Variabilidade climática e impacto sobre a produção de sal marinho no Rio Grande do Norte/Brasil

Texto

(1)UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIÊNCIAS EXATAS E DA TERRA PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS CLIMÁTICAS. TESE DE DOUTORADO. VARIABILIDADE CLIMÁTICA E IMPACTOS SOBRE A PRODUÇÃO DE SAL MARINHO NO RIO GRANDE DO NORTE/BRASIL. ANTONIO FELIPE DE PAULA JUNIOR. Natal 2017.

(2) ii. ANTONIO FELIPE DE PAULA JUNIOR. VARIABILIDADE CLIMÁTICA E IMPACTOS SOBRE A PRODUÇÃO DE SAL MARINHO NO RIO GRANDE DO NORTE/BRASIL. Tese de Doutorado apresentada ao Programa de Pós-Graduação em Ciências Climáticas, da Universidade Federal do Rio Grande do Norte, como parte dos requisitos para obtenção do título de Doutor em Ciências Atmosféricas e Climáticas.. Orientadora: Profa. Dra. Kellen Carla Lima Co-orientadora: Profa. Dra. Maria Helena Constantino Spyrides. Natal 2017.

(3) iii. Universidade Federal do Rio Grande do Norte – UFRN Sistema de Bibliotecas – SISBI Catalogação da Publicação na Fonte - Biblioteca Central Zila Mamede Paula Junior, Antonio Felipe de. Variabilidade climática e impacto sobre a produção de sal marinho no Rio Grande do Norte/Brasil / Antonio Felipe de Paula Junior. - 2017. 77f. : il. Universidade Federal do Rio Grande do Norte, Centro de Ciências Exatas e da Terra, Programa de Pós-Graduação em Ciências Climáticas, Centro de Ciências Exatas e da Terra, Programa de Pós-Graduação em Ciências Climáticas. Natal, RN, 2017. Orientadora: Profa. Dra. Kellen Carla Lima. Coorientadora: Profa. Dra. Maria Helena Constatino Spyrides.. 1. Climatologia - Tese. 2. Mudanças climáticas - Tese. 3. Condições climáticas - Tese. 4. Variabilidade - Tese. I. Lima, Kellen Carla. II. Spyrides, Maria Helena Constatino. III. Título. RN/UF/BCZM. CDU 551.58.

(4) iv. DEDICATÓRIA Dedico este trabalho a meus pais Antonio Felipe de Paula e Francisca Barbosa de Paula (in memorian), pelo exemplo de cumplicidade, amor e compreensão. Por ter me ensinado tudo o de melhor: a ter responsabilidade, a ser uma pessoa honesta, a sempre lutar pelo o que quero com respeito. Pelo sacrifício para tornar tudo o melhor possível para mim e meus irmãos..

(5) v. AGRADECIMENTOS A Universidade Federal do Rio Grande do Norte e ao programa de Pós-Graduação em Ciências Climáticas pela oportunidade. A minha orientadora, Profa. Dra. Kellen Carla Lima, e minha co-orientadora, Profa. Dra. Maria Helena Constantino Spyrides, pela confiança, dedicação, amizade, tempo, paciência, compreensão, aprendi muito com vocês. Obrigado. Aos meus irmãos, que sempre estiveram ao meu lado, me dando apoio quando eu mais precisava. Ao Prof. Dr. Djalma Freire Borges e a Profa. Dra. Maria Arlete Duarte de Araújo pelo apoio incondicional que recebi de ambos. Amo vocês. Aos amigos e conselheiros Vicente Eliso Neto e Aldna pela força e incentivo durante todo esse período. A família Gois, especialmente Eugênio (pai), Soraia (mãe), Isadora, Ryna e Tibério (filhos), obrigado pelo incentivo. A todos os meus amigos do PPGCC, principalmente àqueles que estiveram comigo nestes últimos quatro anos, pela amizade e ajuda sempre que necessário e em especial a Nete e George, obrigado pela força com o R. A todos os professores que fazem parte do Programa de Pós-Graduação em Ciências Climática pela dedicação com que se envolvem com o programa contribuindo assim para o crescimento do mesmo. Aos meus alunos da graduação pela compreensão nos momentos em que mais precisei dessas compreensões. Aos amigos e colegas do Centro de Ensino Superior do Seridó pela força, incentivo e apoio incondicional nas horas que precisei. Ao amigo Bebeto Antão e toda sua família pela amizade e pelo o incentivo sempre presente, valeu. Aos amigos Cirnando, Barbosa, Joãozinho (Casa da Embalagem), Junior (Manhoso), Hélio Rubens com carinho especial..

(6) vi. Enfim, a todos que de qualquer forma contribuíram para a realização deste trabalho..

(7) vii. VARIABILIDADE CLIMÁTICA E IMPACTOS SOBRE A PRODUÇÃO DE SAL MARINHO NO RIO GRANDE DO NORTE/BRASIL RESUMO A produção de sal marinho no Rio Grande do Norte contribuiu significativamente para o desenvolvimento econômico e social do estado, por meio de geração de empregos, rendas e tributos pagos aos cofres públicos. Dependente de condições climáticas ideais, melhores desempenhos para essa atividade são observados em regiões de latitudes baixas, caracterizadas por temperaturas elevadas e ventos constantes, além de baixo volume de precipitação. Assim, sendo a produção de sal marinho dependente de condições climáticas, analisar, estatisticamente, as influências que o clima, suas variabilidades e mudanças exercem sobre a produção desse mineral, foi o objetivo principal dessa tese. Para isso, a tese foi dividida em dois artigos. No artigo primeiro, o objetivo principal foi analisar a correlação entre essas variáveis climáticas e a produção de sal marinho, bem como estimar a intensidade com que varia o volume desse mineral em consequências de mudanças climáticas, no município de Macau-RN. Os resultados mostraram correlações positivas entre o volume produzido de sal marinho com a temperatura, horas de insolação, evaporação e velocidade do vento e, correlações negativas com a precipitação e umidade relativa. Em relação às mudanças climáticas, constatou-se aumento no volume de sal marinho pelos quatro cenários de mudanças climáticas previstas pelo IPCC no município de Macau-RN, sendo que o melhor cenário para a indústria de sal por evaporação solar é o RCP8.5. No artigo dois, o objetivo principal foi estimar o impacto econômico das mudanças climáticas sobre a produção de sal marinho. Os resultados mostraram que as mudanças climáticas poderão impactar positivamente as receitas de vendas das indústrias de sal marino no RN, em qualquer cenário de mudanças climáticas, variando o aumento médio anual sobre essas receitas de vendas de 9,1227% pelo cenário RCP2.6 a 16,5350% pelo cenário RCP8.5, sendo possível afirmar que as mudanças climáticas projetadas pelo IPCC irão impactar positivamente a produção de sal marinho.. Palavras-Chave: Climatologia, Condições climáticas, mudanças climáticas, variabilidade..

(8) viii. CLIMATE VARIABILITY AND IMPACT ON SEA SALT PRODUCTION IN RIO GRANDE DO NORTE/BRAZIL. ABSTRACT The production of sea salt in Rio Grande do Norte has contributed significantly to the social and economic development of the State, creating jobs, increasing incomes and adding to the public revenue through taxes. Climatic conditions that favor this activity are observed in regions of low latitude characterized by high temperatures and constant winds, as well as low precipitation. Thus, as the production of sea salt depends on climate conditions, the aim of this thesis is to analyze, statistically, how the influences of the climate variability and changes affect the production of this mineral. To this end, the thesis comprises two articles. In the first article, the main objective was to analyze the correlation between these climatic variables and the production of sea salt, as well as estimate the intensity with which the volume of this mineral varies as a result of climate change in the city of Macau, RN. The results show positive correlations between the volume of sea salt production and the temperature, hours of sunlight, evaporation and wind speed, and negative correlations with precipitation and relative humidity. In relation to climate changes, findings showed an increase in the volume of sea salt in four scenarios of climate change, which were presented by the IPCC, in the city of Macau, RN. Results showed that the best scenario for the salt industry proved to be solar evaporation at a rate of RCP8.5. In the second article, the main objective was to gauge the economic impact of climate change on sea salt production. The results showed that climate changes will generate a positive impact on the income from sales in the sea salt industry in RN, in all of the climate change scenarios. The average annual increase in income from sales in this industry is estimated at varying from 9.12% in scenario RCP2.6 to 16.53% in scenario RCP8.5, making it possible to affirm that the sea salt industry in RN will benefit from climate changes.. Keywords: Climatology, Climatic conditions, climate changes, variability..

