Previsão de tempo, clima e projeções climáticas

Previsão de tempo, clima e projeções climáticas

Gilvan Sampaio

(gilvan.sampaio@inpe.br)

Instituto Nacional de Pesquisas Espaciais - INPE

Centro de Previsão de Tempo e Estudos Climáticos - CPTEC

XVIII CURSO DE USO ESCOLAR DO SENSORIAMENTO REMOTO NO ESTUDO DO MEIO AMBIENTE

Resultado de complexas interações entre diversos

subsistemas

Monitoramento do fenômeno El Niño

e seus impactos

Avanços na Previsão de Tempo

 Pre-história O homem primitivo primeiro meteorologista

 Antigos Gregos s.V a c. Especulações sobre a atmosfera

 Antigos Marinheiros Observação da natureza

 S XVIII Cálculo diferencial

Leis da Física

 Sistematização da Previsão do Tempo  Invenção do Radar

 Sondagens atmosféricas

 Descobrimento da circulação dos altos níveis  Teorias sobre movimento e evolução

 Segunda Guerra

 1950s • Radar Meteorológico

• Primeiros computadores

• Primeiros modelos atmosféricos

• 1960-1970s • Satélite Meteorológico

• Desenvolvimento de melhores modelos dinâmicos

• ALTITUDE: ~36.000 km

• Área de observação é sempre a mesma • Meteorológicos e de Comunicação

Sensoriamento remoto via satélite

Satélite TIROS (Television

Infrared Observation Satellite) e primeira imagem de

sensoriamento via satélite Fonte: NOAA

Satélite TIROS e uma das primeiras previsões meteorológicas a partir de imagens de satélite

Sensoriamento remoto via satélite

MSG

PREVISÃO DE TEMPO (até 1994 - Brasil)

 Dados de superfície coletados através das estações convencionais, sondagens, bóias, navios, etc. e transmitidas via radio teletipo (TELEX).

 Cartas plotadas manualmente (mapa da América do Sul) a cada 3 horas.

 Imagens de satélites impressas em FAXSIMILE

 Informações de radiossondagens (altos níveis).

 Aplicação de regras gráficas para prever o deslocamento dos sistemas principais.

PREVISÃO DE TEMPO (até 1994 - Brasil)

 Dados de superfície coletados através das estações convencionais, sondagens, bóias, navios, etc. e transmitidas via radio teletipo (TELEX).

 Cartas plotadas manualmente (mapa da América do Sul) a cada 3 horas.

 Imagens de satélites impressas em FAXSIMILE

 Informações de radiossondagens (altos níveis).

 Aplicação de regras gráficas para prever o deslocamento dos sistemas principais.

Em 1990, a meteorologia

operacional era

praticamente a mesma da

década de 60; entretanto,

as bases para o avanço já

vinham sendo

construídas também

desde a década de 60: o

desenvolvimento de uma

comunidade científica

atuante baseada na

Pós-Graduação e ativa

colaboração com centros

avançados no Exterior.

A Meteorologia Operacional do Brasil em 1990

Modelo Atmosférico Global

Número de elementos:

192 x 96 x 28 x 7= 3,6 milhões

E-W N-S Vertical

Calcula-se para cada um destes volumes:

Temperatura, umidade, direção e velocidade do vento, altura geopotencial.

Domínio Geográfico

Código computacional (centenas de milhares de linhas de código) que representa aproximações

numéricas de equações matemáticas, equações estas representativas das Leis Físicas que regem os movimentos da atmosfera e as interações com a superfície; o cálculo é feito para até 15 dias de

previsão.

www.cptec.inpe.br

28 níveis verticais

Representação aritmética aproximada das equações

matemáticas que regem os movimentos da atmosfera e

suas interações com a superfície terrestre

MODELAGEM NUMÉRICA

Supercomputadores

NEC SX-6 NEC SX-4 CENAPAD Ambiental NEC SX-3

768 bilhões de

contas por

segundo

Tupã

Com velocidade máxima de 258 Teraflops, equivalente a 258 trilhões de cálculos por segundo, o Tupã, na época de sua instalação, era o 29º mais rápido supercomputador do mundo, de acordo com a lista Top 500 - Novembro de 2010, e o 3º mais poderoso entre os supercomputadores dedicados à previsão numérica operacional de tempo e de clima sazonal.

