Dissertação
Análise climática pontual de eventos extremos de precipitação no Rio Grande do Sul
Juliana Resende da Silva
Pelotas, 2013
JULIANA RESENDE DA SILVA
ANÁLISE CLIMÁTICA PONTUAL DE EVENTOS EXTREMOS DE PRECIPITAÇÃO NO RIO GRANDE DO SUL
Dissertação apresentada ao Programa de Pós-Graduação da Faculdade de Meteorologia da Universidade Federal de Pelotas, como requisito parcial à obtenção do título de Mestre em Ciências (área do conhecimento: Meteorologia).
Orientador: André Becker Nunes
Pelotas, 2013
Dados de catalogação na fonte:
Ubirajara Buddin Cruz – CRB-10/901 Biblioteca de Ciência & Tecnologia – UFPel
Banca Examinadora:
Prof. Dr. André Becker Nunes (Orientador) - UFPEL Prof. Dr. Júlio Renato Quevedo Marques - UFPEL
Prof. Dr. Vitor Emanuel Quevedo Tavares (Externo) - UFPEL
Agradecimentos
Aos meus pais Gladimir Silva e Ana Maria Silva e irmã Cristiana Silva, pelo incentivo e apoio incondicional em todos os momentos de minha vida.
À Universidade Federal de Pelotas pela oportunidade de realizar o curso de Pós – Graduação.
Ao Dr. André Becker, pela confiança e orientação na pesquisa.
Aos professores do curso de Pós-Graduação, pelos ensinamentos e dedicação.
Aos colegas da Pós-Graduação e Graduação, pelo apoio e amizade.
À CAPES pela concessão da bolsa de estudos.
E a todos que, de uma forma direta ou indireta, contribuíram para a realização deste trabalho.
Resumo
SILVA, Juliana Resende da. Análise climática pontual de eventos extremos de precipitação no Rio Grande do Sul. 2013. 126f. Dissertação (Mestrado) – Programa de Pós-graduação em Meteorologia. Universidade Federal de Pelotas, Pelotas-RS, Brasil.
Este estudo mostra uma análise quantitativa de casos de eventos extremos de precipitação com potencial de causar inundação nas cidades de Bagé, Encruzilhada do Sul, Iraí, Passo Fundo, Pelotas, Porto Alegre, Santa Maria, Santa Vitória do Palmar, São Luiz Gonzaga, Torres e Uruguaiana no Estado do Rio Grande do Sul. Considera-se, aqui, como casos com potencial de causar inundação aqueles em que a taxa de precipitação (limiar) igualou ou ultrapassou a taxa de precipitação média obtida de acordo com o histórico de inundações de cada cidade. Para o cálculo do limiar, foram coletados os casos de inundações obtidos de algumas fontes, como a Defesa Civil Estadual, enquanto que os dados diários de precipitação utilizados foram fornecidos pelo INMET (Instituto Nacional de Meteorologia) e ANA (Agência Nacional de Águas) do período de 1961 a 2010. Os dados diários foram analisados até 30 dias anteriores ao dia das inundações, a fim de se obter a média acumulada por dia e, baseado nisto, limiares de precipitação (para um determinado número de dias) que possam indicar uma possível inundação na cidade.
Posteriormente, obteve-se a quantificação destes eventos extremos de precipitação, assim como sua variação temporal. Pôde-se observar, no geral, que as ocorrências apresentam tendência linear positiva na maioria das cidades, embora não significativa devido a sua grande variabilidade entre os anos. De acordo com a literatura cientifica, a precipitação no sul do Brasil pode ser influenciada pela Temperatura da Superfície do Mar (TSM). Verificou-se, aqui, por meio de correlações lineares entre os índices climáticos - Índice Multivariado do ENOS (IME), Índice Oceânico do Niño (ION), Índice de Oscilação Sul (IOS), Oscilação Decadal do Pacífico (ODP), Índice do Atlântico Sul (IAS), Índice do Atlântico Tropical (IAT) e Índice do Atlântico Sul e Tropical (IAST) - e o número de possíveis casos de inundações nas cidades analisadas, a influência de variações da TSM dos Oceanos Pacífico e Atlântico. Os índices que apresentaram correlações significativas, com nível de significância de 95 e 99%, com casos de inundações em determinadas regiões do Estado foram IME, IOS, ION, ODP, IAS e IAST. Somente o índice IAT não apresentou correlações significativas com nenhuma região do Rio Grande do Sul (RS), ou seja, variações de TSM na região Tropical do Oceano Atlântico não apresentam influência em casos de inundações no RS.
Palavras-chave: Enchente. Temperatura da Superfície do Mar. El Niño.
Abstract
SILVA, Juliana Resende da. Climatic analysis punctual of extreme precipitation events in Rio Grande do Sul. 2013. 126f. Thesis (MA) – Post-graduate degree in Meteorology. Federal University of Pelotas, Pelotas-RS, Brazil.
This study presents a quantitative analysis of extreme precipitation events that can cause flood in the following cities of Rio Grande do Sul State: Bagé, Encruzilhada do Sul, Iraí, Passo Fundo, Pelotas, Porto Alegre, Santa Maria, Santa Vitória do Palmar, São Luiz Gonzaga, Torres and Uruguaiana. Here, we considers event that can cause flood every time the precipitation rate (threshold) is greater than or equal to the average precipitation rate based on the flood history of each city. The thresholds were obtained following the flood cases collected from some sources, as Defesa Civil Estadual, whereas daily precipitation data were provided by INMET (Instituto Nacional de Meteorologia) e ANA (Agência Nacional de Águas) from 1961 to 2010.
