal anual da pressão ao nível do mar no sector (20°N-80°N; 90°W-0°W) e do índice anual da NAO ... 60

5.7 Evolução temporal da 1ª T-PC da pressão anual no Atlântico Norte, dos dois primeiros

pares e do conjunto de 10 componentes reconstruídas, avaliadas por SSA ... 61

5.8 Funções de correlação cruzada das 2ª e 3ª T-PCs da pressão anual no Atlântico Norte e Tropical com o SOI anual e intervalo de confiança de 95% ... 62

5.9 Evolução temporal das três primeiras ST-PCs do campo da pressão anual no Atlântico Norte ... 63

5.10 Testes de significância de Monte-Carlo para as oscilações anuais da pressão ao nível do mar no Atlântico Norte ... 64

5.11 Evolução espaço-temporal do 1º modo de variação da pressão anual no Atlântico Norte, com periodicidade de cerca de 15 anos,para intervalos de 1 ano ... 65

5.12 Função de autocorrelação da 1ª ST-PC, funções de correlação cruzada desta com as 3ª, 4ª

e 5ª ST-PCs da pressão anual no Atlântico Norte e intervalo de confiança de 95% ... 67

5.13 Distribuição espacial da tendência sazonal da pressão no período 1949/2000 no Inverno, Primavera, Verão e Outono ... 68

5.14 Significância estatística da tendência da pressão no Inverno, Primavera, Verão e Outono 69

5.15 Mapas da correlação da pressão ao nível do mar entre um ponto localizado em Portugal e

o sector (20°S-80°N/90°W-0°W) no Inverno, Primavera, Verão e Outono ... 70

5.16 Representação do 1º modo de variação da pressão ao nível do mar no Atlântico Norte no Inverno, Primavera, Verão e Outono ... 71

5.17 Representação do 2º modo de variação da pressão ao nível do mar no Atlântico Norte no Inverno, Primavera, Verão e Outono ... 72

5.20 Representação do 1º modo de variação da pressão ao nível do mar no Atlântico Norte e Tropical no Inverno, Primavera, Verão e Outono ... 74

5.23 Funções de correlação cruzada da 2ª T-PC da pressão no Inverno com o SOI de Inverno, da 3ª T-PC da pressão na Primavera com o SOI da Primavera, da 3ª T-PC da pressão no

Verão com o SOI do Verão e intervalo de confiança de 95% ... 78

5.24 Funções de correlação cruzada da 3ª T-PC da pressão no Inverno com o SOI de Inverno, da 2ª T-PC da pressão na Primavera com o SOI da Primavera, da 3ª T-PC da pressão no

Outono com o SOI do Outono e intervalo de confiança de 95% ... 79

5.25 Testes de significância de Monte-Carlo para as oscilações da pressão no Inverno, Primavera, Verão e Outono no Atlântico Norte ... 81

5.26 Testes de significância de Monte-Carlo para as oscilações da pressão no Inverno, Primavera, Verão e Outono no Atlântico Norte e Tropical ... 82

5.27 Funções de autocorrelação das 1ªs ST-PCs, funções de correlação cruzada destas com as 2ªs ST-PCs da pressão de Inverno, Primavera, Verão e Outono no Atlântico Norte e intervalo de confiança de 95% ... 83

5.28 Evolução espaço-temporal do 1º modo de variação da pressão de Inverno no Atlântico

Norte, com periodicidade de cerca de 9 anos, para intervalos de 1 ano ... 84

5.29 Evolução espaço-temporal dos primeiros modos de variação da pressão na Primavera, Verão e Outono no Atlântico Norte, para intervalos de 1 ano ... 85

(12)

5.30 Distribuição espacial da tendência anual da temperatura de superfície no período 1949/2000 ... 90

5.31 Significância estatística da tendência da temperatura de superfície anual ... 90

5.32 Mapa da correlação anual da temperatura de superfície entre um ponto localizado em

Portugal e o sector (20°S-80.947°N/90°W-0°W) do Atlântico ... 91

5.33 Representação dos 4 primeiros modos da variação da temperatura anual no Atlântico Norte ... 92

5.34 Representação dos 4 primeiros modos da variação da temperatura anual no Atlântico Norte e Tropical ... 92

5.35 Evolução temporal da 1ª T-PC da temperatura anual no Atlântico Norte, dos dois

primeiros pares e do conjunto de 10 componentes reconstruídas, avaliadas por SSA ... 93

5.36 Testes de significância de Monte-Carlo para as oscilações anuais da temperatura de superfície no Atlântico Norte ... 95

5.37 Testes de significância de Monte-Carlo para as oscilações anuais da temperatura de superfície no Atlântico Norte e Tropical ... 95

5.38 Distribuição espacial da tendência sazonal da temperatura no período 1949/2000 no Inverno, Primavera, Verão e Outono ... 96

5.39 Significância estatística da tendência da temperatura de superfície no Inverno, Primavera, Verão e Outono ... 97

5.40 Mapas da correlação da temperatura de superfície entre um ponto localizado em Portugal

e o sector (20°S-80.947°N/90°W-0°W) no Inverno, Primavera, Verão e Outono ... 98

5.41 Representação do 1º modo de variação da temperatura de superfície no Atlântico Norte e Tropical no Inverno, Primavera, Verão e Outono ... 99

5.42 Representação do 1º modo de variação da temperatura de superfície no Atlântico Norte no Inverno, Primavera, Verão e Outono ... 99

5.43 Representação do 2º modo de variação da temperatura de superfície no Atlântico Norte e Tropical no Inverno, Primavera, Verão e Outono ... 100

5.44 Representação do 2º modo de variação da temperatura de superfície no Atlântico Norte no Inverno, Primavera, Verão e Outono ... 101

5.45 Funções de correlação cruzada anual e sazonais da 1ª T-PC da temperatura do Atlântico Norte com o índice NAO e intervalo de confiança de 95% ... 104

5.46 Funções de correlação cruzada da 2ª T-PC da temperatura do Atlântico Norte e Tropical

com o SOI no ano, Verão, Outono e Inverno e intervalo de confiança de 95% ... 104

5.47 Testes de significância de Monte-Carlo para as oscilações da temperatura no Inverno, Primavera, Verão e Outono no Atlântico Norte ... 105

5.48 Testes de significância de Monte-Carlo para as oscilações da temperatura no Inverno, Primavera, Verão e Outono no Atlântico Norte e Tropical ... 106

5.49 Evolução espaço-temporal dos modos da temperatura com variabilidade de cerca de 2.9 anos na Primavera e de 2.2 anos no Outono no Atlântico Norte e Tropical, para intervalos de 1 ano ... 108