Modelo Numérico Atmosférico (Oceânico)

“Código computacional complexo (mais de 100 mil linhas de

instrução), com representações numéricas aproximadas das

equações matemáticas que representam as Leis da Física, as

quais governam os movimentos na atmosfera (oceanos) e as

interações com a superfície”

“Atmosfera é dividida em alguns milhões de volumes

discretos (~100 km x 100 km x 0,5 km) e, em cada um desses

volumes, computa-se a temperatura e umidade do ar, vento e

pressão para instantes de tempo futuros (previsão)”.

Sistema de equações em coordenada



0 η η. . _{η η }                                                F p p T R fk η p η p η η p η p t v d v v vv v









p p T R_{d v}    0   p T dt dT

_



k=R/Cp



_                  0 p d p dt dp v v 0 η p η η η p v 1 η s                           t  p_s



 _ _   s η 0 η s _dη η p v t p     dη η p v t p η η η p η η s



           0 η _       Momento Hidrost Termod Continuidade Mov Vert

S

q

dt

dq





' www.cptec.inpe.br

Modelo Atmosférico Global

Número de elementos:

192 x 96 x 28 x 7= 3,6 milhões

E-W N-S Vertical

Calcula-se para cada um destes volumes:

Temperatura, umidade, direção e velocidade do vento, altura geopotencial.

Domínio Geográfico

Código computacional (centenas de milhares de linhas de código) que representa aproximações

numéricas de equações matemáticas, equações estas representativas das Leis Físicas que regem os movimentos da atmosfera e as interações com a superfície; o cálculo é feito para até 15 dias de

previsão.

www.cptec.inpe.br 28 níveis

Os modelos devem representar todos os componentes do Sistema Climático

Entretanto, muitos destes componentes não são representados (por exemplo: erupções vulcânicas) ou são representados através de parametrizações.

Modelos climáticos – são códigos computacionais baseados nas equações matemáticas fundamentais do movimentos,

termodinâmica e transferência radiativa.

Os modelos climáticos são extensões dos modelos de previsão de tempo.

Estas equações governam:

 Fluxos de ar e água – ventos na atmosfera, correntes nos oceanos.

 Trocas de calor, água e momentum entre a atmosfera e a superfície terrestre.

 Liberação de calor latente por condensação durante a formação de nuvens e gotas de chuva.

 Absorção da radiação solar e emissão da radiação térmica (infravermelha).

Processos que ocorrem na escala sub-grid são modelados por

parametrizações.

Parametrizações físicas nos modelos atmosféricos

Processos que não são explicitamente representados pelas variáveis básicas dinâmicas e termodinâmicas nas equações básicas (dinâmica, continuidade, termodinâmica, equação do estado) na grade do modelo precisam ser incluídas por parametrizações.

 Erros sistemáticos dos modelos acoplados

 Modelos não acoplados não são apropriados para simular a

Natureza em algumas regiões/estações: O CLIMA É UM

PROCESSO ACOPLADO.

 As respostas da atmosfera não são lineares

 Distinção entre as diversas variabilidades do sistema climático.

 Parametrizações – o ideal é representar explicitamente os

processos físicos.

 Condições iniciais e de contorno provenientes das observações:

melhorar resoluções espaciais e temporais e utilizaçao de novas aplicações de satélites.

 IPCC 2007: Os modelos usados até agora não abrangem as

incertezas no processo de realimentação entre o clima e o ciclo do carbono nem compreendem todos os efeitos das mudanças no fluxo do manto de gelo, porque falta uma base nas publicações científicas.

Condição Inicial

Condição Final

Observações

Meteorológica Previsão

Modelo Numérico de Previsão de Tempo

Centro de Previsão de Tempo e Estudos Climáticos

www.cptec.inpe.br

200

km

200 km

1994-SX3

Evolução da Resolução do Modelo Global do CPTEC

Grau de Acerto das previsões do Modelo Global do CPTEC

CPTEC apresenta índices de acerto comparáveis aos maiores Centros de Previsão do Mundo www.cptec.inpe.br

Divulgação para Usuários

Limitações da Previsão de Tempo

 Sistemas de escala pequena

 Sistemas de desenvolvimento rápido

 Nível de detalhamento espacial e temporal

 Prazo

 Intensidade dos fenômenos

A atmosfera é

CAÓTICA

para prazos de

previsão superiores a

cerca de 2 semanas.