(9) ix. SUMÁRIO Lista de figuras.. ........................................................................................................................ xi Lista de tabelas ......................................................................................................................... xii Lista de siglas e abreviaturas ................................................................................................... xiv CAPÍTULO 1: INTRODUÇÃO............................................................................................01 1.1 Introdução...........................................................................................................................01 1.1 Motivação, problemática e hipótese....................................................................................04 1.2 Objetivo geral……………………………………………………………………………..05 1.2.1 Objetivos específicos…………………………………………………………………...06 1.3 Estrutura da tese…………………………………………………………………………..06 CAPÍTULO 2: MATERIAL E MÉTODOS.........…………………………………………07 2.1 Área de estudo…………………………………………………………………………….08 2.2 Material…………………………………………………………………………………...09 2.3 Cenários de mudanças climáticas do IPCC.........................................................................09 2.4 Metodologia.................…………………………………………………………………...10 2.4.1 Método Bootstrap para estimação dos coeficientes de correlação...................................10 2.4.2 Análise de componentes principais..................................................................................11 2.4.3 Análise de Regressão por componentes principais..........................................................12 CAPÍTULO 3 (ARTIGO 1): EFFECTS OF CLIMATE CHANGE ON THE PRODUCTION OF SALT IN THE MAIN REGION OF BRAZIL……………………..14 3.1 Introduction........................................................................................................................ 16 3.2 Materials and methods........................................................................................................17 3.3 Results.................................................................................................................................21 3.4 Discussion...........................................................................................................................27 3.5 Conclusion..........................................................................................................................29 3.6 References...........................................................................................................................30.

(10) x. CAPÍTULO 4 (ARTIGO 2): IMPACTOS ECONÔMICOS DAS MUDANÇAS CLIMÁTICAS SOBRE A INDÚSTRIA DE SAL MARINHO NA PRINCIPAL REGIÃO DO BRASIL............................................................................................................34 4.1 Introdução...........................................................................................................................37 4.2 Material e métodos..............................................................................................................42 4.3 Resultados...........................................................................................................................44 4.4 Discussão............................................................................................................................48 4.5 Conclusão............................................................................................................................50 4.6 Referências..........................................................................................................................51 CAPÍTULO 5 – CONSIDERAÇÕES FINAIS.....................................................................55 REFERÊNCIAS........................................................................................................................58.

(11) xi. LISTA DE FIGURAS Figura 2.1: Localização geográfica da região produtora de sal marinho no Rio Grande do Norte......................................................................................................................................... 09 Figure 3.1: Location of the municipality of Macau, Rio Grande do Norte...............................18 Figure 3.2: Projected variations in the amount of salt produced by solar evaporation in the municipality of Macau in the four climate-change scenarios in relation to the mean during the period studied (2020–2100), based on the multiple linear regression model with principal components…………………………………………………………..……………………….27 Figura 4.1: Localização geográfica da região produtora de sal marinho no RN......................38 Figura 4.2: Autocorrelação serial dos resíduos do modelo de regressão linear múltipla por componentes principais.............................................................................................................43 Figura 4.3: Variações no volume de sal marinho no RN, de acordo com os quatro cenários de mudanças climáticas projetados pelo IPCC para até o final do século XXI.............................45 Figura 5.1: Localização da região produtora de sal marinho no Rio Grande do Norte............61 Figura 5.2: Autocorrelação dos resíduos do modelo de regressão linear múltipla...................65 Figura 5.3: Variação percentual na receita de vendas de sal marinho em relação a média do período estudado, pelos quatro cenários de mudanças climáticas............................................67.

(12) xii. LISTA DE TABELAS Table 3.1: Results of the parametric tests and bootstrap resamplings for the Pearson correlation coefficients between the production of salt by solar evaporation and the climatic variables for the 1997–2013 period, in the municipality of Macau, Rio Grande do Norte…..21 Table 3.2: Parametric, percentile, and BCa confidence intervals for the Pearson correlation coefficients between the amount of salt produced by solar evaporation and the climatic variables……………………………………………………………………………………....22 Table 3.3: Parameters, p–values, and. of the simple linear regression models estimated. using the ordinary least squares method and bootstrap resampling…………………..………23 Table 3.4: Projected temperature and precipitation changes in the CMIP5 global models. The table shows mean surface temperature changes in ºC and precipitation as a percent change relative to 1986–2005 in north-eastern Brazil………………………………………………...24 Table 3.5: Projected changes in the amount of salt produced by solar evaporation, in millions of tons, as a result of increasing mean temperature and percentage changes in annual precipitation in north-eastern Brazil, in the four climate-change scenarios simulated by IPCC (2014)…………………………………………………………………………………………25 Table 3.6: Standard deviation, proportion of variance, and proportion of variance accumulated by the jth principal components………………………………………………………………25 Table 3.7: Weightings of the climatic variables with respect to each principal component….26 Tabela 4.1: Variância individual, proporção de variância acumulada pelas j - ésimas componentes principais e desvio padrão...................................................................................41 Tabela 4.2: Pesos exercidos pelas variáveis climáticas sobre cada componente principal.......42 Tabela 4.3: Resultado dos testes para a normalidade (Shapiro-Wilk), homocedasticidade (Breusch-Pagan) e independência (Durbin-Watson) dos resíduos...........................................43 Tabela 4.4: Parâmetros do modelo de regressão linear múltipla..............................................44 Tabela 5.1: Coeficiente de correlação de Pearson entre o volume produzido de sal marinho e cada variável climática e seus respectivos valores p.................................................................63.

(13) xiii. Tabela 5.2: Variância individual, proporção de variância acumulada pelas j - ésimas componentes principais e desvio padrão...................................................................................63 Tabela 5.3: Pesos exercidos pelas variáveis climáticas sobre cada componente principal.......64 Tabela 5.4: Resultado dos testes para a normalidade (Shapiro-Wilk), homocedasticidade (Breusch-Pagan) e independência (Durbin-Watson) dos resíduos...........................................65 Tabela 5.5: Parâmetros do modelo de regressão linear múltipla..............................................66.

(14) xiv. LISTA DE SIGLA. a.C. antes de Cristo. AR5. Fifth Assessment Report. BACEN. Banco Central do Brasil. BCa. Bias-corrected accelerated. °C. graus Celsius. CIs. confidence intervals. CMIP5. Coupled Model Intercomparison Project Phase Five. CP. Componente Principal. DNPM. Departamento Nacional de Produção Mineral. E. Leste. FAE. Faculdade de Administração e Economia. GMP. Gross Municipal Product. °Bé. Graus Baumé. hs. horas. IBGE. Instituto Brasileiro de Geografia e Estatística. IC. Intervalo de confiança. ICMS. Imposto sobre Circulação de Mercadorias e Serviços. iid. independentes e identicamente distribuídos. INMET. Instituto Nacional de Meteorologia. IPCC. Intergovernmental Panel on Climate Change. Km. Kilômetro. km². Kilômetro quadrado.

(15) xv. MQO. mínimos quadrados ordinários. mm. milímetro. m/s. metros por segundo. N. Norte. NaCl. Cloreto de Sódio. NEB. North-eastern Brazil. NOAA. National Oceanic and Atmospheric Administration. OLS. Ordinary least squares. PIB. Produto Interno Bruto. RN. Rio Grande do Norte. RCP. Representative Concentration Pathway. RO. reverse osmose. S. Sul. SWRO. Sea Water Reverse Osmose. USA. United State of American. USD. United State Dollars. USP. Universidade de são Paulo. W. Oeste. W/m². Watts por metro quadrado. %. Porcentagem. cm. Centímetro. km². Kilômetro quadrado. t/m³. Toneladas por metro cúbico.

