UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIÊNCIAS EXATAS E DA TERRA
DEPARTAMENTO DE CIÊNCIAS ATMOSFÉRICAS E CLIMÁTICAS BACHARELADO EM METEOROLOGIA
WELLINGSON FARIAS DE OLIVEIRA
INFLUÊNCIA DO OCEANO ATLÂNTICO TROPICAL NA VAZÃO DA BACIA HIDROGRÁFICA DO RIO SÃO FRANCISCO
NATAL/RN DEZEMBRO/2018
WELLINGSON FARIAS DE OLIVEIRA
INFLUÊNCIA DO OCEANO ATLÂNTICO TROPICAL NA VAZÃO DA BACIA HIDROGRÁFICA DO RIO SÃO FRANCISCO
Orientadores:
Prof. Dr. Marcio Machado Cintra Prof. Dr. Jonathan Mota da Silva
NATAL/RN DEZEMBRO/2018
Trabalho de conclusão de curso em Meteorologia da Universidade Federal do Rio Grande do Norte, como requisito para a obtenção do título de bacharel em Meteorologia.
Universidade Federal do Rio Grande do Norte - UFRN Sistema de Bibliotecas - SISBI
Catalogação de Publicação na Fonte. UFRN - Biblioteca Central Zila Mamede Oliveira, Wellingson Farias de.
Influência do oceano atlântico tropical na vazão da Bacia Hidrográfica do Rio São Francisco / Wellingson Farias de Oliveira. - 2018.
34f.: il.
Monografia (Graduação)-Universidade Federal do Rio Grande do Norte, Centro de Ciências Exatas e da Terra, Departamento de Ciências Atmosféricas e Climáticas, Natal, 2018.
Orientador: Marcio Machado Cintra. Coorientador: Jonathan Mota da Silva.
1. Bacia Hidrográfica - Monografia. 2. Vazão - Monografia. 3. Tsm - Monografia. 4. Zcas - Monografia. I. Cintra, Marcio
Machado. II. Silva, Jonathan Mota da. III. Título.
RN/UF/BCZM CDU 556.51
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIÊNCIAS EXATAS E DA TERRA
DEPARTAMENTO DE CIÊNCIAS ATMOSFÉRICAS E CLIMÁTICAS BACHARELADO EM METEOROLOGIA
A monografia INFLUÊNCIA DO OCEANO ATLÂNTICO TROPICAL NA VAZÃO DA BACIA HIDROGRÁFICA DO RIO SÃO FRANCISCO elaborada por WELLINGSON FARIAS DE OLIVEIRA e aprovada por todos os membros da banca examinadora foi aceita pelo Colegiado do Curso de Meteorologia e homologada pelos membros da banca como requisito parcial à obtenção do título de BACHAREL EM METEOROLOGIA.
Natal, 10 de Dezembro de 2018
BANCA EXAMINADORA:
_________________________________________________ Prof. Dr. Marcio Machado Cintra - orientador
(Departamento de Ciências Atmosféricas e Climáticas-DCAC/UFRN)
_________________________________________________
Prof. Dr. Jonathan Mota da Silva - orientador
(Departamento de Ciências Atmosféricas e Climáticas-DCAC/UFRN)
_________________________________________________ Profa. Dr. Kellen Carla Lima
Dedico este trabalho ao meu avô, Francisco Assis de Farias e a minha avó, Francisca Paula de Oliveira (in memoriam), que foram para a morada eterna em 2017, me deixando com saudades, contudo são neles que encontro forças para continuar a minha caminhada.
AGRADECIMENTOS
Primeiramente, agradeço a Deus por todos os momentos que passei na graduação, apesar das dificuldades encontrei forças para continuar e conseguir vencer.
A minha família e minha namorada que sempre estiveram ao meu lado nos momentos felizes, me dando suporte nos momentos tristes e ajudando a passar pelos momentos mais difíceis.
Aos amigos do curso de meteorologia das turmas 2014 e 2015 que sempre me ajudaram nos momentos de dificuldades com as matérias, partilharam de momentos felizes nos congressos e durante o curso.
Aos amigos da vida que sempre estiveram presentes nos momentos de descontração e dando apoio para a conclusão da minha graduação.
Agradeço aos professores que me orientaram no TCC, por disponibilizar um tempo para tirar as minhas dúvidas e a todos os professores da graduação por ter passado parte de seus conhecimentos e sempre estarem disponíveis para tirar dúvidas referentes as matérias ou sobre o curso.
RESUMO
A bacia hidrográfica do Rio São Francisco (638.466 km²) tem sua nascente no estado de Minas Gerais, na Serra da Canastra, e a sua foz no oceano Atlântico, na divisa com os estados de Alagoas e Sergipe. Embora seja conhecido o regime de vazão desta bacia, pouco se conhece a respeito das influências oceânicas sobre o seu regime de vazão, inclusive do oceano Atlântico Tropical. Dessa forma, o objetivo deste estudo foi investigar possíveis influências do oceano Atlântico Tropical na vazão da bacia hidrográfica do Rio São Francisco. Para isto foram utilizadas as médias mensais de 1982 a 2015 dos dados de: vazão naturalizada, Temperatura da Superfície do Mar (TSM) do oceano Atlântico Tropical, Radiação de Onda Longa (ROL) e Precipitação. Estes dados tiveram a tendência linear removida e as anomalias das variáveis foram calculadas subtraindo o valor da média mensal da média mensal climatológica (1982-2015). A investigação sobre possíveis relações entre o oceano e a vazão foi realizada a partir de correlação simples e defasada em um e dois meses. As correlações obtidas entre as anomalias de vazão e anomalias da TSM, assim como a correlação entre as anomalias de vazão e as anomalias de ROL, foram moderadas, inferiores a -0,4. A região de ocorrência desta correlação foi predominantemente o litoral do Sudeste brasileiro, incluindo as correlações defasadas de 1 e 2 meses, onde a correlação foi forte, inferior -0,6, e a área de correlação na bacia do oceano Atlântico Tropical Sul foi consideravelmente ampliada. Este padrão de correlação indica uma significativa atuação de sistemas transientes e da Zona de Convergência do Atlântico Sul (ZCAS) contribuindo para chuva na região do Alto Rio São Francisco e vazão da bacia hidrográfica. A correlação da anomalia dessas variáveis foi de modera a forte, de 0,4 a 0,6. De maneira geral, é possível que os sistemas meteorológicos transientes e a ZCAS sejam os sistemas sinóticos mais relevantes no controle do regime de chuvas e consequentemente na vazão na bacia hidrográfica do Rio São Francisco. Análises com maior abrangência ainda são necessárias para compreender melhor a influência dos oceanos e os processos sinóticos que atuam predominantemente na cabeceira da bacia, e que influenciam o seu regime de chuva e vazão.