The daily data were analyzed until 30 days before the flood day in order to obtaining the daily accumulated mean and, hence, the thresholds (for a given lag of days) that might indicate a possible flood in the city. Subsequently, there was obtained the quantification of these extreme precipitation events, as well as its time variation. In general, it was observed the number of occurrences have positive linear trend in most cities, although not significant due the great interannual variability. According to scientific literature, rainfall in southern Brazil may be influenced by Sea Surface Temperature (SST) of Atlantic e Pacific. Here, such influence was found by means of linear correlation between climate indices - Multivariate Enso Index (MEI), Oceanic Nino Index (ONI), Southern Oscillation Index (SOI), Pacific Decadal Oscillation (PDO), Índice do Atlântico Sul (IAS), Índice do Atlântico Tropical (IAT) and Índice do Atlântico Sul e Tropical (IAST) - and the number of possible flood cases in the selected cities. The results show a significant correlation, significance level above 95%, between the indices MEI, SOI, ONI, PDO, IAS and IAST and the flood cases in such regions of State. Only the IAT index do not showed significant correlation with any region of Rio Grande do Sul (RS), that is, SST variations in the tropical region of Atlantic ocean have no influences in flood cases of RS.
Keywords: Flooding. Sea Surface Temperature. El Niño.
Lista de figuras
Figura 1 a) Mapa hipsométrico do Rio Grande do Sul, b) Unidades geomorfológicos do RS.
Fonte: SEPLAG, 2011 ... 23 Figura 2 Precipitação média anual.
Fonte: SEPLAG, 2011 ... 24 Figura 3 Região de ocorrência de Niños no Pacífico Tropical.
Fonte: LOPES, 2006 ... 30 Figura 4 Valores do índice IOS (Índice Oscilação Sul) para o período de
2000 a 2010.
Fonte: NOAA, 2011 ... 31 Figura 5 Série temporal da do Índice Oscilação Decadal do Pacífico no
período de 1900 a 2009.
Fonte: MANTUA et al., 1997 ... 32 Figura 6 Regiões de estudo dos índices IAS (Índice do Atlântico Sul) e IAT
(Índice do Atlântico Tropical).
Fonte: Adaptado de SANTOS, 2011 ... 33 Figura 7 Mapa do Rio Grande do Sul com as cidades em estudo ... 35 Figura 8 Exemplo do limiar de precipitação com potencial de causar
inundação, obtido para a cidade de Pelotas (RS) ... 39 Figura 9 Eventos extremos com potencial de causar inundação na cidade de
Bagé, no período de 1961 a 2010, em quinquênios (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d118, (b) para o limiar de 10d162 e (c) para o limiar de 30d281 46 Figura 10 Eventos extremos com potencial de causar inundação na cidade de
Encruzilhada do Sul, no período de 1961 a 2010, em quinquênios (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d106, (b) para o limiar de 10d172 e (c) para o limiar de 30d322 ...
Figura 11 Eventos extremos com potencial de causar inundação na cidade de Iraí, no período de 1961 a 2010, em quiquênios (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d96, (b) para o limiar de 10d153 e (c) para o limiar de 30d267 ... 47 Figura 12 Eventos extremos com potencial de causar inundação na cidade de
Passo Fundo, no período de 1961 a 2010, em quinquênios (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d115, (b) para o limiar de 10d177 e (c) para o limiar de 30d313 ... 48 Figura 13 Eventos extremos com potencial de causar inundação na cidade de
Pelotas, no período de 1961 a 2010, em quinquênios (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d112, (b) para o limiar de 10d155 e (c) para o limiar de 30d244 49 Figura 14 Eventos extremos com potencial de causar inundação na cidade de
Porto Alegre, no período de 1961 a 2010, em quinquênios (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d62, (b) para o limiar de 10d104 e (c) para o limiar de 30d202 ... 50 Figura 15 Eventos extremos com potencial de causar inundação na cidade de
Santa Maria, no período de 1961 a 2010, em quinquênios (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d99, (b) para o limiar de 10d158 e (c) para o limiar de 30d280 ... 51 Figura 16 Eventos extremos com potencial de causar inundação na cidade de
Santa Vitória do Palmar, no período de 1961 a 2010, em quinquênios (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d123, (b) para o limiar de 10d235 e (c) para o limiar de 30d347 ... 51 Figura 17 Eventos extremos com potencial de causar inundação na cidade de
São Luiz Gonzaga, no período de 1961 a 2010, em quinquênios (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d106, (b) para o limiar de 10d133 e (c) para o limiar de 30d326 ... 52 Figura 18 Eventos extremos com potencial de causar inundação na cidade de
Torres, no período de 1961 a 2010, em quinquênios (linha azul) e 46
sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d102, (b) para o limiar de 10d174 e (c) para o limiar de 30d285 Figura 19 Eventos extremos com potencial de causar inundação na cidade de
Uruguaiana, no período de 1961 a 2010, em quinquênios (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d83, (b) para o limiar de 10d126 e (c) para o limiar de 30d218 ... 53 Figura 20 Média do número de eventos extremos de todas as cidades em
quinquênios (linha azul) e sua linha de tendência (linha vermelha pontilhada) para os limiares de (a) 2, (b) 10 e (c) 30 dias ... 55 Figura 21 Nível de significância da correlação entre o índice IME e os casos
de inundações para as cidades estudadas (a) para o limiar de 2 dias, (b) para o limiar de 10 dias e (c) para o limiar de 30 dias ... 57 Figura 22 Nível de significância da correlação entre o índice ION e os casos