6.1 Funções de correlação cruzada das quatro primeiras T-PCs da pressão anual no Atlântico

Norte com a 1ª T-PC da precipitação anual em Portugal e intervalo de confiança de 95% 118

6.2 Funções de correlação cruzada das quatro primeiras ST-PCs da pressão anual no Atlântico Norte com a 1ª ST-PC da precipitação anual em Portugal e intervalo de confiança de 95% ... 118

6.3 a) Representação de grupos de componentes reconstruídas da pressão anual no ponto (40°N, 7.5°W) e da série de precipitação anual observada em Lisboa, invertida e b) Funções de correlação cruzada dos grupos de componentes reconstruídas com a precipitação em Lisboa e intervalo de confiança de 95% ... 119

6.4 Funções de correlação cruzada de grupos de componentes reconstruídas da pressão anual

(13)

6.5 Funções de correlação cruzada sazonais das primeiras T-PCs da pressão no Atlântico Norte com as primeiras T-PCs da precipitação em Portugal e intervalo de confiança de 95% ... 121

6.6 Funções de correlação cruzada das primeiras ST-PCs da pressão no Atlântico Norte com as principais ST-PCs da precipitação em Portugal no Inverno, Primavera e Verão e intervalo de confiança de 95% ... 123

6.7 Evolução espaço-temporal do 1º modo de variação da pressão no Atlântico Norte e do 1º

modo de variação da precipitação em Portugal no Inverno durante 12 anos ... 125

6.8 Funções de correlação cruzada de grupos de componentes reconstruídas da pressão no ponto (40°N, 7.5°W) com a precipitação observada em Lisboa, por estação do ano, e intervalo de confiança de 95% ... 126

6.9 Funções de correlação cruzada de grupos de componentes reconstruídas da pressão anual no ponto (40°N, 7.5°W) com a temperatura anual observada em Lisboa e intervalo de confiança de 95% ... 129

6.10 Funções de correlação cruzada da 1ª T-PC da pressão no Atlântico Norte com a 2ª T-PC

da temperatura no Inverno e com a 3ª na Primavera e intervalo de confiança de 95% ... 129

6.11 Funções de correlação cruzada das primeiras ST-PCs da pressão no Atlântico Norte com as principais ST-PCs da temperatura em Portugal no Inverno, Verão e Outono e intervalo de confiança de 95% ... 132

6.12 Funções de correlação cruzada de grupos de componentes reconstruídas da pressão no ponto (40°N, 7.5°W) com a temperatura observada em Lisboa, por estação do ano, e intervalo de confiança de 95% ... 133

6.13 Funções de correlação cruzada das quatro primeiras T-PCs da temperatura de superfície anual no Atlântico Norte com a 1ª T-PC da precipitação anual em Portugal e intervalo de confiança de 95% ... 135

6.14 Funções de correlação cruzada das quatro primeiras ST-PCs da temperatura de superfície anual no Atlântico Norte com a 1ª ST-PC da precipitação anual em Portugal e intervalo de confiança de 95% ... 136

6.15 a) Representação de grupos de componentes reconstruídas da temperatura de superfície anual no ponto (39.047°N, 9.375°W) e da série de precipitação anual observada em Lisboa e b) Funções de correlação cruzada dos grupos de componentes reconstruídas

com a precipitação em Lisboa e intervalo de confiança de 95% ... 137

6.16 Funções de correlação cruzada sazonais das primeiras T-PCs da temperatura de superfície no Atlântico Norte com as primeiras T-PCs da precipitação em Portugal e intervalo de confiança de 95% ... 137

6.17 Funções de correlação cruzada das primeiras ST-PCs da temperatura de superfície no Atlântico Norte com as principais ST-PCs da precipitação em Portugal no Inverno, Verão e Outono e intervalo de confiança de 95% ... 140

6.18 Funções de correlação cruzada das primeiras ST-PCs da temperatura de superfície no Atlântico Norte e Tropical com as principais ST-PCs da precipitação em Portugal na Primavera e intervalo de confiança de 95% ... 141

6.19 Funções de correlação cruzada de grupos de componentes reconstruídas da temperatura de superfície no ponto (39.047°N, 9.375°W) com a precipitação observada em Lisboa, por estação do ano, e intervalo de confiança de 95% ... 142

6.20 Funções de correlação cruzada das quatro primeiras T-PCs da temperatura de superfície anual no Atlântico Norte com a 1ª T-PC da temperatura anual em Portugal e intervalo de confiança de 95% ... 144

6.21 Funções de correlação cruzada das quatro primeiras ST-PCs da temperatura de superfície anual no Atlântico Norte com a 1ª ST-PC da temperatura anual em Portugal e intervalo de confiança de 95% ... 145

(14)

6.22 a) Representação de grupos de componentes reconstruídas da temperatura de superfície anual no ponto (39.047°N, 9.375°W) e da série de temperatura anual observada em Lisboa e b) Funções de correlação cruzada dos grupos de componentes reconstruídas

com a temperatura em Lisboa e intervalo de confiança de 95% ... 146

6.23 Funções de correlação cruzada de grupos de componentes reconstruídas da temperatura de superfície anual no Atlântico Norte e da temperatura anual em Portugal e intervalo de confiança de 95% ... 146

6.24 Funções de correlação cruzada de grupos de componentes reconstruídas da temperatura de superfície anual no Atlântico Norte e Tropical e da temperatura anual em Portugal e intervalo de confiança de 95% ... 147

6.25 Funções de correlação cruzada sazonais das primeiras T-PCs da temperatura de superfície no Atlântico Norte com as primeiras T-PCs da temperatura em Portugal e intervalo de confiança de 95% ... 147

6.26 Funções de correlação cruzada sazonais das segundas T-PCs da temperatura de superfície no Atlântico Norte com as primeiras T-PCs da temperatura em Portugal e intervalo de confiança de 95% ... 148

6.27 Funções de correlação cruzada das primeiras ST-PCs da temperatura de superfície no Atlântico Norte com as principais ST-PCs da temperatura em Portugal no Verão e Outono e intervalo de confiança de 95% ... 150

6.28 Funções de correlação cruzada das primeiras ST-PCs da temperatura de superfície no Atlântico Norte e Tropical com as principais ST-PCs da temperatura em Portugal no Outono e intervalo de confiança de 95% ... 151

6.29 Funções de correlação cruzada de grupos de componentes reconstruídas da temperatura de superfície no ponto (39.047°N, 9.375°W) com a temperatura observada em Lisboa, por estação do ano, e intervalo de confiança de 95% ... 152

(15)