(16) 1. CAPÍTULO 1 INTRODUÇÃO Classificado como um mineral da química inorgânica, o sal é largamente utilizado como matéria prima por diversas indústrias ao redor do mundo. Está presente em mais de 14.000 produtos (KILIC e KILIC, 2005; HOUGH, 2008), o que mostra a importância da atividade salineira para o desenvolvimento da economia mundial. A produção de sal a partir da água do mar (sal marinho ou sal por evaporação solar) é uma atividade antiga, tendo começado na Europa (OLIVER e KOVASIC, 2006) por volta do quarto milênio antes de Cristo (a.C.) e na China (FLAD et al., 2005) no primeiro milênio antes de Cristo (a.C). Sendo considerada a primeira substância a despertar a atenção dos humanos depois da água (KOROVESSIS, LEKKAS, 2009), o acesso a esse mineral foi determinante para o desenvolvimento de sociedades complexas (CONNAH, 1991; MCKILLOP, 1995). Atualmente, dados de 2013 (DNPM, 2014) estimaram em 264 milhões de toneladas o volume de todo tipo de sal produzido no mundo (sal marinho e sal gema) sendo a indústria de sal marinho responsável por mais de um terço de todo esse volume de sal produzido ao redor do mundo (KASEDDE et al., 2012; KASEDDE et al., 2014). A produção de sal marinho inicia-se com o bombeamento de água salgada para tanques expostos a céu aberto, chamados de evaporadores, interligados entre si, de modo que a salmoura gerada no primeiro evaporador seja transferida para o segundo e assim sucessivamente (KOROVESSIS e LEKKAS, 2009). Até chegar a esses evaporadores, a água bombeada percorre alguns quilômetros (km) de distância variando, aproximadamente, 15 km para salinas de porte médio a aproximadamente 70 km para salinas de grande porte, aumentando a concentração de sais existente na água do mar, que sai de 3,5°Bé (gruas Baumé) quando bombeada para 7°Bé quando chega aos tanques para evaporação. Esses evaporadores ocupam aproximadamente 90% de toda área disponível para a produção de sal marinho e é o lugar no qual a água salgada, por meio de evaporação contínua, atinge seu ponto de saturação em termos de cloreto de sódio, ou seja, a água salgada é bombeada com aproximadamente 3,5°Bé e quando chega ao último evaporador seu volume inicial tem sido reduzido em 90% e sua salinidade atinge 25,7°Bé (KOROVESSIS, 2009), quando então é transferida para os cristalizados, local no qual ocorre a formação e precipitação dos cristais de sal (SILVA, 2001; MANI et al., 2012)..

(17) 2. Na medida em que os evaporadores permanecem expostos a céu aberto durante todas as etapas do processo produtivo é razoável supor que o volume de produção desse mineral fica condicionado a condições climáticas favoráveis, com destaques para temperaturas elevadas e duradouras, ventos fortes e constantes, volume de evaporação alto, baixo volume de precipitação acumulada e baixa taxa de umidade relativa. Estudo pioneiro, efetuado por Myers and Bonython (1958), sugeriu que a indústria de sal por evaporação solar tem melhor desempenho em regiões que apresentem déficit hidrológico em seus balanços hídricos climatológicos. Dessa forma, a região que apresente volume acumulado anual de evaporação superior ao volume acumulado anual de precipitação é caracterizada como região favorável à atividade salineira que utiliza o sol como fonte de energia (MYERS and BONYTHON, 1958). Jhala (2006) analisou dados relacionados ao processo de produção de sal por evaporação solar baseado em experimentos. O autor afirmou que a exposição dos evaporadores ao calor do sol e ventos naturais são responsáveis pela evaporação contínua e consequente formação de cristais de sal. No experimento, o autor encontrou sete estágios, com destaque para o quarto. Nesse, a taxa de evaporação é reduzida a menos de 50% quando comparada com evaporação de água doce, em consequência da existência de uma relação inversa entre concentração de salmoura e nível de evaporação (KOROVESSIS e LEKKAS, 2009), e, para cada 100 gramas de água evaporada da solução saturada, 36,5 gramas de cloreto de sódio são precipitadas. Assim, a solubilidade do cloreto de sódio sendo 36,5 gramas a 30°C em 100 (cem) gramas de água, a percentagem de sal presente na solução saturada seria 26,74% (36,5/(36,5+100)), o que significa dizer que em cada 100 gramas de solução saturada tem-se 73,26 gramas de água e 26,74 gramas de sal. Nessas condições e proporções, para a produção de 1 (um) milhão de toneladas de sal por evaporação solar, por exemplo, seriam necessários mais de 3,7 milhões de toneladas de solução saturada. Outro estudo experimental foi efetuado por Diaz et al. (2013), em salinas tradicionais localizadas na Baia de Cádiz, no sul da Espanha. Os autores instalaram coletores termais parabólicos ligeiramente submersos à superfície da água para atuarem como permutadores de calor entre uma fonte externa de calor e a água salgada. Esses permutadores foram elaborados a partir de um conjunto de tubos que facilitaram a transferência de calor do fluido aquecido que passa por esses tubos, para a água salgada. O estudo concluiu que o uso do coletor termal facilitou as transferências de calor para a água salgada, aumentando sua taxa de evaporação e,.

(18) 3. consequentemente, contribuindo para o aumento da taxa de produção de sal por evaporação solar. Um modelo para um sistema industrial integrado incluindo três processos, dentre os quais uma unidade de produção de sal por evaporação, e, por meio de simulações, foi construído por Moitta et al. (2005), em Carriço, Pombal, Portugal. Os estudiosos identificaram as melhores condições operacionais, bem como os efeitos das condições atmosféricas sobre o sistema. Para a unidade de sal, duas simulações foram analisadas. A primeira, com uma temperatura do ar de 20,7°C, umidade relativa de 41,7% e velocidade do vento de 1,5 m/s e a segunda modificando apenas a velocidade do vento para 2 m/s. Inicialmente com quatro evaporadores, seguida de cinco e, finalmente, com seis. O estudo encontrou uma forte influência da velocidade do vento sobre o sistema, concluindo que em condições atmosféricas mais favoráveis (velocidade do vento de 2 m/s), esse necessita apenas de quatro evaporadores para operação eficiente, enquanto que com uma velocidade do vento de 1,5 m/s, a taxa de evaporação foi reduzida e as melhores condições operacionais se dão com cinco evaporadores. A produção de sais a partir da salmoura gerada pelo processo de dessalinização da água do mar em usinas reverse osmose (RO), em Oman, foi estudado por Ahmed et al. (2003). O estudo indicou vários tipos de sais que podem ser produzidos a partir dos rejeitos da salmoura em uma usina de dessalinização, com predominância para sal por evaporação solar, e concluiu avaliando em torno de U$$ 895.000 (oitocentos e noventa e cinco mil dólares) o valor de mercado desses produtos, anualmente. Na mesma direção, Ravizky e Nadav (2007), estudaram a produção de sal por evaporação solar a partir de salmouras geradas por usinas de Sea Water Reverse Osmose (SWRO) em Eilat, Israel. Essa tecnologia de produção consiste na mistura de água do mar com salmoura produzida em usinas de osmose reversa, na proporção de 8:2, respectivamente. O estudo concluiu que a produção de sal por evaporação solar a partir de usinas de SWRO é uma atividade lucrativa para os países do Golfo na medida em que tais países reúnem condições locais especificas tais como: forte radiação solar, pouca precipitação anual, uma costa deserta e plana, fácil escoamento para os portos e acessibilidade relativa aos países da Ásia, que são grandes consumidores de sal. O potencial produtivo da indústria salineira na Turquia foi analisado por Ertem et al., (2001). Com foco no potencial das lagoas de águas salgadas existentes, o estudo calculou a área superficial dessas lagoas em 1.200 km² com uma espessura média de sal de 8 cm e densidade de 2,2 t/m³. Com essas informações, o estudo calculou em aproximadamente.