ABSTRACT
The São Francisco River Basin (638,466 km²) has its spring in the headwater in the Minas Gerais State, in Serra da Canastra, and its river mouth in the Atlantic Ocean is positioned between the States of Alagoas and Sergipe. Although the streamflow regime of this basin is known, the influences of the oceans on its streamflow regime are unknown, including the Tropical Atlantic Ocean. Thus, the objective of this study was to investigate possible influences of the Tropical Atlantic Ocean on the São Francisco River Basin streamflow. For this purpose, the monthly averages from 1982 to 2015 of the data of: naturalized flow, Sea Surface Temperature (SST) of the tropical Atlantic Ocean, Long Wave Radiation (ROL), and Precipitation were used. For these data the linear tendency was removed and the anomalies of the variables were calculated by subtracting the value of the monthly average of the monthly climatological average (1982-2015). The investigation on possible relations between the ocean and the streamflow was made from simple and delayed correlation in one and two months. The correlations obtained between flow anomalies and SST anomalies, as well as the correlation between flow anomalies and ROL anomalies, were moderate, lower than -0.4. The region of occurrence of this correlation was predominantly the Brazilian southern coast, including lagged correlations of 1 and 2 months, where the correlation was strong, lower -0.6, and the correlation area in the tropical South Atlantic Ocean basin was increased considerably. This correlation pattern indicates a significant presence of transient systems and the South Atlantic Convergence Zone (SACZ) contributing to rainfall in the Upper São Francisco River and streamflow in the basin. The correlation of the anomaly of these variables was moderate to strong, from 0.4 to 0.6. In general, it is possible that the transient meteorological systems and the SACZ are the most relevant synoptic systems in the control of the rainfall regime and consequently the flow in the São Francisco River Basin. Further analyzes are still needed to better understand the influence of the oceans and the synoptic processes that predominantly operate at the headwater and that influence their rainfall and flow regime.
LISTA DE FIGURAS
Figura 1 - Localização da bacia do Rio São Francisco e do posto fluviométrico Xingó-BA... 4 Figura 2 - Ciclo anual da vazão no posto fluviométrico de Xingo-BA calculado a partir das vazões mensais durante os anos de 1982 a 2015... 7
Figura 3 – Distribuição espacial da precipitação (mm), em que os maiores valores estão na cor amarela (350 mm/mês) e os menores, na cor azul escuro (50 mm/mês). Direção do vento representada por setas e intensidade representada pelo tamanho das setas. Pressão ao nível médio do mar representada pelas linhas continuas azuis... 8 Figura 4 - Correlação entre anomalias de temperatura da superfície do mar e anomalias de vazão, ao nível de significância de 5% referente aos meses de (a) janeiro, (b) fevereiro, (c) março e (d) abril. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05)... 9 Figura 5 - Correlação entre anomalias de temperatura da superfície do mar e anomalias de vazão, ao nível de significância de 5% referente as defasagens de um mês, sendo (a) anomalia de temperatura da superfície do mar de janeiro com anomalia de vazão de fevereiro e [ (b), (c) e (d) ] respectivamente. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05)... 10 Figura 6 – Correlação entre anomalias de temperatura da superfície do mar e anomalias de vazão, ao nível de significância de 5% referente as defasagens de dois meses, sendo (a) anomalia de temperatura da superfície do mar de janeiro com anomalia de vazão de março e [ (b), (c) e (d) ] respectivamente. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05)... 11 Figura 7 – Correlação entre anomalias de radiação de onda longa e anomalias de vazão, ao nível de significância de 5% referente aos meses de (a) janeiro, (b) fevereiro, (c) março e (d) abril. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05)... 13 Figura 8 – Correlação entre anomalias de radiação de onda longa e anomalias de vazão, ao nível de significância de 5% referente as defasagens de um mês, sendo (a) anomalia de radiação de onda longa de janeiro com anomalia de vazão de fevereiro e [ (b), (c) e (d) ] respectivamente. As áreas em azul
mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05)... 14 Figura 9 – Correlação entre anomalias de radiação de onda longa e anomalias de vazão, ao nível de significância de 5% referente as defasagens de dois meses, sendo (a) anomalia de radiação de onda longa de janeiro com anomalia de vazão de março e [ (b), (c) e (d) ] respectivamente. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05)... 15 Figura 10 – Correlação entre anomalias de precipitação e anomalias de vazão, ao nível de significância de 5% referente aos meses de (a) janeiro, (b) fevereiro, (c) março e (d) abril. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05)... 16 Figura 11 – Correlação entre anomalias de precipitação e anomalias de vazão, ao nível de significância de 5% referente as defasagens de um mês, sendo (a) anomalia de precipitação de janeiro com anomalia de vazão de fevereiro e [ (b), (c) e (d) ] respectivamente. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05)... 17 Figura 12 – Correlação entre anomalias de precipitação e anomalias de vazão, ao nível de significância de 5% referente as defasagens de dois meses, sendo (a) anomalia de precipitação de janeiro com anomalia de vazão de março e [ (b), (c) e (d) ] respectivamente. As áreas em azul mostram correlações com valores negativos e as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05)... 18
LISTA DE TABELAS