Condição Inicial

Condição Final

Observações Meteorológicas Previsão

~ 2 semanas

Tempo

Centro de Previsão de Tempo e Estudos Climáticos

PARADOXO APARENTE DA PREVISÃO

• “As

flutuações

atmosféricas

são

caóticas

(imprevisíveis) em escalas de tempo superiores a 2

semanas”

mas

• “Para algumas regiões do planeta, principalmente

tropicais, o

estado médio

da atmosfera (clima) é

previsível com meses de antecedência”

Centro de Previsão de Tempo e Estudos Climáticos

REFERENCIAL TEÓRICO PARA PREVISÃO

CLIMÁTICA SAZONAL

“O

estado médio

da atmosfera é previsível para

aquelas regiões onde as variações climáticas

sazonais são controladas pelas lentas variações das

temperaturas da superfície dos oceanos tropicais”

http://www.cptec.inpe.br BAIXA PREVISIBILIDADE ALTA PREVISIBILIDADE ALTA - MÉDIA PREVISIBILIDADE MÉDIA PREVISIBILIDADE ALTA - MÉDIA PREVISIBILIDADE MÉDIA PREVISIBILIDADE

PREVISIBILIDADE CLIMÁTICA SAZONAL PARA O NORTE DO NORDESTE

Influência Remota do Oceano Pacífico Tropical

(El Niño e La Niña)

Influência Direta do Oceano Atlântico Tropical Centro de Previsão de Tempo e Estudos Climáticos

Quente Frio Frio Quente Quente Frio Seco Chuvoso

ELABORAÇÃO DA PREVISÃO CLIMÁTICA

DISCUSSÃO CLIMÁTICA

 Para tentar maximizar o desempenho da previsão sazonal pode-se utilizar a técnica da previsão por conjuntos.

 Em geral, a média dos membros do conjunto de previsões resulta numa previsão melhor que a de cada elemento (Tracton e Kalnay, 1993; Coutinho, 1999).

 Método mais utilizado para gerar o conjunto em previsão climática sazonal – escolher CI separadas de 24 horas – assume-se que é um problema de CC.

 A dispersão das previsões no conjunto fornece um meio para estimar a quantidade de possíveis cenários diferentes para a previsão, e a quantidade de cenários está associada à previsibilidade.

 Em teoria, segundo Brankovic et al. (1994), a dispersão das previsões é uma boa estimativa do desvio padrão da distribuição de probabilidade dos estados de previsão, o que

indica que a média do conjunto (“ensemble mean”) seria

relativamente mais confiável quando a divergência das previsões é relativamente menor. Por outro lado, uma grande dispersão do conjunto de previsões seria o indicador de uma previsão não realista.

Condição Final Condição Inicial

meses

Alta Previsibilidade Baixa Previsibilidade

Condição Final Condição Inicial

meses

Avaliação da previsibilidade climática

maior dispersão entre os membros

- previsível





menor dispersão entre os membros

+ previsível





NOV DEZ JAN FEV ... JUN

TSM:Obs. TSM Prevista:

Anomalias Persistidas Previsão para o Pacífico

Previsão para o Pacífico e Atlântico

SIMULAÇÃO PREVISÃO PREVISÃO SAZONAL  PREVISÃO MÉDIA DO CONJUNTO SUBTRAÇÃO

NOV DEZ JAN FEV ... JUN SIMULAÇÃO CLIMATOLÓGICA TSM CLIMATOLÓGICA PREVISÃO DA ANOMALIA CLIMATOLOGIA DO MODELO CLIMATOLOGIA DO MODELO MÉDIA DO CONJUNTO CONJUNTO 1 N 2 1 N 2 NO SIMULAÇÃO CI1 CI₂ CIN CI1 CIN CI2 NO CONJUNTO 1 N 2 1 N 2 SIMULAÇÃO CLIMATOLÓGICA    PREVISÃO

Previsão Climática Sazonal do CPTEC/INPE

Esquema Operacional

Fatores que afetam a qualidade das previsões de

clima

 Sistema de observação das

condições oceânicas;

 Acoplamento oceano-atmosfera

(mudança do padrão oceânico)

 O modelo numérico

 Avaliação, verificação e desenvolvimento do modelo

 Esforço na interface previsor/modelo

Limitações da Previsão Climática

 Nível de detalhamento

Espacial e temporal

 Prazo

 Intensidade dos fenômenos

 Erros sistemáticos dos modelos acoplados

 Modelos não acoplados não são apropriados para simular a

Natureza em algumas regiões/estações: O CLIMA É UM

PROCESSO ACOPLADO.