de inundações para as cidades estudadas (a) para o limiar de 2 dias, (b) para o limiar de 10 dias e (c) para o limiar de 30 dias ... 58 Figura 23 Nível de significância da correlação entre o índice IOS e os casos
de inundações para as cidades estudadas (a) para o limiar de 2 dias, (b) para o limiar de 10 dias e (c) para o limiar de 30 dias ... 59 Figura 24 Nível de significância da correlação entre o índice ODP e os casos
de inundações para as cidades estudadas (a) para o limiar de 2 dias, (b) para o limiar de 10 dias e (c) para o limiar de 30 dias ... 60 Figura 25 Nível de significância da correlação entre o índice IAS e os casos
de inundações para as cidades estudadas (a) para o limiar de 2 dias, (b) para o limiar de 10 dias e (c) para o limiar de 30 dias ... 61 Figura 26 Nível de significância da correlação entre o índice IAT e os casos
de inundações para as cidades estudadas (a) para o limiar de 2 dias, (b) para o limiar de 10 dias e (c) para o limiar de 30 dias ... 62 Figura 27 Nível de significância da correlação entre o índice IAST e os casos
de inundações para as cidades estudadas (a) para o limiar de 2 dias, (b) para o limiar de 10 dias e (c) para o limiar de 30 dias ... 63 Figura 28 Eventos extremos com potencial de causar inundação na cidade de
Bagé, no período de 1961 a 2010, em anos (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d118, (b) para o limiar de 10d162 e (c) para o limiar de 30d281 ... 76
53
Figura 29 Eventos extremos com potencial de causar inundação na cidade de Encruzilhada do Sul, no período de 1961 a 2010, em anos (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d106, (b) para o limiar de 10d172 e (c) para o limiar de 30d322 ... 77 Figura 30 Eventos extremos com potencial de causar inundação na cidade de
Iraí, no período de 1961 a 2010, em anos (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d96, (b) para o limiar de 10d153 e (c) para o limiar de 30d267 ... 78 Figura 31 Eventos extremos com potencial de causar inundação na cidade de
Passo Fundo, no período de 1961 a 2010, em anos (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d115, (b) para o limiar de 10d177 e (c) para o limiar de 30d313 79 Figura 32 Eventos extremos com potencial de causar inundação na cidade de
Pelotas, no período de 1961 a 2010, em anos (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d112, (b) para o limiar de 10d155 e (c) para o limiar de 30d244 ... 80 Figura 33 Eventos extremos com potencial de causar inundação na cidade de
Porto Alegre, no período de 1961 a 2010, em anos (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d62, (b) para o limiar de 10d104 e (c) para o limiar de 30d202 .. 81 Figura 34 Eventos extremos com potencial de causar inundação na cidade de
Santa Maria, no período de 1961 a 2010, em anos (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d99, (b) para o limiar de 10d158 e (c) para o limiar de 30d280 .. 82 Figura 35 Eventos extremos com potencial de causar inundação na cidade de
Santa Vitória do Palmar, no período de 1961 a 2010, em anos (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d123, (b) para o limiar de 10d235 e (c) para o limiar de 30d347 ... 83 Figura 36 Eventos extremos com potencial de causar inundação na cidade de
São Luiz Gonzaga, no período de 1961 a 2010, em anos (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d106, (b) para o limiar de 10d133 e (c) para o limiar de 30d326 ... 84 Figura 37 Eventos extremos com potencial de causar inundação na cidade de
Torres, no período de 1961 a 2010, em anos (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d102, (b) para o limiar de 10d174 e (c) para o limiar de 30d285 ... 85
Figura 38 Eventos extremos com potencial de causar inundação na cidade de Uruguaiana, no período de 1961 a 2010, em anos (linha azul) e sua linha de tendência (linha vermelha pontilhada) (a) para o limiar de 2d83, (b) para o limiar de 10d126 e (c) para o limiar de 30d218 ... 86 Figura 39 Eventos extremos anuais (linha preta) e índice IME (linha vermelha
pontilhada) para a cidade de Bagé com limiares de (a)2d118, (b) 10d162 e (c)30d281 ... 87 Figura 40 Eventos extremos anuais (linha preta) e índice IME (linha vermelha
pontilhada) para a cidade de Encruzilhada do Sul com limiares de (a)2d106, (b) 10d172 e (c)30d322 ... 88 Figura 41 Eventos extremos anuais (linha preta) e índice IME (linha vermelha
pontilhada) para a cidade de Iraí com limiares de (a)2d96, (b) 10d153 e (c)30d267 ... 88 Figura 42 Eventos extremos anuais (linha preta) e índice IME (linha vermelha
pontilhada) para a cidade de Passo Fundo com limiares de (a)2d115, (b) 10d177 e (c)30d313 ... 89 Figura 43 Eventos extremos anuais (linha preta) e índice IME (linha vermelha
pontilhada) para a cidade de Pelotas com limiares de (a)2d112, (b) 10d155 e (c)30d244 ... 89 Figura 44 Eventos extremos anuais (linha preta) e índice IME (linha vermelha
pontilhada) para a cidade de Porto Alegre com limiares de (a)2d62, (b) 10d104 e (c)30d202 ... 90 Figura 45 Eventos extremos anuais (linha preta) e índice IME (linha vermelha
pontilhada) para a cidade de Santa Maria com limiares de (a)2d99, (b) 10d158 e (c)30d280 ... 90 Figura 46 Eventos extremos anuais (linha preta) e índice IME (linha vermelha
pontilhada) para a cidade de Santa Vitória do Palmar com limiares de (a)2d123, (b) 10d235 e (c)30d347 ... 91 Figura 47 Eventos extremos anuais (linha preta) e índice IME (linha vermelha
pontilhada) para a cidade de São Luiz Gonzaga com limiares de (a)2d106, (b) 10d133 e (c)30d326 ...
Figura 48 Eventos extremos anuais (linha preta) e índice IME (linha vermelha pontilhada) para a cidade de Torres com limiares de (a)2d102, (b) 10d174 e (c)30d285 ...