Tabela 1 – Força do coeficiente de correlação de Pearson, segundo Figueiredo Filho e Silva Júnior (2009)... 6
LISTA DE ABREVIATURAS E SIGLAS ASAS: Alta Subtropical do Atlântico Sul ASF: Alto São Francisco
AT: Atlântico Tropical
ATSM: Anomalia da Temperatura da Superfície do Mar
AVSF: Anomalias da Vazão do Rio São Francisco
BA: Bahia
BHRSF: Bacia Hidrográfica do Rio São Francisco BSF: Baixo São Francisco
ENOS: El Niño Oscilação Sul MSF: Médio São Francisco
NCEP: National Centers for Environmental Prediction NEB: Nordeste do Brasil
NOAA: National Oceanic and Atmospheric Administration OLR: Outgoing Longwave Radiation
PNM: Pressão ao Nível do Mar
PQATSO: Piscina Quente do Atlântico Tropical Sudoeste ROL: Radiação de Onda Longa Emergente
SACZ: South Atlantic Convergence Zone SEB: Sudeste do Brasil
SF: Sistemas Frontais
SFRSA: São Francisco River Streamflow Anomalies SST: Sea Surface Temperature
TSM: Temperatura da Superfície do Mar VCAN: Vórtice Ciclônico de Altos Níveis
ZCAS: Zona de Convergência do Atlântico Sul ZCIT: Zona de Convergência Intertropical
SUMÁRIO 1. INTRODUÇÃO ... 1 1.1 Objetivo ... 3 1.1.1 Objetivos Específicos ... 3 2. Material e métodos ... 3 2.1 Área de estudo ... 3 2.2 Dados ... 4 2.3 Métodos ... 5 3. RESULTADOS E DISCUSSÕES ... 7
3.1 Regime da vazão sobre a bacia do Rio São Francisco ... 7
3.2 Correlação entre anomalias de TSM e anomalias de vazão. ... 8
3.3 Correlação entre anomalias de ROL e anomalias de vazão ... 12
3.4 Correlação entre anomalias de precipitação e anomalias de vazão ... 15
4. CONCLUSÃO ... 19
1
1. INTRODUÇÃO
A bacia hidrográfica do Rio São Francisco tem significativa importância para a população brasileira, uma vez que prover a geração de energia hidroelétrica e o abastecimento de água para diversos usos nos estados do Nordeste Brasileiro (Bahia, Pernambuco, Alagoas e Sergipe) e para o estado de Minas Gerais (GALVÍNCIO, 2002).
Na região da nascente desta bacia, o Sudeste do Brasil (SEB), apresenta duas estações bem definidas, que podem ser classificadas como: seca (inverno), devido a atuação da Alta Subtropical do Atlântico Sul (ASAS), quando esta encontra-se posicionada mais a oeste do oceano Atlântico, se estendendo até o SEB; e chuvosa (verão), relacionada aos Sistemas Frontais (SF), Zona de Convergência do Atlântico Sul (ZCAS) e brisas.
Na região do Médio até o Baixo São Francisco (BSF), que compreende o Nordeste do Brasil (NEB), os mecanismos que controlam os padrões de precipitação são bem conhecidos. Walker (1932), que demostrou uma coincidência do aquecimento anômalo da água superficial do oceano Pacífico Equatorial e os períodos de seca do NEB. Desde esse tempo, estudiosos procuram entender melhor os mecanismos que provocam esse tipo de mudança na precipitação do NEB, e tem dado mais atenção para o evento de El Niño Oscilação Sul (ENOS). Esses eventos são caracterizados pelas anomalias positivas (El Niño) de Temperatura da Superfície do Mar (TSM) e anomalias negativas (La Niña). Diversos estudos (ROPELEWSKI e HALPERT, 1987 e 1989), mostraram que em eventos de El Niño, a circulação de Walker se desloca para leste do seu ramo ascendente, localizado no Pacífico Central e Leste. Com isso a convecção é acentuada nesta região, enquanto que o seu ramo descendente, localizado no Nordeste do Brasil (NEB) e Oceano Atlântico Tropical (entre 30°N e 30°S), a convecção é atenuada. Estudos posteriores (UVO et al., 1998) mostraram a interação tanto do El Niño quanto do gradiente meridional de Anomalia de Temperatura da Superfície do Mar (ATSM) no oceano Atlântico contribuem dominantemente no padrão da anomalia da precipitação do NEB.
2
A precipitação sobre uma bacia hidrográfica sofre interferência de muitos fatores até atingir um curso d’água. Esses fatores podem ser de natureza fisiográfica, climatológica e ação antrópica. Mesmo assim, parte do volume precipitado de água em uma bacia deve escoar pelo seu exutório, visto que a bacia hidrográfica é um sistema em que o volume de entrada é constituído pela água precipitada e o volume de saída é a água que escoa pelo exutório, desconsiderando-se os volumes evaporados, evapotranspirados e os infiltrados profundamente (Tucci, 2009). Portanto, a chuva e a água escoada (runoff) em uma bacia têm uma relação que, apesar de não ser linear, permite admitir que grandes anomalias de precipitação resultam em anomalias de vazão de rios de mesmo sinal. Isto acontece devido às vazões integrarem a variabilidade espacial e temporal da precipitação dentro da bacia hidrográfica. A variabilidade em vazões de rios é importante por estar diretamente ligada ao gerenciamento e ao uso dos recursos hídricos de uma bacia, principalmente quando se trata da disponibilidade de água para uso urbano. No caso da captação para uso nas cidades, no meio rural, no caso de irrigação, na geração de energia elétrica entre outras atividades (Marengo, 2005).
Muitas vezes a parte sul da Região Sudeste é atingida por esses sistemas transientes e então há ocorrência de chuvas (VERA et al., 2006). A estação chuvosa, na maior parte do Brasil (Sudeste, faixa norte da Região Sul e Centro- Oeste) ocorre no verão, associada principalmente à atuação da Zona de Convergência do Atlântico Sul (ZCAS) (GRIMM et al., 2000). Em uma parcela do nordeste brasileiro a qualidade da estação chuvosa é especialmente influenciada pelo posicionamento da Zona de Convergência Intertropical (ZCIT) (KOUADIO et al., 2012), cujas características são motivadas pelo gradiente inter-hemisférico de temperatura da superfície do mar (TSM) no Oceano Atlântico equatorial (Chiang et al., 2002). No Norte do Brasil, o máximo de precipitação no outono e no inverno está relacionado com a migração anual de convecção tropical profunda. O ar úmido trazido pelos ventos de leste da ZCIT sofre levantamento orográfico sobre os Andes, condensando e favorecendo as chuvas (MARENGO et al., 2011).