 As respostas da atmosfera não são lineares

 Distinção entre as diversas variabilidades do sistema climático.

 Parametrizações – o ideal é representar explicitamente os

processos físicos.

 Condições iniciais e de contorno provenientes das observações:

melhorar resoluções espaciais e temporais e utilizaçao de novas aplicações de satélites.

 IPCC 2007: Os modelos usados até agora não abrangem as

incertezas no processo de realimentação entre o clima e o ciclo do carbono nem compreendem todos os efeitos das mudanças no fluxo do manto de gelo, porque falta uma base nas publicações científicas.

• SW Radiation fluxes (albedo) • Momentum fluxes (roughness)

• Sensible and latent fluxes (partition of energy)

Trade Winds

Surface Winds

Drag

Solo

Variáveis Prognósticas dos Modelos

• Atmosphere – temperature – wind – moisture • Surface – pressure – temperature – snow amount • Soil – temperature – moisture

dX/dt = Dinâmica + Parametrizações

• Ocean – temperature – Currents – salinity

Increasingly, climate models are being extended to include chemical and biological processes with many more prognostic variables

Brief history of climate modelling (I)

• 1922: Lewis Fry Richardson

– basic equations and methodology of numerical weather prediction

• 1950: Charney, Fjørtoft and von Neumann (1950)

– first numerical weather forecast (barotropic vorticity equation model)

• 1956: Norman Phillips

– first general circulation experiment (two-layer, quasi-geostrophic hemispheric model)

• 1963: Smagorinsky, Manabe and collaborators at GFDL, USA – 9 level primitive equation model

• 1960s and 1970s: Other groups and their offshoots began work – University of California Los Angeles (UCLA), National Center

for Atmospheric Research (NCAR, Boulder, Colorado) and UK Meteorological Office

Brief history of climate modelling (II)

• 1980s: First coupled model simulations

• 1990s onwards: Era of model intercomparisons – AMIP, CMIP, SMIP, ENSIP, PMIP……

• 2000 onwards: Multi-model ensemble seasonal forecasting systems

– DEMETER

• 2004: EU ENSEMBLES Project – combined seasonal-to-decadal and climate change multi-model ensembles • 2007: IPCC Fourth Assessment Report

– climate projections to 2100 from 18 coupled ocean-atmosphere-cryosphere models.

Ocean-Atmosphere Interaction

• The ocean and atmosphere interact

continuously

• Fluxes of heat, fresh water and

momentum

(+ numerous chemical species)

Surface

boundary

layer

Q_{net heat} Precipitation Evaporation windstress

Basic properties of the Ocean

Advective mid-latitude internal Rossby waves

Atmos. ~10 m/s ~10 m/s Ocean ~1-10 cm/s ~1cm/s • Density:

– At SLP ocean is ~ 1000x more dense than the atmosphere • Heat capacity:

– Specific heat capacity is ~1200x atmosphere – 2.5m of ocean has same heat capacity as whole

atmosphere • Velocities:

• Ocean moves and adjusts ~1000x more slowly than the atmosphere – a source of memory in the climate system

Evolução dos Modelos Climáticos:

1955-2004

 Atmospheric General Circulation Models (1960-1965)

 Smagorinsky, Manabe, Arakawa and Mintz, Leith, …

 Oceanic General Circulation Models (1963-1967)

 Bryan, Sarkisyan, Bryan and Cox, Takano and Mintz, Semtner, …

 Land Surface Processes Models

 Manabe (1965); Dickinson (1984), Sellers et al. (1986), …

 Coupled Climate Models

 Manabe and Bryan (1969); Gates, Hansen, Hasselmann, Meier-Reimer, Mitchell, Washington, …

Geographic resolution characteristic of the

generations of climate models used in the IPCC Assessment Reports: FAR (1990), SAR (1996), TAR (2001), and AR4 (2007). Chapter 1 1990 1996 2001 2007

Circulação Atmosférica e Radiação

Continente e Oceano

IPCC – FAR - 1990

Impacto para definição do conteúdo da UNFCCC (Quadro das Nações Unidas sobre Mudança do Clima )

Circulação Atmosférica e Radiação Atividade Vulcânica Emissão Circulação Oceânica Gelo Marinho Sulfatos Continente e Oceano