91
92
Figura 49 Eventos extremos anuais (linha preta) e índice IME (linha vermelha pontilhada) para a cidade de Uruguaiana com limiares de (a)2d83, (b) 10d126 e (c)30d218 ... 92 Figura 50 Eventos extremos anuais (linha preta) e índice ION (linha vermelha
pontilhada) para a cidade de Bagé com limiares de (a)2d118, (b) 10d162 e (c)30d281 ... 93 Figura 51 Eventos extremos anuais (linha preta) e índice ION (linha vermelha
pontilhada) para a cidade de Encruzilhada do Sul com limiares de (a)2d106, (b) 10d172 e (c)30d322 ... 93 Figura 52 Eventos extremos anuais (linha preta) e índice ION (linha vermelha
pontilhada) para a cidade de Iraí com limiares de (a)2d96, (b) 10d153 e (c)30d267 ... 94 Figura 53 Eventos extremos anuais (linha preta) e índice ION (linha vermelha
pontilhada) para a cidade de Passo Fundo com limiares de (a)2d115, (b) 10d177 e (c)30d313 ... 94 Figura 54 Eventos extremos anuais (linha preta) e índice ION (linha vermelha
pontilhada) para a cidade de Pelotas com limiares de (a)2d112, (b) 10d155 e (c)30d244 ... 95 Figura 55 Eventos extremos anuais (linha preta) e índice ION (linha vermelha
pontilhada) para a cidade de Porto Alegre com limiares de (a)2d62, (b) 10d104 e (c)30d202 ... 95 Figura 56 Eventos extremos anuais (linha preta) e índice ION (linha vermelha
pontilhada) para a cidade de Santa Maria com limiares de (a)2d99, (b) 10d158 e (c)30d280 ... 96 Figura 57 Eventos extremos anuais (linha preta) e índice ION (linha vermelha
pontilhada) para a cidade de Santa Vitória do Palmar com limiares de (a)2d123, (b) 10d235 e (c)30d347 ... 96 Figura 58 Eventos extremos anuais (linha preta) e índice ION (linha vermelha
pontilhada) para a cidade de São Luiz Gonzaga com limiares de (a)2d106, (b) 10d133 e (c)30d326 ... 97 Figura 59 Eventos extremos anuais (linha preta) e índice ION (linha vermelha
pontilhada) para a cidade de Torres com limiares de (a)2d102, (b) 10d174 e (c)30d285 ... 97
Figura 60 Eventos extremos anuais (linha preta) e índice ION (linha vermelha pontilhada) para a cidade de Uruguaiana com limiares de (a)2d83, (b) 10d126 e (c)30d218 ... 98 Figura 61 Eventos extremos anuais (linha preta) e índice IOS (linha vermelha
pontilhada) para a cidade de Bagé com limiares de (a)2d118, (b) 10d162 e (c)30d281 ... 98 Figura 62 Eventos extremos anuais (linha preta) e índice IOS (linha vermelha
pontilhada) para a cidade de Encruzilhada do Sul com limiares de (a)2d106, (b) 10d172 e (c)30d322 ... 99 Figura 63 Eventos extremos anuais (linha preta) e índice IOS (linha vermelha
pontilhada) para a cidade de Iraí com limiares de (a)2d96, (b) 10d153 e (c)30d267 ... 99 Figura 64 Eventos extremos anuais (linha preta) e índice IOS (linha vermelha
pontilhada) para a cidade de Passo Fundo com limiares de (a)2d115, (b) 10d177 e (c)30d313 ... 100 Figura 65 Eventos extremos anuais (linha preta) e índice IOS (linha vermelha
pontilhada) para a cidade de Pelotas com limiares de (a)2d112, (b) 10d155 e (c)30d244 ... 100 Figura 66 Eventos extremos anuais (linha preta) e índice IOS (linha vermelha
pontilhada) para a cidade de Porto Alegre com limiares de (a)2d62, (b) 10d104 e (c)30d202 ... 101 Figura 67 Eventos extremos anuais (linha preta) e índice IOS (linha vermelha
pontilhada) para a cidade de Santa Maria com limiares de (a)2d99, (b) 10d158 e (c)30d280 ... 101 Figura 68 Eventos extremos anuais (linha preta) e índice IOS (linha vermelha
pontilhada) para a cidade de Santa Vitória do Palmar com limiares de (a)2d123, (b) 10d235 e (c)30d347 ... 102 Figura 69 Eventos extremos anuais (linha preta) e índice IOS (linha vermelha
pontilhada) para a cidade de São Luiz Gonzaga com limiares de (a)2d106, (b) 10d133 e (c)30d326 ... 102 Figura 70 Eventos extremos anuais (linha preta) e índice IOS (linha vermelha
pontilhada) para a cidade de Torres com limiares de (a)2d102, (b) 10d174 e (c)30d285 ... 103 Figura 71 Eventos extremos anuais (linha preta) e índice IOS (linha vermelha
pontilhada) para a cidade de Uruguaiana com limiares de (a)2d83, (b) 10d126 e (c)30d218 ...
Figura 72 Eventos extremos anuais (linha preta) e índice ODP (linha vermelha pontilhada) para a cidade de Bagé com limiares de (a)2d118, (b) 10d162 e (c)30d281 ... 104 Figura 73 Eventos extremos anuais (linha preta) e índice ODP (linha
vermelha pontilhada) para a cidade de Encruzilhada do Sul com limiares de (a)2d106, (b) 10d172 e (c)30d322 ... 104 Figura 74 Eventos extremos anuais (linha preta) e índice ODP (linha
vermelha pontilhada) para a cidade de Iraí com limiares de (a)2d96, (b) 10d153 e (c)30d267 ... 105 Figura 75 Eventos extremos anuais (linha preta) e índice ODP (linha
vermelha pontilhada) para a cidade de Passo Fundo com limiares de (a)2d115, (b) 10d177 e (c)30d313 ... 105 Figura 76 Eventos extremos anuais (linha preta) e índice ODP (linha
vermelha pontilhada) para a cidade de Pelotas com limiares de (a)2d112, (b) 10d155 e (c)30d244 ... 106 Figura 77 Eventos extremos anuais (linha preta) e índice ODP (linha
vermelha pontilhada) para a cidade de Porto Alegre com limiares de (a)2d62, (b) 10d104 e (c)30d202 ... 106 Figura 78 Eventos extremos anuais (linha preta) e índice ODP (linha
vermelha pontilhada) para a cidade de Santa Maria com limiares de (a)2d99, (b) 10d158 e (c)30d280 ... 107 Figura 79 Eventos extremos anuais (linha preta) e índice ODP (linha
vermelha pontilhada) para a cidade de Santa Vitória do Palmar com limiares de (a)2d123, (b) 10d235 e (c)30d347 ... 107 Figura 80 Eventos extremos anuais (linha preta) e índice ODP (linha
vermelha pontilhada) para a cidade de São Luiz Gonzaga com limiares de (a)2d106, (b) 10d133 e (c)30d326 ... 108 Figura 81 Eventos extremos anuais (linha preta) e índice ODP (linha
vermelha pontilhada) para a cidade de Torres com limiares de (a)2d102, (b) 10d174 e (c)30d285 ... 108 Figura 82 Eventos extremos anuais (linha preta) e índice ODP (linha
vermelha pontilhada) para a cidade de Uruguaiana com limiares de 103
(a)2d83, (b) 10d126 e (c)30d218 ...