Lista de Tabelas

4.1 Valores da correlação de desfasamento nulo das temperaturas médias e das quantidades

de precipitação anuais e sazonais entre Lisboa, Porto e Coimbra ... 26

4.2 Variância de temperatura média explicada por cada modo, anual e sazonalmente ... 27

4.3 Variância de quantidade de precipitação explicada por cada modo, anual e sazonalmente . 28

4.4 Periodicidades das componentes emparelhadas das T-PCs associadas às três primeiras EOFs da temperatura anual e sazonal e percentagem de variância das T-PCs explicada por essas componentes ... 30

4.5 Periodicidades das componentes emparelhadas das T-PCs associadas às três primeiras EOFs da precipitação anual e sazonal e percentagem de variância das T-PCs explicada por essas componentes ... 33

4.6 Correlações de desfasamento nulo entre as T-PCs da temperatura e da precipitação em Portugal e entre estas T-PCs e a NAO e o SOI ... 34

4.7 Valores da correlação de vários conjuntos de RCs da temperatura em Lisboa em determinada estação do ano ou no ano com o mesmo número de RCs das estações e no ano seguintes ... 48

4.8 Valores da correlação de vários conjuntos de RCs da precipitação em Lisboa em determinada estação do ano ou no ano com o mesmo número de RCs das estações e no ano seguintes ... 49

4.9 Valores da correlação de vários conjuntos de RCs da temperatura em Lisboa em determinada estação e no ano com o mesmo número de RCs da precipitação em Lisboa

nas mesmas estações e no mesmo ano, e nas estações e ano seguintes ... 50

4.10 Valores da correlação de vários conjuntos de RCs da precipitação em Lisboa em determinada estação e no ano com o mesmo número de RCs da temperatura em Lisboa

nas mesmas estações e no mesmo ano, e nas estações e ano seguintes ... 51

5.1 Periodicidades das componentes emparelhadas das T-PCs associadas às quatro primeiras EOFs da pressão anual ao nível do mar no Atlântico Norte e no Atlântico Norte e Tropical ... 62

5.2 Variância de pressão ao nível do mar do Atlântico Norte explicada por cada modo, anual

e sazonalmente e variância explicada pela soma dos quatro primeiros modos ... 74

5.3 Variância de pressão ao nível do mar do Atlântico Norte e Tropical explicada por cada

modo, anual e sazonalmente e variância explicada pela soma dos quatro primeiros modos 74

5.4 Periodicidades das componentes emparelhadas das T-PCs associadas às quatro primeiras EOFs da pressão sazonal ao nível do mar no Atlântico Norte e no Atlântico Norte e Tropical ... 77

5.5 Variância de pressão do Atlântico Norte e do Atlântico Norte e Tropical explicada por vários conjuntos de ST-PCs, sazonal e anualmente ... 80

5.6 Valores da correlação de vários conjuntos de ST-PCs da pressão ao nível do mar no Atlântico Norte em determinada estação do ano ou no ano com o mesmo número de ST--PCs das estações e ano seguintes ... 86

5.7 Valores da correlação de vários conjuntos de ST-PCs da pressão ao nível do mar no Atlântico Norte e Tropical em determinada estação do ano ou no ano com o mesmo número de ST-PCs das estações e ano seguintes ... 87

5.8 Periodicidades das componentes emparelhadas das T-PCs associadas às quatro primeiras EOFs da temperatura de superfície anual no Atlântico Norte e no Atlântico Norte e Tropical ... 94

5.9 Variância de temperatura de superfície do Atlântico Norte explicada por cada modo,

(16)

5.10 Variância de temperatura de superfície do Atlântico Norte e Tropical explicada por cada

modo, anual e sazonalmente e variância explicada pela soma dos quatro primeiros modos 102

5.11 Periodicidades das componentes emparelhadas das T-PCs associadas às quatro primeiras EOFs da temperatura de superfície sazonal no Atlântico Norte e no Atlântico Norte e Tropical ... 103

5.12 Variância de temperatura do Atlântico Norte e do Atlântico Norte e Tropical explicada

por vários conjuntos de ST-PCs, sazonal e anualmente ... 107

5.13 Valores da correlação de vários conjuntos de ST-PCs da temperatura de superfície no Atlântico Norte em determinada estação do ano ou no ano com o mesmo número de ST- -PCs das estações e ano seguintes ... 109

5.14 Valores da correlação de vários conjuntos de ST-PCs da temperatura de superfície no Atlântico Norte e Tropical em determinada estação do ano ou no ano com o mesmo número de ST-PCs das estações e ano seguintes ... 110

5.15 Valores da correlação de vários conjuntos de ST-PCs da temperatura de superfície no Atlântico Norte em determinada estação e no ano com o mesmo número de ST-PCs da

pressão da mesma estação e do mesmo ano e das estações e ano seguintes ... 113

5.16 Valores da correlação de vários conjuntos de ST-PCs da temperatura de superfície no Atlântico Norte e Tropical em determinada estação e no ano com o mesmo número de

ST-PCs da pressão da mesma estação e do mesmo ano e das estações e ano seguintes ... 113

5.17 Valores da correlação de vários conjuntos de ST-PCs da pressão no Atlântico Norte em determinada estação e no ano com o mesmo número de ST-PCs da temperatura da

mesma estação e do mesmo ano e das estações e ano seguintes ... 114

5.18 Valores da correlação de vários conjuntos de ST-PCs da pressão no Atlântico Norte e Tropical em determinada estação e no ano com o mesmo número de ST-PCs da

temperatura da mesma estação e do mesmo ano e das estações e ano seguintes ... 115

6.1 Correlações sazonais e anuais entre as principais T-PCs da pressão no Atlântico Norte e

as principais T-PCs da precipitação em Portugal para desfasamentos nulos ... 122

Tropical e as principais T-PCs da precipitação em Portugal para desfasamentos nulos ... 122

6.3 Valores da correlação de vários conjuntos de RCs obtidos a partir da pressão do Atlântico Norte no ponto (40°N, 7.5°W) em determinada estação e no ano com a

precipitação observada em Lisboa nas estações e no ano seguintes ... 127

6.4 Valores da correlação de vários conjuntos de RCs obtidos a partir da pressão do Atlântico Norte e Tropical no ponto (40°N, 7.5°W) em determinada estação e no ano

com a precipitação observada em Lisboa nas estações e no ano seguintes ... 128

as principais T-PCs da temperatura em Portugal para desfasamentos nulos ... 130

Tropical e as principais T-PCs da temperatura em Portugal para desfasamentos nulos ... 131