IPCC – SAR - 1996

Circulação Atmosférica e Radiação Atividade Vulcânica Emissão Circulação Oceânica Circulação de Retorno Gelo Marinho Sulfatos Aerossóis Hidrologia Profundidade do Solo Continente e Oceano Ciclo de Carbono

IPCC – TAR - 2001

Colocou atenção nos impactos das mudanças climáticas e necessidade de adaptação

Circulação Atmosférica e Radiação Atividade Vulcânica Emissão Circulação Oceânica Circulação de Retorno Gelo Marinho Sulfatos Aerossóis Hidrologia Profundidade do Solo Continente e Oceano Física do Solo Ciclo de Carbono Química da Atmosfera

IPCC – AR4 - 2007

Circulação Atmosférica e Radiação Atividade Vulcânica Emissão Circulação Oceânica Circulação de Retorno Gelo Marinho Sulfatos Aerossóis Hidrologia Profundidade do Solo Continente e Oceano Física do Solo Dinâmica da Vegetação Uso da Terra Ecologia Marinha Biogeoquímica Permite Interação com CO₂

Ciclo de Carbono

Química da Atmosfera

FAQ 1.2, Figure 1

Mid 2000s

Atmosphere

Land Surface

Ocean & Sea-Ice

Sulphate Aerosol Non-sulphate Dynamic Vegetation Atmospheric Chemistry Aerosol Carbon Cycle Atmosphere Land Surface

Ocean & Sea-Ice

Sulphate Aerosol Non-sulphate Aerosol Carbon Cycle Atmosphere Land Surface

Ocean & Sea-Ice

Sulphate Aerosol Atmosphere

Land Surface

Ocean & Sea-Ice Atmosphere Land Surface Atmosphere Around 2000 Late 1990s Early 1990s Mid-1980s Mid-1970s

The Climate System

Global mean temperature anoamlies, as observed (black line, HadCRUT2v, Parker et al., 2004) and as modelled by a

range of climate models when the simulations include (a) both

anthropogenic and natural

forcings and (b) natural forcings only. The multimodel ensemble mean is shown in grey, and individual simulations are shown in colour, with curves of the same colour indicating different

ensemble members for the same model. Chapter 9 Forçante natural+antropogênica Forçante natural OBSV OBSV

CENÁRIOS SOCIO-ECONÔMICO •População •PIB •Energia •Industria •Transporte •Agricultura •... CENÁRIOS DE EMISSÕES •Gases do Efeito Estufa (CO₂, CH₄, N₂O, ...) •Aerossóis e gases quimicamente ativos (SO₂, CP, CO, NO_x, COVs) •Uso e cobertura da terra CENÁRIOS RADIATIVOS FORÇADOS •Concentrações atmosféricas •Ciclo de Carbono, incluindo fluxos de oceano e terrestre •Química da atmosfera... CENÁRIOS DE MODELOS CLIMÁTICOS •Temperatura •Precipitação •Umidade •Umidade do solo •Eventos extremos •... ESTUDOS DE VULNERABILI-DADES, IMPACTOS e ADAPTAÇÕES •Zonas costeiras •Hidrologia e recursos de H2O •Ecossistemas •Segurança do alimento •Infraestrutura •Saúde Humana

Moss et al. NATURE 2010

4 Caminhos Representativos do RCP

RCP8.5 (IIASA/MESSAGE) Forçante Radiativa: >8.5Wm-2 _{em 2100} Concentração (ppm): >1370 CO₂-equiv. em 2100 Comportamento: Elevação RCP6.0 (NIES/AIM)

Forçante Radiativa: 6Wm-2 _{estabiliza depois de 2100}

Concentração (ppm): 850 CO₂-equiv.

Comportamento: Estabiliza e não ultrapassa

RCP4.5 (PNNL/MiniCAM)

Forçante Radiativa: 4.5Wm-2 _{estabiliza depois de 2100}

Concentração (ppm): 650 CO₂-equiv.

Comportamento: Estabiliza e não ultrapassa

RCP2.6 (PBL/IMAGE)

Forçante Radiativa: Pico de <3Wm-2 _{em 2100 e então declina}

Concentração (ppm): Pico de  490 CO₂-equiv. antes de 2100 e então declina Comportamento: Pico e declina.