Figura 83 Eventos extremos anuais (linha preta) e índice IAS (linha vermelha pontilhada) para a cidade de Bagé com limiares de (a)2d118, (b) 10d162 e (c)30d281 ... 109 Figura 84 Eventos extremos anuais (linha preta) e índice IAS (linha vermelha
pontilhada) para a cidade de Encruzilhada do Sul com limiares de (a)2d106, (b) 10d172 e (c)30d322 ... 110 Figura 85 Eventos extremos anuais (linha preta) e índice IAS (linha vermelha
pontilhada) para a cidade de Iraí com limiares de (a)2d96, (b) 10d153 e (c)30d267 ... 110 Figura 86 Eventos extremos anuais (linha preta) e índice IAS (linha vermelha
pontilhada) para a cidade de Passo Fundo com limiares de (a)2d115, (b) 10d177 e (c)30d313 ... 111 Figura 87 Eventos extremos anuais (linha preta) e índice IAS (linha vermelha
pontilhada) para a cidade de Pelotas com limiares de (a)2d112, (b) 10d155 e (c)30d244 ... 111 Figura 88 Eventos extremos anuais (linha preta) e índice IAS (linha vermelha
pontilhada) para a cidade de Porto Alegre com limiares de (a)2d62, (b) 10d104 e (c)30d202 ... 112 Figura 89 Eventos extremos anuais (linha preta) e índice IAS (linha vermelha
pontilhada) para a cidade de Santa Maria com limiares de (a)2d99, (b) 10d158 e (c)30d280 ... 112 Figura 90 Eventos extremos anuais (linha preta) e índice IAS (linha vermelha
pontilhada) para a cidade de Santa Vitória do Palmar com limiares de (a)2d123, (b) 10d235 e (c)30d347 ... 113 Figura 91 Eventos extremos anuais (linha preta) e índice IAS (linha vermelha
pontilhada) para a cidade de São Luiz Gonzaga com limiares de (a)2d106, (b) 10d133 e (c)30d326 ... 113 Figura 92 Eventos extremos anuais (linha preta) e índice IAS (linha vermelha
pontilhada) para a cidade de Torres com limiares de (a)2d102, (b) 10d174 e (c)30d285 ... 114 Figura 93 Eventos extremos anuais (linha preta) e índice IAS (linha vermelha
pontilhada) para a cidade de Uruguaiana com limiares de (a)2d83, (b) 10d126 e (c)30d218 ... 114
109
Figura 94 Eventos extremos anuais (linha preta) e índice IAT (linha vermelha pontilhada) para a cidade de Bagé com limiares de (a)2d118, (b) 10d162 e (c)30d281 ... 115 Figura 95 Eventos extremos anuais (linha preta) e índice IAT (linha vermelha
pontilhada) para a cidade de Encruzilhada do Sul com limiares de (a)2d106, (b) 10d172 e (c)30d322 ... 115 Figura 96 Eventos extremos anuais (linha preta) e índice IAT (linha vermelha
pontilhada) para a cidade de Iraí com limiares de (a)2d96, (b) 10d153 e (c)30d267 ... 116 Figura 97 Eventos extremos anuais (linha preta) e índice IAT (linha vermelha
pontilhada) para a cidade de Passo Fundo com limiares de (a)2d115, (b) 10d177 e (c)30d313 ... 116 Figura 98 Eventos extremos anuais (linha preta) e índice IAT (linha vermelha
pontilhada) para a cidade de Pelotas com limiares de (a)2d112, (b) 10d155 e (c)30d244 ... 117 Figura 99 Eventos extremos anuais (linha preta) e índice IAT (linha vermelha
pontilhada) para a cidade de Porto Alegre com limiares de (a)2d62, (b) 10d104 e (c)30d202 ... 117 Figura 100 Eventos extremos anuais (linha preta) e índice IAT (linha vermelha
pontilhada) para a cidade de Santa Maria com limiares de (a)2d99, (b) 10d158 e (c)30d280 ... 118 Figura 101 Eventos extremos anuais (linha preta) e índice IAT (linha vermelha
pontilhada) para a cidade de Santa Vitória do Palmar com limiares de (a)2d123, (b) 10d235 e (c)30d347 ... 118 Figura 102 Eventos extremos anuais (linha preta) e índice IAT (linha vermelha
pontilhada) para a cidade de São Luiz Gonzaga com limiares de (a)2d106, (b) 10d133 e (c)30d326 ... 119 Figura 103 Eventos extremos anuais (linha preta) e índice IAT (linha vermelha
pontilhada) para a cidade de Torres com limiares de (a)2d102, (b) 10d174 e (c)30d285 ... 119 Figura 104 Eventos extremos anuais (linha preta) e índice IAT (linha vermelha
pontilhada) para a cidade de Uruguaiana com limiares de (a)2d83, (b) 10d126 e (c)30d218 ... 120
Figura 105 Eventos extremos anuais (linha preta) e índice IAST (linha vermelha pontilhada) para a cidade de Bagé com limiares de (a)2d118, (b) 10d162 e (c)30d281 ... 120 Figura 106 Eventos extremos anuais (linha preta) e índice IAST (linha
vermelha pontilhada) para a cidade de Encruzilhada do Sul com limiares de (a)2d106, (b) 10d172 e (c)30d322 ... 121 Figura 107 Eventos extremos anuais (linha preta) e índice IAST (linha
vermelha pontilhada) para a cidade de Iraí com limiares de (a)2d96, (b) 10d153 e (c)30d267 ... 121 Figura 108 Eventos extremos anuais (linha preta) e índice IAST (linha