(19) 4. milhões. de. toneladas. o. volume. de. sal. acumulado. nessas. lagoas.. Consequentemente, o estudo concluiu que a Turquia tem relevante potencial para se tornar um dos líderes mundiais tanto na produção quanto na exportação desse mineral, pois possui condições climáticas favoráveis, além de sua localização cercada por mar em três direções e inúmeros depósitos de sal serem encontrados em lagoas de água salgada. É necessário, contudo, que hajam investimentos para melhorias na qualidade e na eficiência do sistema produtivo atual, contribuindo para esse potencial turco.. 1.1 Motivação, problemática e hipótese Diversos estudos, combinando cenários climáticos, de produtividade agrícola, populacional e econômicos, têm sugerido que os cenários de mudanças climáticas projetados pelo Intergonvernmetal Panel on Climate Change (IPCC) para o século XXI poderão impactar diversas atividade econômicas ao redor do mundo (PARRY et al., 2004, FISCHER et al., 2005, SOHNGEN e SEDJO, 2005, CALZADILLA et al., 2013, WIEBE et al., 2015, NEUMANN et al., 2015). A produção de sal marinho está incluída dentre as atividades econômicas que dependem de condições climáticas e que, por conseguinte, poderá ser afetada pelos cenários de mudanças climáticas. No Brasil, destaca-se como maior produtor desse mineral o estado do Rio Grande do Norte (RN), responsável por aproximadamente 95% de toda produção de sal marinho do país. A indústria de sal marinho no RN ainda contribui para o desenvolvimento do RN por meio da geração de empregos e pagamentos de tributos aos cofres públicos. Mesmo sendo a produção desse mineral considerada uma das primeiras atividades econômicas desenvolvidas no estado do RN e de sua importância para o desenvolvimento econômico-social local, estudos abordam as questões referentes à atividade salineira no RN sobre perspectivas históricas (COSTA et. al., 2013), econômico-ambientais (BEZERRA et. al., 2012), elementos de custos de produção (ARAÚJO et al., 2012) entre outros. Com efeito, estudos que liguem a influência do clima, suas variabilidades e mudanças com a produção desse mineral são raros na literatura disponível. A maioria dos estudos que se propõe analisar a economia das mudanças climáticas, foca nos potenciais efeitos do aquecimento global. No entanto, estudos têm mostrado que variáveis climáticas são fundamentais para explicar o desempenho de alguns setores da.

(20) 5. economia, como a agricultura, e, até mesmo, níveis de produção agrícola, padrão de uso do solo e níveis de produtividade das lavouras (DESCHENÊS et al. 2007, FÉRES et al. 2008). Ademais, essa atividade vem se expandindo na região do ―polo da costa branca‖, na qual a potencialidade para o desenvolvimento dessa atividade econômica é quase inesgotável. Portanto, estudos mais abrangentes sobre a relação entre clima e a produção desse mineral é importante, na medida em que pesquisas que analisem os resultados econômicos e sociais relacionados com o clima, suas variabilidade e mudanças; especialmente em países em desenvolvimento; são prioritárias (IPCC, 2014). Assim, sendo a produção de sal marinho dependente do clima, torna-se razoável afirmar que cenários de mudanças climáticas projetadas pelo IPCC para o século XXI poderão influenciar o volume produzido de sal marinho ao redor do mundo. Neste contexto, a presente pesquisa é realizada no intuito de responder duas questões principais: (i). Qual o efeito do clima e seus cenários de mudanças projetados pelo o IPCC para o século XXI sobre o volume de sal produzido com uso da energia do sol, no município de Macau/Rio Grande do Norte?. (ii). Qual o impacto econômico dos cenários de mudanças climáticas para o século XXI sobre a receita de vendas das indústrias de sal marinho no estado do Rio Grande do Norte?. As hipóteses para responder a essas questões são: (i). Os cenários de mudanças climáticas projetados pelo IPCC para o século XXI poderão afetar positivamente o volume produzido de sal marinho no município de Macau/Rio Grande do Norte;. (ii). Os cenários de mudanças climáticas projetados pelo IPCC para o século XXI poderão exercer influências positivas sobre a economia da indústria de sal marinho no estado do Rio Grande do Norte;. 1.2 Objetivo Geral Na medida em que a atividade salineira no RN é fortemente dependente de condições climáticas adequadas, o objetivo geral dessa pesquisa é analisar os efeitos do clima, sua.

(21) 6. variabilidade e cenários de mudanças climáticas sobre a produção e a economia da indústria de sal marinho no estado do RN.. 1.2.1 Objetivos Específicos (i). Analisar a correlação entre as variáveis climáticas e a produção de sal marinho no município de Macau/Rio Grande do Norte. (ii). Estimar os efeitos que as mudanças climáticas poderão provocar sobre o volume produzido desse mineral no município de Macau/Rio Grande do Norte, no período de 2020 a 2100.. (iii) Analisar os impactos dos cenários de mudanças climáticas do IPCC sobre a economia salineira no estado do Rio Grande do Norte, para o período de 2020 a 2100.. 1.3 Estrutura da tese A tese está estruturada em cinco capítulos contando com essa introdução. O Capítulo 2 descreve a metodologia utilizada ao longo da tese. Os Capítulos 3 e 4 correspondem a dois artigos integrantes desta tese e estão formatados de acordo com as normas dos periódicos para os quais foram enviados. O Capítulo 3, Effects of climate on the salt by solar evaporation production in the main region of Brazil, analisa a produção de sal marinho no município de Macau/Rio Grande do Norte. Aborda a importância das variáveis climáticas para a produção de sal marinho, bem como os efeitos que as mudanças climáticas poderão provocar no volume produzido desse mineral no município de Macau – RN. O artigo está sob revisão no periódico Climatic Change, Qualis A1. O Capítulo 4, Impactos econômicos das mudanças climáticas sobre a indústria de sal marinho na principal região do Brasil, aborda os impactos das mudanças climáticas sobre a dimensão econômica da indústria salineira no RN. O artigo está aceito na Revista Brasileira de Geografia Física, Qualis B2. E, finalmente, no Capítulo 5 são apresentadas as Considerações Finais..

(22) 7. CAPÍTULO 2 MATERIAL E MÉTODOS.

(23) 8. 2.1 – Área de Estudo A área de estudo dessa pesquisa compreende os municípios de Areia Branca, Galinhos, Grossos, Guamaré, Macau, Mossoró e Porto do Mangue. Localizados no litoral setentrional do RN, esses municípios produziram, em média, 4,83 milhões de toneladas de sal marinho por ano, no período de 1990 a 2014. Dados do Censo Demográfico de 2010 (IBGE) indicam que os municípios do RN, que produzem sal marinho, ocupam uma área territorial de, aproximadamente, 2.303 Km² para uma população de 343.257 (IBGE, 2010). O Produto Interno Bruto (PIB), per capto, dos municípios dessa região para 2014 variou de R$ 13.717,75 (aproximadamente USD 5,157,05) para o município de Grossos a R$ 35.839,86 (aproximadamente USD 13,473.63) para o município de Porto do Mangue, anualmente (IBGE, 2014). A conversão do PIB de real para Dólares se deu pelo câmbio do último fechamento de 2014 (USD 1.00 = R$ 2,66). Em consequência de altas velocidades dos ventos, a região, além de sal marinho, tem se destacado também na produção de energia eólica, sendo considerada a região que mais produz esse tipo de energia no Brasil, com parques de geração de energia eólica, instalados e em instalação, que se estendem de Galinhos a Grossos. A Figura 2.1 mostra a região produtora de sal marinho no RN. Figura 2.1 – Localização geográfica da região produtora de sal marinho no Rio Grande do Norte.. Fonte: Elaborado pelo autor (2017)..