A Bacia Hidrográfica do Rio São Francisco (BHRSF) está localizada em uma região que envolve diferentes regiões climáticas com atuação de sistemas
3
meteorológicos de diferentes escalas, o que torna complexo o entendimento da influência oceânica sobre seu regime de chuva e vazão. Ademais, sobre o ponto de vista que busque um melhor entendimento dos processos físicos que atuam na interface oceano-atmosfera, que podem influenciar os processos hidrológicos na bacia. Dentro desta perspectiva, este trabalho visa avançar as investigações sobre as influências oceânicas sobre a BHRSF.
1.1 Objetivo
Investigar possíveis influências do Oceano Atlântico Tropical na vazão do posto fluviométrico Xingo/BA, durante o período de 1982 a 2015.
1.1.1 Objetivos Específicos
Investigar a possível correlação entre as anomalias de temperatura da superfície do mar do oceano Atlântico Tropical e as anomalias de vazão no posto fluviométrico de Xingó, localizado na Bacia Hidrográfica do Rio São Francisco;
Averiguar diferentes níveis de defasagem temporal entre as anomalias de temperatura da superfície do mar do oceano atlântico Tropical e as anomalias de vazão do posto fluviométrico de Xingó/BA;
Verificar a possível correlação entre anomalias de vazão no posto fluviométrico de Xingó/BA e anomalias de Radiação de Onda Longa no oceano Atlântico Tropical.
2. Material e métodos
2.1 Área de estudo
A bacia hidrográfica do Rio São Francisco apresenta área de, aproximadamente, 638.466 km², que corresponde 7,5% do território do Brasil e onde vivem 14,3 milhões de habitantes. O Rio São Francisco nasce no estado de Minas Gerais, na Serra da Canastra, e chega a sua foz no Oceano Atlântico, entre os estados de Alagoas e Sergipe (Figura 1). A bacia tem uma precipitação média anual de 1.003 mm e uma vazão média de 140,5 mm ano-1
(ou 2.846 m³ s-1), o que corresponde a um coeficiente de escoamento de 0,14,
típico de região semiárida, visto que 58% da sua área na região está no semiárido nordestino (ANA, 2005).
4
Figura 1- Localização da bacia do Rio São Francisco e do posto fluviométrico Xingó-BA.
Fonte: Elaborada pelo autor (2018).
2.2 Dados
O período analisado foi de janeiro de 1982 a dezembro de 2015, que correspondeu um período comum a todas as variáveis utilizadas, neste estudo, onde consistem de médias mensais de observações de vazão naturalizada da (ONS, 2016) em Xingó; médias mensais de TSM do AT (entre 30º N e 30º S) de uma base global de 1º de longitude-latitude da 3ª versão de Reynolds et al. (2002); médias mensais entre as latitudes 30º N e 30º S de radiação de onda longa emergente da reanálise do National Centers for Environmental
Prediction/National Center for Atmospheric Research (NCEP/NCAR, Kalnay, et
5
e médias mensais de precipitação de estações de superfície do Brasil dispostas em uma grade de 0,25º de longitude-latitude (Xavier et al., 2015).
As variáveis hidrometeorológicas e a TSM podem conter tendências de longo prazo, que podem impactar na maneira como suas flutuações temporais se tornam coerentes (BOMBARDI e CARVALHO, 2017). Em análises de séries temporais climáticas utilizando a correlação linear de Pearson é essencial a remoção da tendência (BOMBARDI e CARVALHO, 2017). Para todas as variáveis deste estudo foram removidas suas tendências lineares a partir de um modelo de regressão linear, onde foi obtida uma reta de tendência. Por exemplo, para cada dado (𝑦) das séries de vazão tem-se um valor de tendência (𝑦(𝑡)). A remoção da tendência linear é obtida subtraindo 𝑦(𝑡) de 𝑦. Esse modelo foi aplicado às séries mês a mês de vazão e aos campos das demais variáveis sobre cada ponto de grade.
Para reduzir o caráter aleatório das variáveis, de modo que estas estejam em condições semelhantes de comparação, as anomalias de todos os dados mensais foram padronizadas, subtraindo-lhe a média e dividindo-o pelo desvio padrão, conforme a Equação 1:
z =
x −
𝑥̅
S
x
(1)
Sendo que: 𝑧 é anomalia da variável padronizada, x, x̅ e Sx são, respectivamente, as variáveis a serem normalizadas, a média aritmética da variável e o desvio padrão da variável.
2.3 Métodos
Nesta etapa do estudo utiliza-se a análise de correlações entre a anomalia da vazão e a ATSM do Oceano Atlântico tropical, além das anomalias de precipitação e ROL.
A correlação é uma medida de associação entre duas variáveis x e y. O grau de associação entre essas variáveis é dado pelo coeficiente (r) de Pearson, que varia de −1 a 1, onde r = 1 representa uma perfeita correlação positiva, enquanto r = −1 representa uma perfeita correlação negativa. A correlação nula, r = 0, corresponde a falta de associação entre as variáveis x e y, essas e as demais forças de correlação está indicada na Tabela 1. O
6
coeficiente de correlação de Pearson é obtido a partir da Equação 2. Na avaliação da correlação entre as variáveis foi utilizado o limiar de probabilidade o qual a hipótese nula é rejeitada (p − valor) maior que 5%.
Tabela 1 – Força do coeficiente de correlação de Pearson, segundo Figueiredo Filho e Silva Júnior (2009).
COEFICIENTE DE CORRELAÇÃO DE PEARSON (r)
DE ATÉ CORRELAÇÃO
0 0 NULA
0 0,39 FRACO
0,40 0,69 MODERADO
0,70 1 FORTE
Fonte: Elaborada pelo autor (2018).
r =
1
n − 1
∑
n
i=1
(x
i
− x̅). (y
i
− y̅)
√
∑
n
(x
i
− x̅)
2
i=1
∙
√∑
n
i=1
(y
i
− y̅)
2
(2)
As correlações entre as anomalias da vazão e as anomalias das demais variáveis, removidas suas tendências lineares e padronizadas, foram realizadas mês a mês e defasadas em um e dois meses. Na qual as correlações das variáveis mês a mês corresponde ao mês de janeiro das anomalias das variáveis com o mês de janeiro das anomalias de vazão, a defasagem de um mês refere-se ao mês de janeiro das anomalias das variáveis com o mês de fevereiro das anomalias de vazão e a defasagem de dois meses representa o mês de janeiro das anomalias das variáveis com o mês de março das anomalias de vazão e assim sucessivamente para os outros três meses.