vermelha pontilhada) para a cidade de Passo Fundo com limiares de (a)2d115, (b) 10d177 e (c)30d313 ... 122 Figura 109 Eventos extremos anuais (linha preta) e índice IAST (linha
vermelha pontilhada) para a cidade de Pelotas com limiares de (a)2d112, (b) 10d155 e (c)30d244 ... 122 Figura 110 Eventos extremos anuais (linha preta) e índice IAST (linha
vermelha pontilhada) para a cidade de Porto Alegre com limiares de (a)2d62, (b) 10d104 e (c)30d202 ... 123 Figura 111 Eventos extremos anuais (linha preta) e índice IAST (linha
vermelha pontilhada) para a cidade de Santa Maria com limiares de (a)2d99, (b) 10d158 e (c)30d280 ... 123 Figura 112 Eventos extremos anuais (linha preta) e índice IAST (linha
vermelha pontilhada) para a cidade de Santa Vitória do Palmar com limiares de (a)2d123, (b) 10d235 e (c)30d347 ... 124 Figura 113 Eventos extremos anuais (linha preta) e índice IAST (linha
vermelha pontilhada) para a cidade de São Luiz Gonzaga com limiares de (a)2d106, (b) 10d133 e (c)30d326 ... 124 Figura 114 Eventos extremos anuais (linha preta) e índice IAST (linha
vermelha pontilhada) para a cidade de Torres com limiares de (a)2d102, (b) 10d174 e (c)30d285 ... 125 Figura 115 Eventos extremos anuais (linha preta) e índice IAST (linha
vermelha pontilhada) para a cidade de Uruguaiana com limiares de (a)2d83, (b) 10d126 e (c)30d218 ... 125
Lista de tabelas
Tabela 1 Número de casos de enchentes registradas das cidades estudadas no período de 1961 a 2010, com as coordenadas geográficas de cada estação meteorológica do INMET referente a cada cidade analisada ... 36 Tabela 2 Limiares obtidos para cada cidade em estudo ... 42 Tabela 3 Número de enchentes registradas com a quantidade de precipitação
igual ou superior ao valor de precipitação dos limiares ... 44
Lista de abreviaturas e siglas
2d112 Precipitação de 112 mm acumulados em 2 dias
ANA Agência Nacional de Águas
ENOS El Niño Oscilação Sul
CCM Complexos Convectivos de Mesoescala
FOE Funções Ortogonais Empíricas
IAS Índice do Atlântico Sul
IAST Índice do Atlântico Sul e Tropical IAT Índice do Atlântico Tropical
IME Índice Multivariado do ENOS
ION Índice Oceânico do Niño
IOS Índice de Oscilação Sul
INMET Instituto Nacional de Meteorologia ODP Oscilação Decadal do Pacífico
RS Rio Grande do Sul
TSM Temperatura da Superfície do Mar UFPel Universidade Federal de Pelotas VCAN Vórtices Ciclônicos de Altos Níveis ZCAS Zona de Convergência do Atlântico Sul ZCIT Zona de Convergência Intertropical
Sumário
1 Introdução ... 21
2 Revisão de Literatura ... 23
2.1 Característica do Estado do Rio Grande do Sul ... 23
2.2 Eventos extremos de precipitação ... 25
2.3 Índices climáticos ... 29
2.3.1 Variações de TSM no Oceano Pacífico ... 29
2.3.1.1 Índice Multivariado do ENOS (IME) ... 30
2.3.1.2 Índice Oceânico do ENOS (ION) ... 30
2.3.1.3 Índice Oscilação Sul (IOS) ... 31
2.3.1.4 Oscilação Decadal do Pacífico (ODP) ... 31
2.3.2 Variações de TSM no Oceano Atlântico ... 32
2.3.2.1 Índice do Atlântico Sul (IAS) e Índice do Atlântico Tropical (IAT) ... 32
3 Materiais e métodos ... 35
3.1 Casos de inundações e dados de precipitação ... 35
3.2 Determinação de limiar para obtenção de eventos de chuva com potencial de inundação ... 38
3.3 Análise de correlação com índices climáticos ... 39
4 Resultados e discussão ... 41
4.1 Limiares de cada cidade ... 41 4.2 Variação Temporal ... 45 4.3 Correlação linear com os Índices Climáticos ... 55
5 Conclusão ... 64
Referências ... 66
Apêndices ... 75 Apêndice A - Eventos extremos anuais com potencial de causar inundação nas cidades analisadas ... 76 Apêndice B - Gráficos que relacionam o número de eventos extremos de precipitação anuais com os índices oceânicos IME, ION, IOS, ODP, IAS, IAT e IAST ... 87
Introdução
A precipitação é influenciada pelo movimento de grandes massas de ar e por vórtices em microescala, propriedades dos aerossóis e processos microfísicos como o crescimento e evaporação de gotas (OLIVEIRA, 2006). Esses fatores tornam a precipitação extremamente variável no tempo e no espaço. A variabilidade da precipitação é considerada como um dos maiores riscos para a agricultura no Estado do Rio Grande do Sul, pois essa atividade está associada ao regime pluvial, assim sendo prejudicada por episódios extremos, como as secas ou enchentes. Dessa forma, conhecer e entender a variabilidade da precipitação é muito importante devido ao seu grande impacto na população em geral, bem como na área econômica, haja vista sua influência no setor agrícola.