(24) 9. Essa região é formada por planícies flúvio-marinhas, ou planícies de mares (DINIZ et al., 2014), localizadas em áreas estuarinas, entre os rios Assú e Mossoró/Apodi, no litoral setentrional do RN, em um trecho de linha de costa côncava, em relação ao Atlântico (DINIZ et al., 2014). Apresenta ainda a região, um clima semiárido e um considerável déficit hidrológico anual (DINIZ, 2013). A região destaca-se também por apresentar um volume baixo de precipitação acumulada anualmente e baixa taxa umidade relativa do ar, o que contribui para temperaturas mais elevadas na região, bem como altas velocidades dos ventos, colaborando, assim, para uma elevada taxa de evaporação (DINIZ e VASCONCELOS, 2016), favorecendo as indústrias de sal marinho instaladas na região. (incluir normal climatológica) 2.2 – Material Para o Capítulo 3, dados anuais sobre produção de sal marinho no RN referentes ao período de 1997 a 2013, foram coletados do sítio do Departamento Nacional de Produção Mineral (DNPM). Para o Capítulo 4, os dados anuais foram oriundos do Anuário Estatístico Brasileiro, publicado pelo Instituto Brasileiro de Geografia e Estatística (IBGE), referente ao período de 1990 a 2014. Ressalta-se que, utilizaram-se bases de dados diferentes devido ao fato de o DNPM disponibilizar dados por município, enquanto os dados do IBGE apresentamse por Estado. Além disso, no final da década de 80 houve um aumento na demanda da indústria de sal, quando antes eram salinas artesanais e passaram a ser salinas mecânicas, fato que teve um impacto direto na produção desse mineral, motivo pelo qual deu-se a escolha do período analisado. Os dados anuais das variáveis climáticas: temperatura, insolação, velocidade do vento, evaporação, precipitação e umidade relativa foram obtidos do Banco de Dados Meteorológicos para Ensino e Pesquisa do Instituto Nacional de Meteorologia (INMET) para o mesmo período que os dados de sal marinho. Enquanto que, os dados referentes a cenários projetados de mudanças climáticas pelo IPCC (2014) para até o final do século XXI foram obtidos do fifth phase of the Coupled Model Intercomparison Project (CMIP5). 2.3 Cenários de Mudanças Climáticas do IPCC Para calcular os efeitos dos cenários de mudanças do clima sobre a produção de sal por evaporação solar, utilizaram-se quatro cenários de mudanças climáticas simulados pelo IPCC. O cenário mais otimista, Representative Concentration Pathways 2.6 (RCP2.6), que prevê um armazenamento adicional de radiação solar de 2,6 watts por metros quadrados (. ). Nesse caso, a temperatura média do planeta pode aumentar de 0,3°C a 1,7°C de.

(25) 10. 2010 a 2100. Para que esse cenário aconteça, é necessário estabilizar as concentrações de gases do efeito estufa nos próximos 10 anos e atuar para sua remoção da atmosfera (IPCC, 2014). O segundo cenário (RCP4.5) prevê armazenamento de 4,5. . Nesse caso, o. aumento na média da temperatura no planeta ficaria entre 1,1°C e 2,6°C. No terceiro cenário (RCP6.0), o armazenamento previsto é de 6,0. , suficiente para elevar a média da. temperatura terrestre de 1,4°C e 3,1°C. O pior cenário (RCP8.5), caracterizado por aumento de emissões de gases do efeito estufa em ritmo acelerado, prevê armazenamento adicional de 8.5. . Nesse cenário, a temperatura média do planeta aumentaria de 2,6°C a 4,8°C. (IPCC, 2014). 2.4 – Metodologia 2.4.1. Método Bootstrap para estimação dos coeficientes de correlação Abordagens bootstrap são técnicas não paramétricas computacionalmente intensivas, propostas por Efron (1979), nas quais a distribuição amostral de uma estatística é simulada por meio de reamostragens dos dados originais (HASMUSSEM, 1987), gerando, dessa forma, as bases para inferência por reamostragens (LUNNEBORG, 1985), por meio das estimativas empíricas relacionadas às estatísticas de interesse (MARTINEZ-SPINOSA et al., 2006). Essa técnica pode ser adotada em situações complicadas nas quais modelos paramétricos e/ou análises teóricas não sustentam os resultados, desconhecimento da função de distribuição das amostras originais ou para pequenas amostras (EFRON, 1981). A partir de uma amostra original de tamanho n (amostra mestra), com função de distribuição F e parâmetros. representativos da população da qual foi obtida e suas B. reamostragens bootstrap com reposição, também de tamanho n, que representam o que deve ser obtido quando muitas amostras bootstrap da população original são retiradas (LUNNEBORG, 1985, HESTERBERG et al. 2003). Para cada uma das B reamostras bootstrap são estimados os valores da estatística de interesse ̂. (̂ ̂ ̂. quando o número B de reamostragens bootstrap tende para o infinito (. ̂ ) Assim, ), pelo Teorema. Central do Limite, a distribuição das estatísticas bootstrap ̂ se aproxima de uma Gaussiana, podendo ser usada para inferências sobre a estatística de interesse, construção de intervalos de confiança e teste de hipótese (EFRON, 1979). Para medir a intensidade da relação entre as variáveis, inicialmente, calculou-se o coeficiente de correlação de Pearson entre a produção de sal marinho e cada variável.

(26) 11. climática a partir de técnicas paramétrica e via bootstrap para 100.000 reamostragens com reposição bem como construção de intervalos de confiança (IC) paramétrico e bootstrap percentil e Biased-Correct aceleration (BCa) para os coeficientes de correlação. Os viéses bootstrap para os coeficientes de correlação, que representam a diferença entre os coeficientes calculados pelas técnicas bootstrap e paramétrica, também foram calculados. 2.4.2. Análise de Componentes Principais Considerando a existência de multicolinearidade entre as variáveis climáticas, adotouse, como variáveis explicativas para o modelo de regressão linear múltipla para todos os artigos que compõem a tese, as componentes principais calculadas a partir da matriz de correlação amostral dos dados originais. Algebricamente, as componentes principais são combinações lineares particulares de. variáveis aleatórias. .. Geometricamente, essas combinações lineares representam a seleção de um novo sistema de coordenadas obtidas por rotação do sistema original, com. como eixos. das coordenadas. Os novos eixos representam as direções com máxima variabilidade além de representar a descrição da estrutura de covariância do sistema original (JOHNSON e WICHERN, 2007). Consequentemente, essas combinações lineares transformam um conjunto de variáveis correlacionadas correlacionadas. em um novo conjunto de variáveis não. (JOHNSON, WICHERN, 2007).. O cálculo para encontrar as componentes principais consiste em decompor a matriz de correlação. (ou a matriz de variância-covariância. normatizados. As raízes da Equação | decrescente, ou seja,. ) em seus autovalores e autovetores |. são os autovalores em ordem. , sendo que para cada autovalor corresponde um. autovetor (SHARMA, 1996; MINGOTI, 2005; JOHNSON, WICHERN, 2007). Nessa Equação,. representa a matriz de correlação e o subscrito p representa o número de. variáveis independentes. Para encontrar os autovetores considere a matriz de correlação . Então, existe uma matriz ortogonal , (SHARMA, 1996; MINGOTI, 2005; JOHNSON, WICHERN, 2007), tal que: [. ]. , sendo. ordem decrescente.. os autovalores da matriz. ordenados em.