6.7 Valores da correlação de vários conjuntos de RCs obtidos a partir da pressão do Atlântico Norte no ponto (40°N, 7.5°W) em determinada estação e no ano com a

temperatura observada em Lisboa nas estações e no ano seguintes ... 134

6.8 Valores da correlação de vários conjuntos de RCs obtidos a partir da pressão do Atlântico Norte e Tropical no ponto (40°N, 7.5°W) em determinada estação e no ano

com a temperatura observada em Lisboa nas estações e no ano seguintes ... 134

6.9 Correlações sazonais e anuais entre as principais T-PCs da temperatura de superfície no Atlântico Norte e as principais T-PCs da precipitação em Portugal para desfasamentos nulos ... 138

6.10 Correlações sazonais e anuais entre as principais T-PCs da temperatura de superfície no Atlântico Norte e Tropical e as principais T-PCs da precipitação em Portugal para desfasamentos nulos ... 138

(17)

6.11 Valores da correlação de vários conjuntos de RCs obtidos a partir da temperatura de superfície do Atlântico Norte no ponto (39.047°N, 9.375°W) em determinada estação e

no ano com a precipitação observada em Lisboa nas estações e no ano seguintes ... 143

6.12 Valores da correlação de vários conjuntos de RCs obtidos a partir da temperatura de superfície do Atlântico Norte e Tropical no ponto (39.047°N, 9.375°W) em determinada estação e no ano com a precipitação observada em Lisboa nas estações e no ano seguintes ... 143

6.13 Correlações sazonais e anuais entre as principais T-PCs da temperatura de superfície no Atlântico Norte e as principais T-PCs da temperatura em Portugal para desfasamentos nulos ... 148

6.14 Correlações sazonais e anuais entre as principais T-PCs da temperatura de superfície no Atlântico Norte e Tropical e as principais T-PCs da temperatura em Portugal para desfasamentos nulos ... 149

6.15 Valores da correlação de vários conjuntos de RCs obtidos a partir da temperatura de superfície do Atlântico Norte no ponto (39.047°N, 9.375°W) em determinada estação e

no ano com a temperatura observada em Lisboa nas estações e no ano seguintes ... 153

6.16 Valores da correlação de vários conjuntos de RCs obtidos a partir da temperatura de superfície do Atlântico Norte e Tropical no ponto (39.047°N, 9.375°W) em determinada

(18)

Lista de Abreviaturas

AR(1) Auto-regressivo de 1ª ordem

ATLN Atlântico Norte

ATLNT Atlântico Norte e Tropical

ENSO El Niño-Southern Oscillation

EOF Empirical Orthogonal Function

H0 Hipótese Nula

IM Instituto de Meteorologia

Lat Latitude Long Longitude

MEM Maximum Entropy Methods

MSSA Multichannel Singular Spectral Analysis

NAO North Atlantic Oscillation

NCAR National Center for Atmospheric Research

NCEP National Centers for Environmental Prediction

PCA Principal Component Analysis

QBO Quasi-Biennial Oscillation

RC Reconstructed Component

SOI Southern Oscillation Index

S-PC Spatio Principal Component

SSA Singular Spectral Analysis

ST-EOF Spatio Temporal Empirical Orthogonal Function

ST-PC Spatio Temporal Principal Component

SVD Singular Value Decomposition

T-EOF Temporal Empirical Orthogonal Function

T-PC Temporal Principal Component

(19)

Capítulo 1

Introdução

1.1 Definições e Conceitos

Considera-se útil, como introdução, definir e precisar alguns termos e conceitos fundamentais que se utilizam nesta tese. Trata-se, em muitos casos, de termos de uso frequente e comum1. Talvez justamente por isso pode existir, em relação a alguns deles, alguma ambiguidade de interpretação. Para o evitar é conveniente apresentar previamente algumas definições sucintas, mas claras e precisas. Procura-se também definir e fixar terminologia, recordando e esclarecendo alguns conceitos fundamentais.

Utilizam-se na tese as seguintes definições e conceitos:

Clima é uma síntese, de natureza estatística, do estado da atmosfera ou das suas fronteiras, referente a uma determinada área e a um determinado período de tempo. Para efectuar essa síntese usam-se métodos da estatística matemática aplicados aos elementos climáticos que definem e caracterizam o clima.

Num clima estacionário, isto é sem alterações ou modificações climáticas, antropogénicas ou não, são constantes numa translação no tempo as distribuições das probabilidades e das probabilidades conjuntas dos elementos climáticos. Esta definição é análoga à definição de processo estocástico estacionário (pode ver-se uma formulação em terminologia matemática rigorosa, por exemplo, em Priestley (1981)).

Para um clima estacionário podem definir-se os momentos de várias ordens em relação aos diferentes elementos climáticos e os momentos cruzados entre os vários elementos.

A definição é efectuada a partir das médias de ensemble2, isto é, das médias teóricas em que as probabilidade são definidas no ensemble das realizações (representadas pelo símbolo < >), ainda que a existência do ensemble seja em climatologia, em geral, apenas conceptual e não tenha realidade física. Por exemplo,

) (t

x

x =

µ , cov_x(t₁,t₂)= x(t₁) x(t₂) , cov_xy(t₁,t₂)= x(t₁) y(t₂)

representam, respectivamente, a média de x, a covariância de x (que se admite sem perda de generalidade ter média nula constante, para simplicidade da expressão) para as coordenadas tempo t1 e t2 e a covariância cruzada entre x e y (que se admite, do mesmo

modo, terem média nula) para as coordenadas tempo t1 e t2.

Um processo (com realizações no domínio do tempo) diz-se estacionário de ordem k, se e só se, os momentos de primeira ordem não são funções do tempo e se os momentos de ordem até k são funções dos desfasamentos no tempo T mas não do tempo t.

1_{É comum, por exemplo, ouvirem-se discussões acesas sobre a existência ou não de alterações climáticas}

entre pessoas supostamente bem informadas mas que não sabem definir nem clima nem alteração climática.

2_{Não é usual traduzir-se ensemble. É o conjunto, em geral infinito, de todas as realizações de um processo}

(20)

Um processo estocástico diz-se ergódico quando as médias de ensemble são iguais às médias no tempo.

Para que tenha fundamento teórico calcular em climatologia as médias no tempo, com o sentido de esperanças matemáticas, é necessário aceitar-se que o clima é ergódico. Tem- -se, então, para um elemento climático x

∫

= →∞ = = +∞ ∞ − T x x t dt T T dx x f x x 0 ) ( 1 lim ) ( µ

onde f(x) representa a função densidade de probabilidade de x.

Num clima estacionário as médias teóricas não seriam função do tempo mas, as suas estimas em diferentes intervalos de tempo T, isto é,

∫

= T xT x t dt T ₀ ( ) 1 µ

com T finito, teriam sempre variância amostral. Essa variância decresce quando T cresce. Para intervalos T suficientes para se aceitar que µ tem uma distribuição normal (aceita-se, em geral, que é assim para T≥30) a variabilidade da média amostral pode ser estimada por

N x xN σ µ σ( )=

onde )σ(µ_xN representa o desvio padrão da média de N valores de x eσ_x o desvio padrão de x.