Com o objetivo de avaliar se os padrões anômalos sobre o oceano Atlântico Tropical podem obter uma resposta mais forte após um período de tempo, período para que os processos físicos possam atuar na transferência de energia entre oceano e atmosfera, foram realizadas defasagens de 1 e 2 meses nas correlações de ATSM e anomalia da vazão.
7
3. RESULTADOS E DISCUSSÕES
3.1 Regime da vazão sobre a bacia do Rio São Francisco
O ciclo anual da vazão no posto fluviométrico de Xingó calculado a partir das vazões mensais durante os anos de 1982 a 2015 (ONS, 2016) é apresentado na Figura 2. O ano hidrológico da bacia se inicia em novembro (Figura 2 e Figura 3) e a partir de abril, com a redução da precipitação, há o início da recessão da vazão, a qual atinge seu valor mínimo durante os meses de agosto a outubro. De modo geral, no período de 1982 a 2015, a vazão média, a vazão mínima e a vazão máxima, foram 2940, 948 e 4558 m3.s-1,
respectivamente.
Figura 2- Ciclo anual da vazão no posto fluviométrico de Xingo-BA calculado a partir das
vazões mensais durante os anos de 1982 a 2015.
Fonte: Elaborada pelo autor (2018).
A precipitação média mensal distribuída espacialmente para os meses de novembro a abril (1982-2015), são os meses frequentes de atuação da ZCAS (nov a mar), está representada na Figura 3. As regiões que estão em amarelo apresentam os maiores valores de precipitação (350 mm), regiões em azul escuro, os menores (50 mm). Percebe-se que os meses com as precipitações máximas acumulada na região, que corresponde a área da BHRSF, configuram os máximos de vazão entre os meses de dezembro a abril com um lag temporal de um mês (Figura 2) se comparado a precipitação. Motivo pelo qual foram escolhidos os meses de novembro a abril para a análise da precipitação. Segundo Molion (2008) as precipitações com picos
8
representativos nas escalas semianual e intrasazonal podem estar relacionados a ATSM no oceano atlântico tropical sul, ZCAS e sistemas transientes, onde unidos é capaz de impactar na atuação dos sistemas de monções da américa do sul no SEB.
Figura 3- Distribuição espacial da precipitação (mm), em que os maiores valores estão na cor
amarela (350 mm/mês) e os menores, na cor azul escuro (50 mm/mês). Direção do vento representada por setas e intensidade representada pelo tamanho das setas. Pressão ao nível médio do mar representada pelas linhas continuas azuis.
Fonte: Elaborada pelo autor (2018).
O regime hidroclimático apresentado mostra uma sazonalidade bem definida para o regime de vazão (Figura 2) em função da precipitação (Figura 3). Cabe agora investigar a influência dos padrões anômalos de TSM sobre o oceano Atlântico Tropical adjacente nas anomalias de vazão da BHRSF.
3.2 Correlação entre anomalias de TSM e anomalias de vazão.
A correlação entre a ATSM e anomalia de vazão, com significância de 5%, apresentou valores negativos moderados (-0,4) no litoral da região SEB e próximo à costa africana, entre as latitudes de 20°S e 0° para o mês de janeiro representado na cor azul na Figura 4 (a). Para os meses de fevereiro (entre
-9
0,4 e -0,52), março (entre -0,4 e -0,54) e abril (entre -0,4 e -0,5) a correlação apresentou, também, negativa moderada no litoral sul do NEB ao litoral nordeste da região Sul, se estendendo até o litoral africano representado pela cor azul na Figura 4 [(b), (c), (d)]. Mostrando, assim, que a medida que a ATSM diminui, a anomalia de vazão aumenta.
Figura 4 - Correlação entre anomalias de temperatura da superfície do mar e anomalias de
vazão, ao nível de significância de 5% referente aos meses de (a) janeiro, (b) fevereiro, (c) março e (d) abril. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05).
Fonte: Elaborada pelo autor (2018).
A correlação entre a ATSM defasada em um mês e anomalia de vazão, com significância de 5%, mostrou negativa moderado (-0,6) no litoral SEB em uma direção noroeste sudeste até 30°W aproximadamente e negativa moderada (-0,4 a -0,45) no litoral sul do NEB, próximo do litoral da região Sul do Brasil e a oeste do litoral africano entre as latitudes 20° e 10°S para o mês de janeiro representado na cor azul na Figura 5 (a). Para os meses de fevereiro (-0,4), março (-0,4 e -0,55) e abril (entre -0,4 e -0,5) a correlação se mostrou também negativa moderada no litoral sul do NEB ao litoral da região sul, se estendendo até o litoral africano representado pela cor azul na Figura 5 [(b),
10
(c), (d)]. Mostrando assim, que a medida que a ATSM diminui a anomalia de vazão aumenta.
As áreas de correlações negativas entre as variáveis com um lag de um mês aumentaram nos meses de janeiro e abril Figura 5 (a) e (d) respectivamente, se comparado com as correlações sem lag temporal Figura 4 (a) e (b), mas, os valores de correlação negativa aumentaram aproximadamente entre -0,05 e -0,2 para o mês de janeiro e praticamente se manteve para o mês de abril. Para os meses de fevereiro e março as áreas foram reduzidas e as correlações diminuiu em aproximadamente -0,12 em fevereiro e se manteve em março.
As regiões de máxima correlação negativa são as regiões próximas a região costeira do Sudeste brasileiro, abrangendo de modo geral, regiões de médias latitudes (30°S a 15°S), próxima a região do ARSF. O padrão espacial das correlações negativas na porção SEB que se estende até a parte sudoeste do Atlântico tropical, onde foram verificados os sinais mais fortes (janeiro com defasagem de 1 mês), parece estar conectado com processos sinóticos atuantes nesse período sobre o SEB.