(27) 12. Então, a i-ésima coluna da matriz ao autovalor. é o autovetor normatizado. que é representado por. é dada por. , correspondente . Assim, a matriz. e pelo teorema de decomposição espectral a seguinte. igualdade é verificada:. , sendo ⁄. igual a 1 (um), ou seja: ‖ ‖ pela ortogonalidade da matriz. um vetor de comprimento e. . Então, a j-ésima componente principal é calculada. conforme equação:. .. Essas componentes principais são não correlacionadas e seus valores numéricos, ou seja, seus escores podem ser calculados para cada elemento amostral. Dessa forma, os valores de cada componente principal podem ser analisados com uso de análise de variância, análise de cluster, análise de regressão linear (MINGOTI, 2005, JOHNSON, WICHERN, 2007). 2.4.3 Análise de Regressão por Componentes Principais Em seguida, modelos de regressão linear simples foram ajustados e seus resultados analisados, assim como modelo de regressão linear múltipla. Análise de regressão linear é uma metodologia estatística utilizada para predizer valores de uma variável resposta (dependente) a partir de uma (regressão simples) ou um conjunto de variáveis (regressão múltipla) preditoras (independentes) (JOHNSON e WICHERN, 2007, SEBER e LEE, 2007). Matematicamente, para k-variáveis independentes e n observações, a relação linear múltipla pode ser descrita pela Equação 1 (SEBER e LEE, 2007, RYAN, 2009), na qual a observação da variável dependente para o n-ésimo indivíduo, variáveis independentes,. é. são as. os parâmetros do modelo de regressão linear múltipla estimados. pelo método dos mínimos quadrados ordinários (MQO) e. o componente de erro aleatório,. assumindo que esses erros seguem uma distribuição normal e são independentes com média zero a variância constante. .. O primeiro passo para resolver a Equação 1 consiste na calibração do modelo de regressão linear múltipla, no qual são estimados os parâmetros. , que relacionam as. variáveis independentes com a variável dependente. A Equação 1 pode ser reescrita como segue:. , na qual. tem ranque completo. Então, o estimador de máxima verossimilhança para. e. tem distribuição. .. é o mesmo que o estimador de.

(28) 13. mínimos quadrados ̂ (JOHNSON e WICHERN, 2007).. É possível demostrar que o. estimador de mínimos quadrados pode ser calculado pela seguinte Equação 2: ̂ Após o ajuste do modelo de regressão linear múltipla, sua validade e uso para inferências requer alguns pressupostos em relação aos resíduos que, em geral, devem ser independentes e identicamente distribuídos (iid) e. ̂. . Testes para verificar a. significância dos parâmetros (teste t) e validade do modelo (teste F) devem ser observados. Para testar a normalidade dos resíduos, optou-se pelo o teste de Shapiro-Wilk, enquanto que o teste de Durbin-Watson foi utilizado para testar autocorrelação dos resíduos e o teste de Breusch-Pagan para heterocedasticidade dos resíduos..

(29) 14. CAPÍTULO 3. ARTIGO 1. EFFECTS OF CLIMATE ON THE PRODUCTION OF SALT IN THE MAIN REGION OF BRAZIL. Antonio Felipe de Paula Junior Kellen Carla Lima Maria Helena Constantino Spyrides. Artigo sob revisão na revista científica Climatic Change Qualis: Capes A1 Área: Geociências.

(30) 15. Abstract The production of salt by solar evaporation is a human activity that is strongly affected by climatic conditions. Better production has been observed in regions characterized by high temperatures, long periods of sunlight, strong winds, high evaporation, low accumulated precipitation, and low relative humidity. The main objective of this study was to analyze the effects of climate changes projected by the Intergovernmental Panel on Climate Change (IPCC) on the amount of salt produced by solar evaporation. Pearson correlation coefficients — both parametric and those produced by bootstrap resampling — were calculated between the salt production by solar evaporation and individual climate variables, as were their respective confidence intervals. Simple linear regression and multiple linear regression models by principle components were subsequently developed to assess the impact of climate changes on salt production by solar evaporation based on an analysis of four climate-change scenarios simulated by the IPCC. The models yield correlations between the amount of salt produced and the temperature, hours of sunlight, evaporation, and wind speed (positive correlations) and the precipitation and relative humidity (negative correlations). Increases in amount of salt produced by solar evaporation were projected in the four climate change scenarios, based on both the simple linear regression models and the multiple linear regression model by principle components, and it is reasonable to conclude that the climate changes will positively impact the solar-evaporation salt industry in the IPCC scenarios.. Keywords: salt, climatic conditions, correlation, confidence intervals, principal components..

(31) 16. 3.1 Introduction The production of salt by solar evaporation starts with pumping of salt water into basins that are exposed to the open sky and are connected with one another. The sun and wind do the rest of the work, i.e., concentrate the brine by evaporation until salt crystals precipitate (Kuri, 2007; Hough, 2008). Solar evaporation produces more than one third of all types of salt worldwide (Kasedde et al., 2012; Kasedde et al., 2014), and the amount and quality of the salt produced in this way are significantly affected by climatic conditions (Zhiling and Guangyu, 2009). Empirical studies have suggested that the exposure of these basins to elevated temperatures, intense solar radiation, and natural winds contributes to continuous evaporation of the salt water and to the formation of salt crystals (Jhala, 2006; Laganis and Debeljak, 2006; Mani et al., 2012). Ravizky and Nadav (2007) studied the production of salt by solar evaporation from brines generated by seawater reverse osmosis (SWRO) plants in Eilat, Israel, and concluded that the production of this mineral is profitable in the Persian Gulf countries given that these countries have favorable climatic conditions for this activity, such as intense solar radiation and constant winds. Meteorological variables such as the intensity of solar radiation, temperature, wind speed, and relative humidity significantly affect the evaporation process and thus the amount of salt produced by solar evaporation (Zhang et al., 1993). Similarly, Mani et al. (2012) attributed the successful production of this mineral in Goa, India, to intense solar radiation and strong winds. Suitable climatic conditions are required for the production of salt by solar evaporation. Thus, climatic variables such as temperature, insolation, evaporation, wind speed, precipitation, and relative humidity have been suggested as the factors controlling the amount of salt produced by solar evaporation. High temperatures during daylight hours heat the surface of the water, causing it to evaporate, while the wind transports away the water vapor, thereby ensuring the continuity of the evaporation process (Moita et al., 2005; Tamimi and Rawajfeh, 2007). Conversely, the literature indicates that high relative humidity and precipitation adversely affect the production of salt by evaporation (Akridge, 2008; Affam and Asamoah, 2011). High relative humidity lowers the temperature, and precipitation dilutes the.

(32) 17. concentrated brine, thereby delaying the formation of salt crystals and reducing the amount of salt produced (Laganis and Debeljak, 2006). Thus, given that the production of salt by solar evaporation depends on suitable climatic conditions, better salt production has been observed at low latitudes, where sunlight is intense and days are long, and in regions of low relative humidity and low precipitation (Akridge, 2008; Affam and Asamoah, 2011) and in other regions where the annual amount of evaporation exceeds precipitation (Myers and Bonython, 1958). Studying how the amount of salt produced by solar evaporation is affected by climatic conditions is important for two reasons. First, the climate changes during the 21st century predicted by the IPCC are likely to alter the amount of salt that is produced. Second, but no less important, is the scarcity of quantitative studies on this topic. Thus, the following question needs to be answered: What will be the impact of these climate changes projected by IPCC on the amount of salt produced by solar evaporation in Macau – RN? Assuming that this amount is positively affected by climate changes, the main objective of this study was to analyze the effects of climate changes on the amount of salt produced by solar evaporation based on the climate change scenarios projected by the IPCC. Specifically, we calculated the Pearson correlation coefficient between the amount of salt produced and each climatic variable; developed corresponding parametric confidence intervals (CIs); used percentile, bias-corrected, and accelerated (BCa) bootstrap resampling techniques to develop the coefficients; developed simple linear regression models between the amount of salt produced by solar evaporation (dependent variable) and each climatic variable (independent variable) to calculate the amount by which the salt production varies with each climatic variable; and fitted a multiple linear regression model with principal components to analyze the effects of the projected climate changes on the amount of salt produced in the municipality of Macau, Brazil. 3.2 Material and methods The study area is located in the municipality of Macau, on the northern coast of the state of Rio Grande do Norte (RN), in northeastern Brazil (NEB), in an area in the Assu River basin. Due to the favorable local climatic conditions for the production of salt by solar evaporation, the municipality of Macau produces an average of 1.7 million tons of this mineral annually, which is approximately one third of the amount of this type of salt produced.