A análise de séries cronológicas (e.g. análise de covariâncias e análise espectral) baseia-se em modelos estocásticos com estacionariedade de segunda ordem, isto é, em que se assume que a média é constante no tempo e que as covariâncias são função dos desfasamentos no tempo mas não do tempo.

Uma alteração climática é uma não estacionariedade do clima. Corresponde a uma alteração no sistema climático, que se reflecte na não estacionariedade de um ou mais elementos climáticos. A existência de uma alteração climática pode ser inferida por critérios puramente físicos que demonstrem a existência de uma alteração no sistema climático, ou estatisticamente a partir de testes estatísticos em que se rejeita a um certo nível de significância a hipótese de estacionariedade.

Os testes de significância quanto à estacionariedade baseiam-se na formulação da hipótese nula H0: o clima é estacionário. Esta hipótese é rejeitada (e aceite a hipótese alternativa) quando, pelo teste, se verifica que seria muito pequena a probabilidade de se obterem os resultados que foram obtidos a partir da série observada, no caso da hipótese nula ser verdadeira. A esta probabilidade chama-se nível de significância do teste e tem tipicamente os valores 0.05 ou 0.01. A hipótese nula deve ser uma hipótese simples, formulada sem o conhecimento prévio dos dados.

A forma mais simples de alteração climática é uma não estacionariedade na média de um dado elemento climático. O modelo mais simples de não estacionariedade na média é o de uma tendência linear na média do tipo µ(t)= atµ₀. Este modelo tem um único parâmetro, o coeficiente angular da recta, que corresponde à taxa de aumento ou diminuição no tempo da média do elemento climático.

(21)

Podem construir-se inúmeros modelos de não estacionariedade de complexidade crescente e com crescente número de parâmetros: saltos, saltos múltiplos, tendências múltiplas ou periódicas, etc. Há critérios estatísticos para avaliar se a inclusão de mais um parâmetro num modelo melhora o seu desempenho e se é portanto justificável (e.g. razão de verosimelhança). O simples facto de se obter um melhor ajuste visual à série observada não é um critério válido. Por exemplo, o ajuste óptimo obtém-se considerando a série observada como tendência. Este modelo explica sempre 100% da variância da série observada quando sobre ela é aplicado.

A análise das séries longas de temperatura em Portugal Continental tem mostrado (e.g. Antunes et al., 1996; Antunes, 1998) que existem numerosas séries não estacionárias. A análise tem também mostrado que quando se remove a tendência linear as séries passam a ser aceites pelos testes de estacionariedade mesmo nas suas versões progressivas e regressivas (e.g. Sneyers, 1975; Antunes, 1998).

Na presente tese, em que se analisam séries de campos com numerosos pontos de malha (canais) ou séries de observações em várias estações, foi necessário optar por um procedimento uniforme e automatizável para aplicação em todos as séries.

Optou-se pelo ajuste de uma tendência linear a cada uma das séries ou canais. Independentemente da eventual aplicabilidade e adequação de modelos de tendência mais complexos, a tendência linear exprime uma taxa de crescimento médio ou decrescimento médio das séries no período em análise que interessa conhecer. Apenas nos casos em que se efectuaram análises espectrais por SSA (Singular Spectral Analysis) se adoptou um procedimento diverso, uma vez que faz parte desta análise a separação, pelo próprio método, das “componentes de tendência” (e.g. Plaut e Vautard, 1994).

Quando é estimada uma tendência ela deve ser removida da série para procurar obter uma série compatível com a hipótese de estacionariedade de primeira ordem implícita nos métodos de análise.

A expressão variabilidade climática é entendida na tese no seu sentido mais lato, incluindo, tanto as variações de clima associadas a alterações climáticas (tendências ou outras), como as variações no clima correspondentes à sua normal variação de tipo aleatório estacionário. A variância ou a sua raiz quadrada, o desvio padrão, são medidas da variabilidade.

Na análise da variabilidade do clima baseada em séries cronológicas procura-se detectar qualquer comportamento que se afaste significativamente do que seria de esperar de uma realização de um processo aleatório puro (processo estocástico estacionário sem correlação serial), geralmente referido como ruído branco.

A função de autocovarância do ruído branco é, por definição, uma função de Dirac na origem, com peso igual à variância do processo. O espectro de variância teórico do ruído é, portanto, uma linha horizontal que limita entre –Fc e + Fc (com Fc a frequência de corte)

um rectângulo cuja área é igual à variância do processo, sendo então P(f)=P(f), o espectro teórico, uma constante.

Pode mostrar-se (Hasselmann, 1976) que um clima estocástico tem tendência para apresentar características de ruído vermelho. Define-se ruído vermelho como um processo auto-regressivo de ordem 1, AR(1), processo com correlação serial parcial de ordem1 com

(22)

decrescente ρ(k)= ρ(1)k. O ruído vermelho é um processo estocástico com persistência, isto é, em que há tendência para a valores elevados se seguirem valores elevados e vice-versa. O espectro de variância teórico do ruído vermelho é então da forma

      − + − = c F f f P f P π ρ ρ ρ cos ) 1 ( 2 ) 1 ( 1 ) 1 ( 1 ) ( ) (

isto é, um espectro decrescente com máximo para f=0 (daí o nome ruído vermelho). Quando a correlação de desfasamento 1, ρ(1), tende para 0, o ruído vermelho tende para ruído branco, como é fácil de verificar. Quando ρ(1) cresce, a função de autocorrelação decresce mais devagar (é mais larga) e o espectro decresce mais rapidamente (é mais estreito).

A função de autocovariância teórica de uma sinusóide (de +∞ a –∞) de período T é uma sinusóide do mesmo período. O correspondente espectro teórico é um par de funções de Dirac nas frequências ± f=1/T correspondentes.

As funções de correlação estimadas a partir de séries finitas aproximam as correspondentes funções teóricas mas apresentam variância amostral. No caso de se utilizar no cálculo das funções de autocovariância, o estimador de variância total mínima, as estimas apresentam viés que tende a diminuir a amplitude das estimas com o aumento do desfasamento (pode ver-se este assunto com mais detalhe em Antunes, 1998).

Também os espectros estimados apresentam variabilidade amostral. Devem utilizar-se sempre estimadores alisados ou outros que permitam obter uma diminuição desta variância amostral. A variância das estimas espectrais depende da duração da série, do método de cálculo e do grau de alisamento (definido pela largura e forma da janela ou equivalente).

Para cada método de estima espectral podem estabelecer-se intervalos de confiança para as densidades espectrais, ou por via analítica ou por métodos de Monte Carlo.