Projeções de Modelos Globais

do CMIP5

Figure SPM.8: Maps of CMIP5 multi-model mean results for the scenarios RCP2.6 and RCP8.5 in 2081– 2100 of (a) annual mean surface temperature change, Changes in panels (a) are shown relative to 1986–2005. The number of CMIP5 models used to calculate the model mean is indicated in the upper right corner of each panel. For panels (a), hatching indicates regions where the multi-model mean is small compared to internal variability (i.e., less than one standard deviation of internal variability in 20-year means). Stippling indicates regions where the multi-model mean is large compared to internal variability (i.e., greater than two standard deviations of internal variability in 20-year means) and where 90% of models agree on the sign of change (see Box 12.1).

Figure SPM.8: Maps of CMIP5 multi-model mean results for the scenarios RCP2.6 and RCP8.5 in 2081– 2100 of (b) average percent change in annual mean precipitation. Changes in panels (b) re shown relative to 1986–2005. The number of CMIP5 models used to calculate the multi-model mean is indicated in the upper right corner of each panel. For panels (b), hatching indicates regions where the multi-model mean is small compared to internal variability (i.e., less than one standard deviation of internal variability in 20-year means). Stippling indicates regions where the multi-model mean is large compared to internal variability (i.e., greater than two standard deviations of internal variability in 20-year means) and where 90% of models agree on the sign of change (see Box 12.1).

A quantidade de vapor d'água necessária para

saturar um volume aumenta com a temperatura.

A Conexão entre Aquecimento Global e o

Ciclo Hidrológico

Aquecimento

Temperatura Evaporação Capacidade de Reter Água Umidade Atmosférica Temperature o_F Satu rated V ap o r Pr essu re

t

t+20

Efeito Estufa Intensidade da Chuva Seca Inundação

Inundação

Seca

Created by: Gi-Hyeon Park Cortesia: S. Sarooshian, U. California-Irvine

Alguns efeitos do aumento do nível do mar:

- Inundações mais freqüentes

- Erosão costeira e possível redefinição de linha costeira

- Intrusão de água salgada

- Problemas em lençóis freáticos

- Redução ou inversão do fluxo de água doce proveniente de aqüíferos

- Perdas de terras alagáveis (e mudanças) e de zonas úmidas costeiras por

inundação ou migração para o interior

- Diminuição do pH da água salgada – problemas em recifes de corais

- Aumento do surgimento de algas

- Alteração da alocação de sedimentos e nutrientes fluviais – possíveis

alterações na circulação e na distribuição de espécies

- Alteração dos volumes de água que entram e saem dos estuários

- Alterações do gradiente de salinidade nos estuários afeta a

Alguns efeitos do aumento do nível do mar:

- Mudanças da temperatura do mar podem alterar a distribuição de

espécies marinhas.

- O aumento do nível do mar, mesmo em apenas algumas dezenas

de centímetros pode resultar em catástrofes de grandes dimensões.

-Devido ao desequilíbrio térmico já provocado, mesmo na

eventualidade de cessarmos todas as emissões, o nível do mar

deverá ainda continuar aumentando por várias décadas, ou

séculos!!!

Podem ocorrer mudanças climáticas

abruptas ou modificações na

Changes in extremes based on multi-model simulations from nine global coupled climate models,

adapted from Tebaldi et al. (2006). a) Globally averaged changes in precipitation intensity (defined as the annual total precipitation divided by the number of wet days) for a low (SRES B1), middle (SRES A1B), and high (SRES A2) scenario. b) Changes of spatial patterns of precipitation intensity based on

simulations between two 20-year means (2080–2099 minus 1980–1999) for the A1B scenario. c) Globally averaged changes in dry days (defined as the annual maximum number of consecutive dry days). d) changes of spatial patterns of dry days based on simulations between two 20-year means (2080–2099

minus 1980–1999) for the A1B scenario. Chapter 10

Chapter 10 Extremos climáticos

Emissões de CO

₂

Total 1990 979 milhões t CO₂ Total 1994 1030 milhões t CO₂ Variação 1990-1994 5% 1990 Processos Industriais 2% Energia 21% Mudança no Uso da Terra e Florestas 77% 1994 Energia 23% Processos Industriais 2% Mudança no Uso da Terra e Florestas 75%

Muito

Gilvan Sampaio INPE/CPTEC

Rodovia Dutra, km 39 12630-000

Cachoeira Paulista São Paulo, Brasil

gilvan.sampaio@inpe.br

www.cptec.inpe.br