(33) 18. in RN. This rate of production places the municipality among the thirty largest producers of salt by solar evaporation worldwide. The estimated population of Macau in 2015 was 31,318 inhabitants. In 2013, the gross municipal product (GMP) of Macau was BRL 924,703,000, or approximately USD 395,172,222, based on the 2013 exchange rate of USD 1.00 = BRL 2.34. The GMP per capita in 2013 was BRL 30,072.61 (Brazilian Institute of Geography and Statistics — IBGE) (http://www.cidades.ibge.gov.br), or approximately USD 12,851.54. The 2013 price per ton of salt produced by solar evaporation was USD 54.00. Figure 3.1 shows the location of Macau.. Figure 3.1 Location of the municipality of Macau, Rio Grande do Norte. Data on the annual production of salt by solar evaporation in the state of RN, which were available only for the period of 1997 to 2013, were obtained from the website of the National Department of Mineral Production (DNPM) (www.dnpm.gov.br/). Monthly mean values of the climatic variables were obtained from the meteorological station belonging to the National Institute of Meteorology (INMET) (http://www.inmet.gov.br/bancodedados) located in the municipality of Macau. The following variables were assessed: temperature (°C = degrees Celsius), insolation (h = hours), evaporation (mm = millimetres), wind speed (m/s = metres per second), precipitation (mm = millimetres), and relative humidity (% = percentage). Initially, the Pearson correlation coefficient between the salt production and each climatic variable was calculated using parametric and bootstrap techniques for 100,000 resampling with replacement, and parametric, percentile, and BCa bootstrap CI were.

(34) 19. developed for the correlation coefficients. The bootstrap biases for the correlation coefficients, which represent the differences between the coefficients calculated using the bootstrap and parametric techniques, were also calculated. The bootstrap approach is a computationally intensive non-parametric technique that was proposed by Efron (1979). In this technique, the sampling distribution of a statistic is simulated via resampling of the original data (Hasmussen, 1987), thereby generating the bases for inference by resampling (Lunneborg, 1985) through empirical estimates related to the statistics of interest (Martinez-Spinosa M et al., 2006). This technique can be used in complex situations in which parametric models and/or theoretical analyses do not support the results, the distribution function of the original samples is not known, or the number of samples is small (Efron, 1981). Part of an original sample of size n (master sample), with a distribution function F and parameters. representative of the population from which it was obtained and its bootstrap. resamples with replacement B, also of size n, represent what should be obtained when many bootstrap samples of the original population are removed (Lunneborg, 1985; Hesterberg et al., 2003). For each bootstrap resample, B, the values of the statistics of interest ̂ (̂ ̂ ̂. ̂ ) are estimated. Thus, when the number of bootstrap resamples, B, tends to. infinity (. ), according to the central limit theorem, the distribution of the bootstrap. statistics, ̂ , approaches a Gaussian distribution, and confidence intervals and hypothesis testing can be used to make inferences regarding the statistic of interest (Efron, 1979). Subsequently, simple linear regression models and a multiple linear regression model by principle components were fitted, and their results were analyzed. Linear regression analysis is a statistical method used to predict the values of a (dependent) response variable based on a simple regression or a set of (independent) predictor variables (multiple regression) (Johnson and Wichern, 2007; Seber and Lee, 2012). Mathematically, for k independent variables and n observations, the multiple linear relationship can be represented by Equation 3.1 (Ryan, 2009; Seber and Lee, 2012), in which is the observation of the dependent variable for the nth individual, represents the independent variables,. represents the parameters of the multiple linear. regression model estimated using the ordinary least squares (OLS) method, and. is the. random error component, assuming that these errors follow a normal distribution and are independent with a mean of zero and a constant variance of. ..

(35) 20. Considering the existence of multicollinearity between the climatic variables, the principal components calculated from the sample correlation matrix of the original data were adopted as explanatory variables in the multiple linear regression model. Algebraically, principal components are particular linear combinations of. random variables:. .. Geometrically, these linear combinations represent the selection of a new coordinate system obtained by rotation of the original system, with. as the axes of the coordinates.. The new axes represent the directions with maximum variability and describe the covariance structure of the original system (Johnson and Wichern, 2007). Thus, the jth principal component — for by Equation 2, in which eigenvectors, and. — is defined. is the jth principal component,. represents the normalized. is the matrix of random vectors of the original variables. Equation 3.2. makes it possible to calculate the value of each principal component based on the original variables. Note that changing the means of the original variables will change the value of each principal component.. To calculate the effects of climate changes on the production of salt by solar evaporation, four climate-change scenarios simulated by the IPCC were used. The most optimistic scenario — Representative Concentration Pathway 2.6 (RCP2.6) — projects additional solar radiation storage of 2.6 watts per square metre (. ). In this case, the mean. temperature of the planet would increase between 0.3 and 1.7 °C from 2010 to 2100. For this scenario to occur, it is necessary to stabilize greenhouse gas concentrations in the next 10 years and act to remove them from the atmosphere (IPCC, 2013). The second scenario (RCP4.5) projects storage of 4.5. . In this scenario, the. increase in the planet's mean temperature would be between 1.1 and 2.6 °C. In the third scenario (RCP6.0), the projected storage is 6. , which is sufficient to raise the mean. terrestrial temperature between 1.4 and 3.1 °C. The worst-case scenario (RCP8.5), which is characterized by greenhouse gas emissions increasing at an accelerated pace, projects additional storage of 8.5. . In this scenario, the planet's mean temperature would. increase between 2.6 and 4.8 °C (IPCC, 2013)..

(36) 21. 3.3 Results Table 3.1 shows the calculated Pearson correlation coefficients between the production of salt by solar evaporation and the climatic variables and their respective pvalues, in addition to their respective biases, estimated from 100,000 bootstrap resampling with replacement. Note that based on the parametric tests, only the Pearson correlation coefficient between the amount of salt produced and the relative humidity was not statistically significant at the 5% level (p-value = 0.0614). Additionally, the use of the bootstrap technique enabled estimation of the Pearson correlation coefficients, and these values were very close to those estimated using the parametric method, with biases of less than 6%. The climatic variables that correlated positively with the salt production were evaporation, temperature, wind speed, and insolation. In contrast, precipitation correlated negatively with salt production, whereas the correlation coefficient for humidity was not statistically significant.. Table 3.1 - Results of the parametric tests and bootstrap resamplings for the Pearson correlation coefficients between the production of salt by solar evaporation and the climatic variables for the 1997–2013 period, in the municipality of Macau, Rio Grande do Norte. Parametric test. Bootstrap resampling. Climatic variable Pearson p-value. Bootstrap. Bias. Temperature. 0.63. 0.0069. 0.61. -0.01. Insolation. 0.49. 0.0448. 0.49. -0.00. Evaporation. 0.71. 0.0015. 0.67. -0.04. Wind speed. 0.62. 0.0080. 0.62. -0.00. Precipitation. -0.56. 0.0191. -0.50. 0.06. Humidity. -0.46. 0.0614. -0.43. 0.03. Table 3.2 presents the parametric, percentile, and BCa bootstrap confidence intervals for the Pearson correlation coefficient between each climatic variable and the salt production by solar evaporation in the municipality of Macau. There is a lack of agreement among the methods regarding the significance of the correlation between the climatic variables and the.