Pode então escolher-se uma hipótese nula e testar a significância das densidades espectrais. As hipóteses nulas usuais são ou H0: a série é um segmento de uma realização de ruído branco, ou H0: a série é um segmento de uma realização de ruído vermelho. Traça-se então o correspondente espectro teórico e, em torno dele, o intervalo de confiança correspondente ao método, duração do registo, janela e nível de confiança adoptados. Uma densidade espectral é considerada significativa quando excede o limite superior do intervalo de confiança. Trata-se portanto de um teste unilateral em que, ao intervalo de confiança de 90%, corresponde um nível de significância de 0.05. É mais difícil encontrar densidades espectrais correspondentes a periodicidades relativamente longas, que sejam consideradas como significativas, quando se considera a hipótese nula de ruído vermelho. É esta a que se adopta nesta tese. Um espectro calculado a partir de uma série de média não nula ou em que existe tendência, que não foi retirada, apresenta falsas características de ruído vermelho.

(23)

Na análise da variabilidade do clima baseada em séries cronológicas de campos, isto é, na análise multicanal, procura-se detectar qualquer comportamento que se afaste significativamente do que seria de esperar de conjuntos de realizações (canais) de processos estocásticos estacionários sem correlação serial e sem correlação cruzada (ruído branco independente).

Para a análise dos campos climatológicos aplicam-se métodos matemáticos de compressão de dados. Utilizam-se métodos de análise de componentes principais (PCA) (e.g. Peixoto e Oort, 1992; von Storch, 1995; Wilks, 1995). Quando aplicados a um conjunto de séries do mesmo elemento climático, observadas num conjunto de estações numa dada região, que definem séries cronológicas do campo do elemento em análise na região considerada, estes métodos permitem concentrar a informação dessa variabilidade num número relativamente pequeno de componentes independentes (ortogonais ou de produto interno nulo).

A representação dos padrões de variabilidade no espaço (de acordo com a localização das estações) permite definir padrões espaciais de variabilidade e estimar a fracção de variância correspondente (fracção de variância explicada). Trata-se de uma análise espacial. Pode posteriormente analisar-se a forma como variam no tempo os vários padrões de variabilidade espacial. Trata-se de uma análise da variação no tempo de padrões de variabilidade espacial invariantes no tempo. No conjunto efectua-se, portanto, uma análise espacial e temporal.

Na tese recorre-se também, e essencialmente, a uma análise de base matemática análoga mas no espaço-tempo. Esse tipo de análise é designado por MSSA (Multichannel Singular Spectral Analysis) que permite detectar padrões de variabilidade no espaço- -tempo, isto é, analisar padrões que variam no espaço quando variam no tempo (e.g. Plaut e Vautard, 1994).

1.2 Variabilidade Climática em Portugal Continental e no Atlântico.

Organização da Tese

Com o recente e grande desenvolvimento dos meios computacionais é actualmente possível aplicar métodos mais sofisticados e rápidos na detecção de características espaço- -temporais que incluem vários métodos de análise de clusters na classificação dos regimes de tempo (e.g. Cheng e Wallace, 1993) e métodos avançados para análise e previsão de séries temporais uni e multivariadas (e.g. Vautard e Ghil, 1989; Plaut e Vautard, 1994; Dettinger et al., 1995; Ghil e Jiang, 1998).

A variabilidade de baixa frequência tem sido muito estudada ultimamente, tratando-se de escalas de enorme importância na previsão de longo prazo do clima (previsão anual e sazonal). O El Niño Southern Oscillation (ENSO) é reconhecido como o principal modo de variabilidade do Oceano Pacífico (IPCC, 2001). A previsão sazonal ou anual do Southern Oscillation Index (SOI) tem sido objecto de um número considerável de modelos (e.g., Keppenne e Ghil, 1992). O modo parece admitir alguma predictabilidade e em Ghil e Robertson (2000) mostra-se que por aplicação de 6 modelos, incluindo modelos acoplados, acoplados híbridos, GCMs e modelos estatísticos, o skill (aqui comparado pela correlação

(24)

entre os campos previstos e observados e pela raiz do erro médio quadrático da previsão e observação) é superior para os modelos estatísticos.

A variabilidade climática no Atlântico Norte, apesar de se reconhecer a North Atlantic Oscillation (NAO) como o principal modo da sua variabilidade, parece ser bastante mais complexa e consequentemente de maior dificuldade predictacional (e.g. Lloyd-Hughes e Saunders, 2002). Este modo, apesar de parecer ter um comportamento quase-regular surge por vezes misturado com outros centros de acção (Ghil e Robertson, 2000). Na tese verifica-se que esta “mistura” é comum, principalmente em modos de variabilidade sazonais de periodicidade mais curta.

Há autores que referem ainda a oscilação quase-bienal (QBO) como o sinal periódico mais comum detectado tanto na circulação atmosférica como na análise de vários campos climáticos (e.g. Holton e Lindzen, 1972; Trenberth, 1980).

É evidente a influência do Atlântico no clima de Portugal Continental. O clima é diferente de região para região conforme se sente mais ou menos essa influência, ou seja, a distância ao Atlântico tem evidente influência no clima. O clima é também diverso para regiões com diferentes orientações da linha de costa que estabelecem advecção predominante de ar com influências diferentes. A orientação da linha de costa altera também o regime das brisas e do afloramento costeiro, etc. Esta influência do oceano Atlântico é referida em qualquer livro de Geografia, mesmo elementar, com maior ou menor detalhe. Uma questão relacionada, mas muito diferente, é saber como varia de ano para ano e ao longo do tempo o nosso clima, saber como varia de ano para ano e ao longo do tempo o clima no Atlântico e avaliar como se relacionam essas variações.

A experiência da meteorologia sinóptica indica que o tempo e o clima em Portugal são condicionados pela localização e intensidade de centros de acção, em muitos casos localizados no Atlântico, designadamente do Anticiclone dos Açores.