Figura 5 -Correlação entre anomalias de temperatura da superfície do mar e anomalias de vazão, ao nível de significância de 5% referente as defasagens de um mês, sendo (a) anomalia de temperatura da superfície do mar de janeiro com anomalia de vazão de fevereiro e [ (b), (c) e (d) ] respectivamente. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05).
11
A correlação entre a ATSM defasada em dois meses e anomalia de
vazão com significância de 5%, apresenta-se negativa moderada (-0,4) no litoral da SEB e em pontos isolados da costa africana para o mês de janeiro representado na cor azul na Figura 6 (a). Para os dois meses seguintes a correlação, também, foi negativa moderada (entre -0,4 e -0,5), sendo que no mês de fevereiro, Figura 6 (b), a região foi do litoral SEB e sul e se estendeu até o litoral africano entre as latitudes 30° e 20°S e no mês de março Figura 6 (c) a região foi do litoral sul do NEB ao litoral da região sul e se estendeu em direção ao litoral africano entre as latitudes 10° e 30°S aproximadamente, sendo representado pela cor azul em ambas as figuras. No mês de abril, Figura 6 (d), a correlação foi negativa moderada (-0,4) na região sul do NEB ao litoral SEB e em algumas regiões isoladas pelo oceano atlântico em direção ao continente africano entre as latitudes de 30°S e 0° representado também pela cor azul. Revelando assim, que a medida que a ATSM diminui a anomalia de
vazão aumenta.
Essas correlações negativas indicam a ação de sistemas precipitantes nesta região, que alteram o saldo de radiação corroborando para o resfriamento do Oceano.
Figura 6 - Correlação entre anomalias de temperatura da superfície do mar e anomalias de
vazão, ao nível de significância de 5% referente as defasagens de dois meses, sendo (a) anomalia de temperatura da superfície do mar de janeiro com anomalia de vazão de março e [ (b), (c) e (d) ] respectivamente. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05).
12
Carvalho et al. (2004) apontaram que a porção continental da ZCAS sofre uma maior influência da atmosfera, enquanto que a porção próxima ao oceano sobre grande influência da TSM. Essas influências podem justificar os fortes sinais verificados na porção sudoeste do Atlântico tropical, já que existe uma ligação verificada entre a TSM dessa região com a ZCAS, justificando remotamente as influências oceânicas sobre as precipitações na cabeceira da BHSF e, por conseguinte na vazão.
3.3 Correlação entre anomalias de ROL e anomalias de vazão
De acordo com Ferreira e Gurgel (2002) a radiação de onda longa emergente pode ser ligada a eventos convectivos especialmente quando ocorre uma redução de seus valores em determinada área. Com intuito de estabelecer uma ligação entre as áreas que podem estar contribuindo a partir do oceano para processos convectivos foi realizada a correlação entre a anomalia de ROL sobre o oceano e anomalia de vazão, com significância de 5%.
Os valores dessa correlação foram negativos moderados (-0,4) em uma região isolada próximo do litoral do SEB para o mês de janeiro representado na cor azul na Figura 7 (a). Para os meses de fevereiro (entre -0,4 e 0,5), março (entre -0,44 e -0,48) e abril (entre -0,44 e -0,52), a correlação mostrou-se também negativa moderada no litoral sul do NEB ao litoral do SEB, se estendendo até a longitude de 10°w representado pela cor azul na Figura 7 [ (b), (c) e (d) ]. Mostrando que a anomalia da ROL diminui à medida que a anomalia da vazão aumenta.
13
Figura 7 – Correlação entre anomalias de radiação de onda longa e anomalias de vazão, ao
nível de significância de 5% referente aos meses de (a) janeiro, (b) fevereiro, (c) março e (d) abril. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05).
Fonte: Elaborada pelo autor (2018).
A correlação entre a anomalia de ROL defasada em um mês e anomalia de vazão, com significância de 5%, exibiu-se negativa moderada (entre -0,4 a-0,6) no litoral da SEB em uma direção noroeste sudeste até 23°W, aproximadamente, acompanhando o padrão da ZCAS ou sistemas frontais, representado na cor azul na Figura 8 (a). Para os meses de fevereiro (-0,4), março (-0,4 e -0,5) e abril (-0,4) a correlação exibiu, também, negativa moderada no litoral sul do NEB ao litoral da região sul, se estendendo até o litoral africano representado pela cor azul na Figura 8 [ (b), (c), (d) ], sendo no mês de fevereiro em algumas regiões mais isoladas, enquanto que nos meses seguintes foram mais uniformes. Mostrando assim, que a medida que a ATSM diminui a anomalia de vazão aumenta.
Os campos de correlação da anomalia de ROL com a anomalia da vazão corroboram em apontar a atuação de sistemas precipitantes dominantes da região do SE no controle do regime de vazão em Xingó. Climatologicamente, os sistemas precipitantes responsáveis pela precipitação nesta faixa latitudinal (entre 30° a 15° S) são os sistemas frontais e a ZCAS, durante o verão, e, portanto, as anomalias que estes sistemas causam na TSM
14
e ROL parecem estar indicando uma contribuição para os regimes de vazão sobre a região de cabeceira da BHRSF e consequentemente aumentando a vazão à jusante. Assinalada na Figura 8 (a).
Figura 8 – Correlação entre anomalias de radiação de onda longa e anomalias de vazão, ao nível de significância de 5% referente as defasagens de um mês, sendo (a) anomalia de radiação de onda longa de janeiro com anomalia de vazão de fevereiro e [ (b), (c) e (d) ] respectivamente. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05).
Fonte: Elaborada pelo autor (2018).
A correlação entre a variável anomalia de ROL defasada em dois meses e anomalia de vazão com significância de 5%, se exibiu negativa moderada (-0,4) na divisa do litoral da NEB e do litoral da SEB para o mês de janeiro representado na cor azul na Figura 9 (a). Para os dois meses seguintes a correlação também foi moderada (entre -0,4 e -0,5), sendo que no mês de fevereiro, Figura 9 (b), a correlação da região do litoral da SEB apresentou os valores menores (-0,4) enquanto que no mês de março, Figura 9 (c), a correlação da região da SEB apresentou valores maiores (-0,5) sendo representado pela cor azul em ambas as figuras. Por fim, no mês de abril, Figura 9 (d), não apresentou correlação na área que estamos estudando.