(37) 22. amount of salt. All three methods produced good agreement only for the evaporation and wind speed. Based on the parametric results at the 5% level, there was no significant correlation between the amount of salt produced and the relative humidity. Based on the percentile bootstrap results, the confidence interval validates the correlation between the amount of salt produced and the temperature, evaporation, and wind speed. Based on the BCa bootstrap results, the confidence interval validates the correlation between the amount of salt that is produced and the evaporation, wind speed, and precipitation.. Table 3.2 - Parametric, percentile, and BCa confidence intervals for the Pearson correlation coefficients between the amount of salt produced by solar evaporation and the climatic variables. Climate variable. Parametric. Percentile. BCa. Temperature. (0.21; 0.85). (0.11; 0.89). (-0.01; 0.86). Insolation. (0.01; 0.78). (-0.01; 0.83). (-0.16; 0.79). Evaporation. (0.34; 0.88). (0.22; 0.90). (0.24; 0.90). Wind Speed. (0.19; 0.84). (0.29; 0.81). (0.27; 0.80). Precipitation. (-0.82; -0.11). (-0.83; 0.08). (-0.86; -0.02). Humidity. (-0.77; 0.02). (-0.81; 0.11). (-0.82; 0.10). Table 3.3 presents the coefficients estimated using OLS for the simple linear regression models (. intercept, and. the coefficient, which represent the rate of. variation in the response variable due to variations in the explanatory variable), their respective p-values, and the coefficients of determination (. ) of the models. The table also. presents the simulated results for these coefficients based on 100,000 bootstrap resamplings with replacement and their respective biases. At the 5% level, only the coefficient of the simple linear regression model fit with the relative humidity was not statistically significant (p-value = 0.0614)..

(38) 23. Table 3.3 - Parameters, p–values, and. of the simple linear regression models estimated. using the ordinary least squares method and bootstrap resampling. Ordinary least squares. Bootstrap resampling. Model p-value Salt v.. -4.700. temperature Salt v. insolation Salt v. evaporation Salt v. wind speed Salt v. precipitation Salt v. humidity. p-value. 0.037*. Bias. Bias. 0.197. 0.007**. 0.39. -4.664. 0.037 0.1967. -0.001. 1.111 0.001**. 0.003. 0.0448*. 0.24. 1.093. -0.018 0.003. 0.000. 0.984 0.000. 0.0006 0.0015**. 0.50. 1.012. 0.028. 0.0005. 0.000. -0.490 0.506‗‘. 0.260. 0.38 - 0.574. -0.084. 0.270. 0.001. 1.896 0.000. -0.0003 0.0191*. 0.31. 1.883. -0.013 -0.0002. 0.000. 3.483 0.001**. -0.0247 0.0614‗‘. 0.21. 3.472. -0.011 -0.0245. 0.000. 0.0080**. Legend: Significant at 0; ‗***‘ 0.001; ‗**‘ 0.01; ‗*‘;0.05; ‗¨‘ 0.1; ‗‘ 1.. Table 3.4 presents the projected increases in mean temperature and the percentage changes in annual precipitation in NEB during the period of 2020 to 2100 in the four climatechange scenarios: RCP2.6, RCP4.5, RCP6.0, and RCP8.5. All the scenarios include an increase in the mean temperature. In scenario RCP8.5 (worst-case scenario), the projected increase in mean temperature in the NEB region would exceed 6°C by 2100. The four scenarios involve a decrease in annual mean precipitation, and in scenario RCP2.6, the decrease will exceed 7% by 2100. Table 3.4 - Projected temperature and precipitation changes in the CMIP5 global models. The table shows mean surface temperature changes in ºC and precipitation as a percent change relative to 1986–2005 in northeastern Brazil. Temperature change (°C) RCP2.6 RCP4.5 RCP6.0 RCP8.5. Precipitation change (%) RCP2.6. RCP4.5. RCP6.0. RCP8.5. 5.3620. -9.0659. -15.7184. -37.4732. -3.4981. -13.6385. 2020 0.6548. 1.0859 0.3583 0.9476. 26.0411. 2030 0.6020. 1.0998 0.2765 1.1299. 9.6814.

(39) 24. 2040 1.7712. 1.2488 1.2488 1.3208. -11.7527. -1.5808. -39.0860. 4.2980. 2050 1.6495. 2.0952 2.0352 1.8185. 10.6729. -22.4865. -15.0736. -40.4581. 2060 1.7297. 2.3909 2.2421 2.9777. -20.8232. 10.1609. -9.0207. -39.4500. 2070 2.4479. 2.6087 1.9065 3.7084. -20.8515. -19.8577. -19.7650. -9.1682. 2080 1.8269. 2.9061 2.4865 4.1188. -16.5128. 16.2736. -26.7482. 1.9957. 2090 1.5754. 3.2289 3.3080 4.9335. 27.6814. -3.1220. 9.2382. -3.8736. 2100 2.0549. 2.3310 3.7370 6.5904. -27.3148. 8.7134. 2.2984. -9.1426. Source: IPCC, 2014.. Table 3.5 presents the projected changes in the amount of salt produced by solar evaporation in relation to the mean during the period of 1997–2013 (1.7022 million tons per year), due to the increase in the mean temperature and the percentage changes in annual precipitation in NEB, in accordance with the four climate-change scenarios projected by the IPCC. With the changes in temperature and precipitation, an increase is projected for the total amount of salt produced by solar evaporation in the four climate-change scenarios.. Table 3.5 - Projected changes in the amount of salt produced by solar evaporation, in millions of tons, as a result of increasing mean temperature and percentage changes in annual precipitation in north-eastern Brazil, in the four climate-change scenarios simulated by IPCC (2014). Temperature change (°C). Precipitation change (%). RCP2.6 RCP4.5 RCP6.0 RCP8.5. RCP2.6. RCP4.5. RCP6.0. RCP8.5. 2020. 0.1293. 0.2145 0.0708 0.1872. -0.0475. -0.0097. 0.0165. 0.0287. 2030. 0.1189. 0.2173 0.0546 0.2232. -0.0176. 0.0684. 0.0063. 0.0249. 2040. 0.3499. 0.2467 0.2467 0.2609. 0.0214. 0.0028. 0.0713. -0.0078. 2050. 0.3259. 0.4140 0.4021 0.3593. -0.0194. 0.0410. 0.0275. 0.0738. 2060. 0.3417. 0.4724 0.4430 0.5883. 0.0380. -0.0185. 0.0164. 0.0720.

(40) 25. 2070. 0.4837. 0.5154 0.3767 0.7327. 0.0380. 0.0362. 0.0360. 0.0167. 2080. 0.3609. 0.5742 0.4913 0.8138. 0.0301. -0.0297. 0.0488. -0.0036. 2090. 0.3112. 0.6380 0.6536 0.9748. -0.0505. 0.0057. -0.0168. 0.0070. 2100. 0.4060. 0.4606 0.7384 1.3022. 0.0498. -0.0159. -0.0041. 0.0166. Table 3.6 presents the standard deviation and the proportion of variance explained by each principal component and the variance accumulated by the jth principal components. The first three principal components explain more than 87% of the total variance in the original data. Thus, only the first three principal components were used in the multiple linear regression model. Table 3.6 -. Standard deviation, proportion of variance, and proportion of variance. accumulated by the jth principal components. Principal component (PC). PC1. PC2. PC3. PC4. PC5. PC6. Standard deviation. 2.00. 0.86. 0.70. 0.58. 0.53. 0.35. Proportion of variance (%). 0.67. 0.12. 0.08. 0.06. 0.05. 0.02. Cumulative proportion (%). 0.67. 0.79. 0.87. 0.93. 0.98. 1.00. Table 3.7 shows the weighting of each climatic variable with respect to the principal components. The first principal component represents a general index of the amount of salt produced using solar energy. This principal component is negatively weighted with respect to the temperature, evaporation, wind, and insolation and is positively weighted with respect to the precipitation and relative humidity. Thus, increases/decreases (in absolute values) in the variables with negative weightings result in decreases/increases in the value of the first principal component, whereas increases/decreases in the variables with positive weightings result in increases/decreases in the value of the first principal component. Table 3.7 - Weightings of the climatic variables with respect to each principal component. Temperature Evaporation Wind Insolation Precipitation Humidity -0.3014. -0.4127. -0.3014. -0.4498. 0.4317. 0.3657. 0.0635. 0.1418. -0.8873. -0.0765. -0.1591. -0.3966.