Depois de consagrada a NAO como modo predominante da variabilidade do campo da pressão no Atlântico Norte (e.g. Hurrell, 1996; Hurrell e van Loon, 1997; Osborn et al., 1999) este aspecto ganhou novas e mais fundamentadas interpretações. Alguns autores (e.g. Marshall et al., 2001) argumentam que nas latitudes médias este modo da NAO está intrinsecamente ligado ao modo principal de variabilidade de toda a circulação do Hemisfério Norte, o chamado modo anular ou Oscilação do Árctico (AO- Arctic Oscillation). Também se mostra que a estrutura bipolar da NAO revela uma grande semelhança com o padrão AO exceptuando a existência do centro de acção no Pacífico (e.g., Wallace e Gutzler, 1981; Hurrell, 1995). Outros autores mostram que se trata do mesmo fenómeno (e.g. Wallace, 2000), e em Deser (2000) mostra-se que a variabilidade da AO é praticamente indistinta da NAO. Em Ambaum et al. (2001) conclui-se ainda que a única correlação significativa entre os três centros de acção que compõem a AO se verifica entre as regiões da Islândia e dos Açores. Nesta tese será, por isso, analisada uma área que, como se referirá mais adiante, será designada por Atlântico Norte e incluída uma outra área mais a sul que se designará por Atlântico Tropical. A inclusão desta última deve-se, tanto à existência de um centro de acção que faz parte do modo principal da variabilidade do campo da temperatura de superfície (e.g. Venegas et al., 1997), como ao facto de apesar dos efeitos das anomalias da temperatura de superfície locais estarem relativamente bem estabelecidos, os seus efeitos mais remotos só recentemente começaram a ser avaliados (e.g. Marshall et al., 2001).

Muitos trabalhos foram publicados tanto na compreensão como no conhecimento das influências das oscilações mais conhecidas no clima global e regional (e.g. Cane e Zebiak,

(25)

1985; Ropelewski et al.,1987; Trenberth e Hurrell,1994; Hurrell, 1995; Moron et al.,1998; García et al., 2000; Pozo-Vázquez et al., 2000; Thompson e Wallace, 2001).

Particularmente a NAO mas também, apesar de com menos frequência o SOI, têm sido relacionados com as variações sazonais na Europa (e.g. Fraedrich e Müller, 1992; Rodo et

al., 1997; Moron e Ward, 1998; Rocha, 1999; Qian et al., 2000-a; Qian et al., 2000-b;

Trigo et al., 2002-a; Trigo et al., 2002-b).

A posição geográfica da Península Ibérica, e mais concretamente a de Portugal, tornam a análise da influência da NAO no nosso clima um factor acrescido de interesse, como se pode concluir da quantidade de trabalhos recentemente publicados. Esses trabalhos incidem, essencialmente, na variabilidade do campo da precipitação e principalmente para o Inverno onde o sinal é mais significativo (e.g. Zorita et al., 1992; Esteban-Parra et al., 1998; Rodriguez-Puebla et al., 1998; Serrano et al., 1999; Ulbrich et al., 1999; Goodess e Jones, 2002; Nieto et al., 2004; Trigo et al., 2004; Gomes, 2005; Antunes et al., 2006). A finalidade da maior parte destes estudos é a detecção, a várias escalas temporais, de modos de variabilidade climática (espaciais e temporais), principalmente do Atlântico, que se relacionem com o clima da Península Ibérica.

Evidentemente que se devem considerar outros padrões de variabilidade no campo da pressão para além da NAO. É também evidente que a NAO deve ser determinada de modo mais objectivo e fundamentado, do que analisando um simples índice com base em duas séries observadas. Na tese determina-se a NAO a partir do campo da pressão, com base na análise de componentes principais (PCA) e também com base na análise espaço-temporal (MSSA).

O clima em Portugal, apesar da sua relativamente pequena extensão, é muito diversificado. Trigo e DaCamara (2000) definiram, com base num conjunto de índices associados à direcção e vorticidade do fluxo geostrófico, 26 tipos distintos de circulação atmosférica com influência em Portugal. Corte-Real et al. (1998) identificaram, a partir de campos diários da pressão ao nível do mar num sector que engloba o Atlântico e a Europa, quatro padrões de circulação atmosférica de larga escala relacionados com a precipitação no sul de Portugal. Mais recentemente Gomes (2005) identifica 7 modos de variabilidade da precipitação na Península Ibérica que podem, no entanto, ser agrupados em 3 padrões principais e onde determina o grande predomínio da NAO na circulação atmosférica do Atlântico Norte.

Estudos anteriores (e.g. Serrano et al., 2003) mostram que a variabilidade interanual da temperatura e da quantidade de precipitação anual e sazonal em Portugal, é dominada por padrões relativamente simples. As séries utilizadas neste estudo são as que apresentam um maior grau de fiabilidade em termos de homogeneidade e de representatividade, além de terem início e fim nos mesmos anos. O primeiro modo de variabilidade mostra que o clima, no que respeita a estes elementos, se comporta no conjunto do território continental como um todo. Estes resultados confirmam que, como seria de esperar, a variabilidade climática interanual em Portugal Continental é dominada por padrões espaciais de escala superior às dimensões do território.

A análise da variabilidade climática em Portugal Continental é apresentada no Capítulo 4. São inicialmente sintetizados resultados obtidos em estudos anteriores por análise das séries mais longas da temperatura média do ar e da quantidade de precipitação registadas no país (Antunes, 1998). Pretendendo-se detectar outras características no modo como variam estes elementos, procede-se à aplicação de outros métodos de análise no espaço, no tempo e no espaço-tempo. Apesar de esta ser uma tese essencialmente de diagnóstico tem-se tem-sempre o intuito de detectar possíveis preditores do clima em Portugal (temperatura e

(26)

precipitação) a partir de correlações significativas para desfasamentos diferentes do nulo. É por isso que se avalia, no mesmo capítulo, a predictabilidade anual e sazonal da temperatura e da precipitação com base na sua própria variabilidade espaço-temporal, e a possibilidade de utilização de cada um destes elementos como preditor do outro. Esta análise é efectuada apenas para as componentes principais espaço-temporais, tendo como base os resultados do estudo de Vautard et al. (1996), que as revelam com um melhor desempenho como preditores do que as componentes temporais extraídas dos campos espaciais, especialmente para períodos de previsão mais longos.

Determinam-se inicial e objectivamente os principais padrões de variabilidade dos campos da pressão atmosférica ao nível do mar e da temperatura de superfície no Atlântico. Faz-se a distinção entre duas áreas do Atlântico, uma delas incluindo a outra, com o propósito de verificar se existem vantagens na detecção de modos de variabilidade com influência no clima de Portugal e que sejam indetectáveis considerando apenas a área menos extensa. Recorre-se a métodos de compressão de dados, por análise de componente principais que permitem obter padrões de variabilidade simples, e também a métodos de análise espectral singular multivariada que permitem obter padrões que variam espacialmente com a evolução temporal. Este tipo de estudos com aplicação da análise da variabilidade espaço-temporal é ainda escassa. A análise é efectuada anual e sazonalmente. Os estudos sobre a variabilidade destes campos, principalmente a espacial, são inúmeros com uma identificação crescente e complexa de conexões e teleconexões entre regiões geograficamente afastadas. Nesta tese não se dará especial ênfase às nomenclaturas dos modos que têm surgido recentemente. Tal como no capítulo anterior, avalia-se a predictabilidade, anual e sazonal, da pressão e da temperatura de superfície com base nas suas próprias variabilidades espaço-temporais e procuram detectar-se relações significativas, susceptíveis de originar alguma predictabilidade utilizando cada uma delas como preditora da outra. A análise da variabilidade climática no Atlântico é apresentada no Capítulo 5.