Inundações podem ocorrer a partir de precipitações bruscas (período curto de chuvas), características de eventos convectivos (ANABOR, 2004); precipitação gradual (período prolongado de chuvas) ou de eventos curtos em sequência.
Inundações ocorrem basicamente pela soma de dois fatores: antropogênico e meteorológico (natural). O fator antropogênico se refere à urbanização das cidades, que resulta na ocupação indevida de áreas naturais e na grande mudança na cobertura da superfície do solo – o que diminui drasticamente a capacidade do solo em absorver a água, aumentando o escoamento superficial e, consequentemente, as chances de inundação. Já o fator meteorológico se refere à frequência e intensidade dos eventos severos de precipitação oriundos de fenômenos atmosféricos. Inundações (e não só eventos severos de precipitação) também podem ocorrer devido a fatores exclusivamente naturais, desde que se tenham condições propícias de relevo. De acordo com Alexander et al. (2006), Karl et al.
(1995) e Marengo (2008), fatores antropogênico – como o aumento na emissão de
gases de efeito estufa e consequente aquecimento global – podem provocar o aumento na frequência de eventos severos de precipitação.
O Estado do Rio Grande do Sul apresenta não somente problemas relacionados a chuvas intensas como também a períodos de pouca chuva, mesmo tendo como característica natural o fato de ter a precipitação bem distribuída durante as quatro estações, em média, 24% no verão, 25% no outono, 25% no inverno e 26% na primavera (BERLATO, 1992). O Estado tem seu regime pluviométrico bastante afetado por eventos climáticos como o El Niño (GRIMM et al., 2000), indicando uma variabilidade climática com relação à precipitação no Estado. Ou seja, para se estudar a variabilidade das precipitações, deve-se considerar a influência dos oceanos, que possuem papel determinante nos fluxos de calor sensível e latente, pois são esses fluxos que disponibilizam umidade e calor para a atmosfera e são fundamentais para o padrão de convecção e das precipitações (TAO e SIMPSON, 1991).
Na literatura, encontram-se diferentes metodologias para determinação de um evento extremo, como as apontadas, por exemplo, em Doswell e Brooks (1996), Brooks e Stensrud (2000), Schumacher e Johnson (2005) e Teixeira e Satyamurty (2007). No presente trabalho, os eventos extremos serão determinados com base no histórico de inundações de cada cidade, como em Da Silva e Nunes (2011). A análise feita cidade por cidade se dá pelo motivo de que a ocorrência de uma inundação depende de um fator fundamental: as condições da superfície (relevo, cobertura do solo), e cada cidade possui condições de superfície particulares.
As cidades em estudo são Bagé, Encruzilhada do Sul, Iraí, Passo Fundo, Pelotas, Porto Alegre, Santa Maria, Santa Vitória do Palmar, São Luiz Gonzaga, Torres e Uruguaiana. A escolha das cidades analisadas se deu porque elas praticamente ocupam todas as diferentes regiões do Estado, e esse fator foi preponderante, apesar de algumas cidades contarem com um escasso histórico de inundações. Desta forma, o objetivo deste estudo é a quantificação dos eventos extremos de precipitação que tem potencial para causar inundações nas cidades em estudo – de acordo com uma metodologia que considera o histórico de inundações de cada cidade – para que se identifique o comportamento temporal destes eventos ao longo das últimas décadas e, através de Índices Climáticos, observar se existe relação das anomalias de Temperatura da Superfície do Mar (TSM) com o número de eventos extremos nas cidades do estudo.
Revisão de Literatura
2.1 Características do Estado do Rio Grande do Sul
A área de estudo do presente trabalho refere-se ao Estado do Rio Grande do Sul (RS). Todo o seu território está abaixo do Trópico de Capricórnio, entre as latitudes 33°45’S e 27°03’S e longitudes 57°40’O até 49°42’O. Possui uma extensão territorial de 281.748,5 km², onde se encontra duas grandes lagoas (Mirim e Mangueira) e uma laguna (dos Patos). O relevo do Estado é bastante diversificado, com áreas em que a altitude é superior a 990 m, localizado no Planalto Meridional, e outras em que sua altitude é inferior a 90 m, na região da Depressão Central e Planície Costeira (Fig.1) (SEPLAG, 2011).
Figura 1 - a) Mapa Hipsométrico do Rio Grande do Sul, b) Unidades Geomorfológicas do RS.
Fonte: SEPLAG (2011).
a )
b
)
O clima do RS é definido como subtropical; sua posição geográfica favorece a entrada de massas de ar vindas do polo e do continente tropical – o que caracteriza o clima da região.
A distribuição sazonal da temperatura na região de estudo apresenta grande variabilidade, devido aos verões serem bastante quentes e os invernos severos.
Matzenauer et al. (2007) estudaram a distribuição espacial de chuva no Estado, onde foi visto que em algumas regiões da metade norte do RS a quantidade de chuvas ultrapassa 1.900mm anuais, enquanto que na metade sul algumas regiões apresentam quantidades inferiores a 1.400mm anuais, definindo, portanto uma variabilidade espacial significativa (Fig.2). Machado (1950) já havia notado a diferença de distribuição espacial da precipitação no RS: na região sul o regime de chuvas é relativamente menor do que na região norte. De acordo com Moreno (1961), o regime de chuvas do Estado é acentuado pela orografia.
Figura 2 - Precipitação média anual.
Fonte: SEPLAG (2011).