15
Mostrando assim, que a medida que a anomalia de ROL diminui a anomalia de
vazão aumenta.
De modo geral as anomalias da ROL apresentaram um padrão semelhante ao já verificado espacialmente para TSM, indicando que possivelmente anomalias negativas de TSM (parte sul da bacia oceânica) estão ligadas as anomalias negativas de ROL, estando ambas sendo fator influente com aumento da vazão da bacia do rio São Francisco. A TSM é um dos fatores determinantes na ocorrência de anomalias sobre a ROL e, portanto, esse padrão associado é fisicamente plausível.
Figura 9 – Correlação entre anomalias de radiação de onda longa e anomalias de vazão, ao
nível de significância de 5% referente as defasagens de dois meses, sendo (a) anomalia de radiação de onda longa de janeiro com anomalia de vazão de março e [ (b), (c) e (d) ] respectivamente. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05).
Fonte: Elaborada pelo autor (2018).
3.4 Correlação entre anomalias de precipitação e anomalias de vazão
A título de se determinar espacialmente onde a contribuição das chuvas é mais efetiva no regime da vazão foram realizadas correlações entre anomalia de precipitação e a anomalia de vazão (Xingó-BA) com significância de 5%. Os
16
resultados apontaram valores de correlação moderada e positiva para os meses de fevereiro (entre 0,4 e 0,6), Figura 10 (b), e abril (0,4), Figura 10 (d), em algumas regiões da bacia. Para os meses de janeiro, Figura 10 (a), e março, Figura 10 (c), não teve correlação ou não teve significância de 5% na região da bacia hidrográfica. Nos meses que tiveram correlação positiva demostra que a anomalia de vazão aumenta à medida que a anomalia de precipitação também aumenta. Mostrando assim, que a medida que a anomalia de precipitação aumenta a anomalia de vazão também aumenta.
Figura 10 – Correlação entre anomalias de precipitação e anomalias de vazão, ao nível de
significância de 5% referente aos meses de (a) janeiro, (b) fevereiro, (c) março e (d) abril. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05).
Fonte: Elaborada pelo autor (2018).
A correlação da anomalia de precipitação com defasagem de um mês e anomalia de vazão com significância de 5%, se apontou positiva de moderada a forte (entre 0,4 e 0,8) para os meses de janeiro (entre 0,4 e 0,8) Figura 11 (a), fevereiro (entre 0,4 e 0,6) Figura 11 (b) e março (entre 0,4 e 0,6) Figura 11 (c), na maior parte da bacia e na região de atuação da ZCAS, no mês de abril,
17
Figura 11 (d), mostrou correlação positiva moderada (0,4) em poucas áreas da bacia mas, a precipitação que teve correlação continuou na região de atuação da ZCAS. Apontando assim, que a medida que a anomalia de precipitação aumenta a anomalia de vazão também aumenta.
Figura 11 – Correlação entre anomalias de precipitação e anomalias de vazão, ao nível de significância de 5% referente as defasagens de um mês, sendo (a) anomalia de precipitação de janeiro com anomalia de vazão de fevereiro e [ (b), (c) e (d) ] respectivamente. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05).
Fonte: Elaborada pelo autor (2018).
A correlação da variável meteorológica anomalia de precipitação com defasagem de dois meses e anomalia de vazão com significância de 5%, se apresentou positiva moderada (0,4 a 0,6) para o mês de janeiro Figura 12 (a), na maior parte da bacia e na região de atuação da ZCAS, nos meses de março, Figura 12 (c), e abril, Figura 12 (d), mostrou correlação positiva moderada (entre 0,4 e 0,5) em poucas áreas da bacia mas, a precipitação que teve correlação continuou na região de atuação da ZCAS. Enquanto no mês de fevereiro, Figura 12 (b), não apresentou correlação com a chuva dentro da bacia e nem na região da ZCAS.
18
Figura 12 – Correlação entre anomalias de precipitação e anomalias de vazão, ao nível de significância de 5% referente as defasagens de dois meses, sendo (a) anomalia de precipitação de janeiro com anomalia de vazão de março e [ (b), (c) e (d) ] respectivamente. As áreas em azul mostram correlações com valores negativos; as áreas em vermelho apresentam as correlações positivas; e as áreas em branco não apresentam correlação ou não são estatisticamente significante (p-valor >0,05).
Fonte: Elaborada pelo autor (2018).
A correlação entre a precipitação e a vazão, superiores 0,4, indica que a vazão em fevereiro responde a precipitação ocorrida em janeiro e fevereiro, no ARSF (Figura 11a), e no Médio ao BSF (Figura 10b), respectivamente. Da mesma forma, a precipitação da região do Alto ao BSF contribui para a vazão em março (Figura 11b e Figura 12a), ou seja, a precipitação ocorrida em toda a extensão da bacia contribui para a vazão em março. Embora este resultado seja óbvio e esperado, o mesmo não ocorre para a vazão de abril a junho, onde a precipitação ocorrida na região do ARSF responde com a maior parte da vazão deste período. Observe que a vazão ocorrida em abril possui uma correlação superior 0,4 com a precipitação em março no ARSF (Figura 10d e Figura 11c), assim como a vazão de maio possui correlação com a precipitação
19
ocorrida em março na mesma região (Figura 11d e Figura 12c). O mesmo ocorre para a vazão em junho (Figura 12d).
4. CONCLUSÃO
A partir da análise da correlação das anomalias de precipitação com as anomalias de vazão notou-se que a anomalia de precipitação ocorrida em toda extensão da bacia, incluindo a porção semiárida, corrobora para anomalia de vazão de fevereiro e março, como esperado. Enquanto a anomalia de vazão de abril a junho parece responder pela precipitação na região do ARSF.
Conclui-se que o oceano Atlântico tropical muito provavelmente influência a vazão da bacia Hidrográfica do Rio São Francisco em fevereiro e março, embora tenha sido encontrado somente sinais inversos da correlação das anomalias de TSM e ROL com a anomalia de vazão, pois é sabido que parte da chuva, que ocorre na região semiárida da bacia (do Médio até o BSF) é influenciada pelo Oceano Atlântico Tropical.