Procuram-se, em seguida, relações entre a variabilidade temporal dos principais padrões determinados para o Atlântico e para Portugal. Para além de relações em fase, no mesmo ano ou na mesma estação do ano, que “expliquem” a variabilidade climática em Portugal Continental, procuram-se também detectar relações desfasadas (anual ou sazonalmente) com potencial aplicabilidade em previsão climática. Nesta última análise recorre-se, essencialmente, às componentes estimadas pela análise espaço-temporal por revelarem um desempenho mais eficaz como preditores do que as componentes estimadas pela análise espacial, como referido anteriormente (Vautard et al., 1996). A análise das relações entre a variabilidade climática no Atlântico e a variabilidade climática em Portugal Continental é apresentada no Capítulo 6.

No Capítulo 7, das conclusões, são apresentadas apenas algumas das relações significativas encontradas entre os campos analisados. Estas detecções surgem, tanto pela variabilidade dos próprios campos, como pela variabilidade entre campos.

(27)

Capítulo 2

Metodologia

2.1 Introdução

São abordados neste capítulo os métodos utilizados na análise da variabilidade climática com base em séries cronológicas e em séries cronológicas multivariadas, referindo-se as publicações principais para descrições mais detalhadas.

Utilizam-se séries climatológicas de valores anuais ou sazonais (séries cronológicas da mesma estação do ano) em que está, portanto, filtrada a variabilidade sazonal. As séries sazonais são formadas por grupos de três meses, como é usual em climatologia (e.g. Inverno - Dezembro, Janeiro, Fevereiro; etc.).

Para cada série é avaliada a tendência linear. Esta tendência é subtraída à série para procurar obter uma série estacionária de 1ª ordem que, por subtracção de um valor médio constante (centragem), se transforma numa série de média nula usualmente referida como série de anomalias.

As séries são depois divididas pelo seu desvio padrão (redução) de modo a que a análise não seja dominada pela variância de uma série em relação às outras, passando a tratar-se de séries normalizadas.

As séries são assim constituídas de modo a serem eliminadas as mais simples características não puramente aleatórias (sazonalidade e tendência linear) procurando formar sucessões que, em primeira aproximação, são estatisticamente independentes e identicamente distribuídas (i.i.d.). Não é, por isso, de esperar que se detectem nestas séries características não puramente aleatórias muito marcadas, isto é, que expliquem uma grande fracção da sua variância. São, no entanto, estas as características que, a existirem, poderão permitir estimar características interessantes, não puramente aleatórias, nos processos estocásticos subjacentes às realizações que originaram as séries.

Para estimar as principais características da variabilidade dos campos do Atlântico e da variabilidade dos campos em Portugal Continental são aplicados métodos de análise no espaço, no tempo e no espaço-tempo, que se descrevem seguidamente. Para avaliar sobre a significância das oscilações detectadas são aplicados testes de significância estatística.

Depois de analisada a variabilidade climática dos campos da pressão atmosférica e da temperatura de superfície no Atlântico é efectuado um estudo sobre a sua predictabilidade com base nas características próprias e com base nas características de um outro campo. Efectua-se o mesmo tipo de avaliação sobre a auto-predictabilidade dos campos de Portugal Continental e também sobre a predictabilidade destes campos com base nos campos do Atlântico. Esta avaliação, baseada nas funções de correlação cruzada, estimadas a partir dos principais modos de variação espaço-temporal de cada campo, procura detectar conjuntos de potenciais pares preditor/preditando. Estas correlações cruzadas são lineares multivariadas (no sentido de poderem ser realizadas por composição de componentes seleccionadas) simples.

(28)

2.2 Análise no Espaço

A Análise de Componentes Principais (PCA) ou análise de Funções Empíricas Ortogonais (EOFs) é um método utilizado em ciências atmosféricas desde há longa data (e.g. Lorenz, 1956) e sobre o qual existe extensa literatura aplicada a esta mesma área, como por exemplo Preisendorfer (1988), Peixoto e Oort (1992), Wilks (1995), von Storch e Zwiers (1999), etc.. Com a utilização da análise de componentes principais pretende determinar-se um novo conjunto de variáveis (numa dimensão mais reduzida) que capturem a maior parte da variância dos dados através de combinações lineares entre as variáveis originais.

A análise é aplicada, neste estudo, tanto aos campos da temperatura e da precipitação em Portugal Continental, como aos campos da pressão ao nível do mar e da temperatura de superfície no Atlântico. Os dois primeiros são formados por um conjunto de séries temporais registadas em locais irregularmente espaçados, a pressão ao nível do mar está disponível numa malha regular em latitude e longitude e a temperatura de superfície numa malha gaussiana com espaçamento regular em longitude e irregular em latitude.

2.2.1 Análise de Componentes Principais

A análise de componentes principais (Principal Component Analysis - PCA) é efectuada sobre uma matriz composta pelas séries temporais de anomalias ou pelas séries normalizadas nos nós das malhas ou nos locais de observação. Apresenta-se, em seguida, uma descrição breve do método e para mais detalhes pode consultar-se, por exemplo, Preisendorfer (1988), von Storch (1995), Peixoto e Oort (1992) e Wilks (1995). Hannachi

et al. (2007) apresentam também uma revisão sobre funções empíricas ortogonais e

técnicas relacionadas em ciências atmosféricas.

Seja Xli a matriz de dados formada pelo conjunto de séries (de média nula) com 1≤i≤N

pontos registados em intervalos de tempo igualmente espaçados em 1≤l≤L locais. Os eixos principais deste campo são determinados expandindo cada vector Xi numa base

ortonormada (base ortogonal constituída por vectores de norma unitária) Ek_{com 1≤k≤L:}

L l k l L k k i li =

∑

a

≤ ≤ = 1 1

E

X

O coeficiente , chamado a kª componente principal temporal (T-PC), é a projecção ortogonal do vector X

a

ik

i no vector Ek. Os vectores Ek são os vectores próprios (EOFs) da

matriz de covariância das séries temporais X.

O método utilizado para determinar os valores próprios é o da Decomposição em Valores Singulares (SVD) da matriz de covariância das séries.

2.2.2 Decomposição em Valores Singulares

A decomposição em valores singulares (Singular Value Decomposition – SVD) baseia- -se no teorema que mostra que qualquer matriz rectangular X(MxN) pode ser escrita como