A porção sudoeste do Oceano Atlântico, na vizinhança com o Sudeste do Brasil, parece ter maior influência sobre as vazões de abril a junho, indicando um regime de vazão controlado pelas precipitações de cabeceira da bacia. As análises com as anomalias de ROL sobre o oceano corroboraram com o padrão verificado pela TSM, indicando que processos convectivos atuam mais significantemente na porção do oceano adjacente a cabeceira da bacia.
De maneira geral, os processos sobre o oceano Atlântico que parecem influenciar uma significativa parte das precipitações na BHRSF estão associados a processos físicos remotos que ocorrem na porção sudoeste oceânica e podem interferir potencializando (enfraquecendo) os eventos sinóticos que atuam nessa região notadamente de novembro a março.
As influências oceânicas devem ser amplamente investigadas, com foco para o entendimento das relações da hidrologia, oceano e atmosfera, e análise conjunta dos processos transientes que contribuem para as precipitações na cabeceira da BHRSF, especialmente a ZCAS e Sistemas Frontais.
20
ANA, 2005. Conjuntura dos recursos hídricos no Brasil: regiões hidrográficas brasileiras. Agência Nac. das Águas (Brasil). Edição Espec..
BOMBARDI, R.J., CARVALHO, L.M.V. Práticas simples em análises climatológicas: uma revisão. Revista Brasileira de Meteorologia, v.32, n.3, p.311-320, 2017. http://dx.doi.org/10.1590/0102-77863230001.
CARVALHO, Leila MV; JONES, Charles; LIEBMANN, Brant. The South Atlantic convergence zone: Intensity, form, persistence, and relationships with intraseasonal to interannual activity and extreme rainfall. Journal of Climate, v. 17, n. 1, p. 88-108, 2004.
CHIANG, Shih-Min; TSAY, Ting-Kuei; NIX, Stephan J. Hydrologic regionalization of watersheds. II: Applications. Journal of water resources
planning and management, v. 128, n. 1, p. 12-20, 2002.
FARR, T. G. et al. The Shuttle Radar Topography Mission. Reviews Of
Geophysics, v.45, n.2, p.1-43, 2007. http://dx.doi.org/10.1029/2005rg000183.
FERREIRA, Nelson J.; GURGEL, Helen da C. Variabilidade dos ciclos anual ariabilidade dos ciclos anual e interanual da radiação de ondas longas emergentes sobre a América do Sul e vizinhanças. Revista Brasileira de
Engenharia Agrícola e Ambiental, v. 6, n. 3, p. 440-444, 2002.
FIGUEIREDO FILHO, Dalson Britto; SILVA JÚNIOR, José Alexandre da. Desvendando os Mistérios do Coeficiente de Correlação de Pearson (r). 2009.
GALVÍNCIO, Josiclêda Domiciano; SOUZA, F. A. S. Relação entre o fenômeno El Niño e os totais mensais precipitados na bacia hidrográfica do rio São Francisco. RBRH–Revista Brasileira de Recursos Hídricos, v. 7, n. 4, p. 113-119, 2002.
GRIMM, Alice M. O impacto de eventos El Niño sobre as monções de verão no Brasil. In: XI Congresso Brasileiro de Meteorologia, Anais. 2000.
21
HALPERT, Michael S. The Global Climate for September-November 1989: Normal Tropical Pacific Conditions Continue: SEASONAL CLIMATE SUMMARY. Journal of Climate, v. 3, n. 3, p. 394-415, 1990.
KALNAY, E. et al. The NCEP/NCAR 40-year reanalysis project. Bulletin of the
American Meteorological Society, v.77, n.3, p. 437-471, 1996.
KOUADIO, Yves K. et al. Heavy rainfall episodes in the eastern northeast brazil linked to large-scale ocean-atmosphere conditions in the tropical atlantic. Advances in Meteorology, v. 2012, 2012.
MARENGO, José A.; ALVES, Lincoln Muniz. Tendências hidrológicas da bacia do rio Paraíba do Sul. Revista Brasileira de Meteorologia, v. 20, n. 2, p. 215-226, 2005.
MARENGO, Jose A. et al. The drought of 2010 in the context of historical droughts in the Amazon region. Geophysical Research Letters, v. 38, n. 12, 2011.
MOLION, L.C.B. Perspectivas climáticas para os próximos 20 anos. Revista Brasileira de Climatologia, v. 3, p. 117-128, 2008.
ONS, 2016. Atualização De Séries Históricas De Vazões – Período 1931 a 2015. Operador Nacional do Sistema – ONS. 38p.
REYNOLDS, R. W.; RAYNER, N. A.; SMITH, T. M.; STOKES, D. C.; WANG, W. An improved in situ and satellite SST analysis for climate. Journal of
Climate, v.15, p. 1609-1625, 2002.
ROPELEWSKI, C. F.; HALPERT, M.S. Global and regional scale precipitation patterns associated with the El Niño/Southern Oscillation. Mon. Wea. Rev., v.115, p. 1606–1626, 1987.
22
TUCCI, C. E. M. Hidrologia ciência e aplicação. 4. ed. Porto Alegre: UFRGS, 2009.
UVO, C. B.; REPELLI, C. A.; ZEBIAK, S. E.; KUSHNIR, Y. The relationships between tropical Pacific and Atlantic SST and northeast Brazil monthly precipitation. Journal of Climate, v. 11, p. 551-562, 1998.
Vera, C.; Higgins, W.; Ambrizzi, T.; Amador, J.; Garreaud, R.; Gochis, D.; Gutzler, D.; Lettenmaier, D.; Marengo, J.; Mechoso, C. R.; Nogues-Paegle;. 2006: Toward a unified view of the American monsoon systems. J. Climate, in press.
WALKER, Gilbert T. World Weather V Memories R. Meteor. Soc., v. 4, p. 53-84, 1932.
XAVIER, A.C., KING, C.W., SCANLON, B.R. Daily gridded meteorological variables in Brazil (1980-2013). Int. J. Climatol., 2015.