Kuintcher e Buriol (2001) aplicaram o método da classificação climática de Koppen para o Rio Grande do Sul, e verificaram que o clima do Estado foi caracterizado como Cfa e Cfb, verificaram que a letra C indica que o território gaúcho situa-se na faixa de climas subtropicais, a letra f indica que as precipitações pluviais médias são razoavelmente bem distribuídas durante o ano e as letras a e b indicam verões quentes e verões amenos, respectivamente. A maior parte do
estado apresentou tipo climático Cfa, e o tipo Cfb foi observado nas regiões de maiores altitudes.
De acordo com Marengo e Uvo (1996), o Estado é afetado por sistemas atmosféricos de escala sinótica e sub-sinótica, influenciados por fatores associados à circulação de grande escala e às circulações locais, tanto de origem tropical como extratropical.
A variabilidade mensal e sazonal do total pluviométrico no Rio Grande do Sul é definida da seguinte forma: no inverno chove mais no litoral e centro-sul do RS, na primavera chove mais na região noroeste do Estado, na estação do verão ocorre maior quantidade de chuva na região nordeste e no outono ocorre mais chuva na região sudoeste do Rio Grande do Sul (BRITTO et al., 2008).
2.2 Eventos extremos de precipitação
Eventos extremos de precipitação, em geral, causam adversidades para a população. Elevados índices pluviométricos podem causar inundações (enchentes) e deslizamentos de terra. De acordo com Reckziegel (2007), inundações podem ser classificadas de duas maneiras: se o tempo de ocorrência da inundação for curto é classificada como enxurrada, se o tempo for longo é classificada como enchente.
Inundações podem ocorrer de duas maneiras, se a quantidade de chuva for alta em um curto período de tempo, ou seja, a taxa de precipitação foi grande o suficiente para não dar tempo de ocorrer à infiltração da água no solo, a chamada inundação brusca, ou se a quantidade de chuva não for considerada alta e ocorrer em um longo período de tempo, assim a saturação do solo ocorre aos poucos – sendo que a contínua precipitação evita que a água no interior do solo evapore a chamada inundação gradual.
A região sul do Brasil tem sido frequentemente atingida por desastres naturais relacionados a eventos extremos de precipitação, tendo como consequência perdas materiais significativas. Castro (1996) define desastres como o resultado de eventos adversos, naturais ou provocados pelo homem, sobre um ecossistema (vulnerável), causando danos humanos, materiais e/ou ambientais e consequentes prejuízos econômicos e sociais. Devido a isso, vários trabalhos (citados no texto) foram realizados com o intuito de compreender o comportamento da chuva e amenizar as consequências destes fenômenos.
Na última década, o Rio Grande do Sul se destacou como um dos Estados mais afetados por desastres naturais; durante os anos de 2002 a 2010, o Estado representou aproximadamente 13% do total de ocorrências nacionais, sendo que os eventos extremos mais frequentes no RS foram as inundações e estiagens (PASSUELLO et al., 2012). Os Estados que mais tiveram desastres naturais decretados no ano de 2010, foram Santa Catarina (380 casos), Rio Grande do Sul (286 casos), Bahia (177 casos) e Minas Gerais (166 casos). No período de janeiro a junho de 2010 o Rio Grande do Sul foi o Estado que apresentou maior número de casos de inundações, com 168 casos (STRANZ et al., 2010).
De acordo com o SEPLAG (2011) os valores estimados relacionados a perdas econômicas diretas derivadas de desastres naturais de maior porte chegaram a R$ 1.330.260.600,00 (um bilhão, trezentos e trinta milhões, duzentos e sessenta mil e seiscentos reais), somente no ano de 2010.
Um aspecto muito importante sobre enchentes é seu padrão de frequência, em que se pode identificar períodos preferenciais de ocorrência desses eventos.
Teixeira (2004) analisou a distribuição sazonal de eventos intensos de chuva na Região Sul do Brasil, e essas apresentaram maior número nas estações primavera e outono, semelhante ao que foi observado no trabalho de Espírito Santo e Satyamurty (2002), em que a região em estudo foi a região Sudeste do Brasil; neste, houve maior número de eventos intensos de precipitação na primavera e verão.
Nunes e Da Silva (2013) estudaram o Estado de Catarina e verificaram que o verão foi a estação que mais apresentou casos de eventos extremos de precipitação.
Teixeira (2004) também observou que os principais sistemas responsáveis pelo volume de chuvas durante o ano na região sul do Brasil são os CCMs (Complexos Convectivos de Mesoescala), caracterizados por intensos fluxos verticais turbulentos de calor e momentum, e frentes frias. Já os VCANs (Vórtices Ciclônicos de Altos Níveis) e as nuvens vírgula também são responsáveis por precipitações de maior intensidade na região, porém com menor frequência.
Sotério et al. (2006), ao analisar as regiões do Rio Grande do Sul que apresentaram maior índice de precipitação no período de 1976 a 2002, verificaram que a região em destaque foi a parte Noroeste do Estado e esta obteve maior homogeneidade dos totais pluviométricos.
Um fator que seria extremamente importante em relação à ocorrência de eventos de precipitação intensa é a sua previsão. Porém, Doswell e Brooks (2006) observaram que a previsão da abrangência espacial e da quantidade de um evento de chuva é muito difícil, às vezes impossível, devido às limitações dos modelos atmosféricos.
Alexander et al. (2006) analisaram tendências temporais em extremos anuais de chuva no Sul do Brasil, Paraguai, Uruguai e Centro-norte da Argentina.
Neste estudo, identificaram tendências positivas no número de dias com chuva intensa e chuva muito intensa concentrada em curto espaço de tempo, além de precipitação acumulada em eventos chuvosos e muito chuvosos, que são indicadores de chuvas que produzem enchentes, para a o período de 1961-2000.
Estas tendências sugerem aumento na intensidade e na frequência dos eventos severos de chuva no Sudeste da América do Sul. Teixeira e Satyamurty (2007) também encontraram tendência de crescimento na ocorrência de eventos de precipitação intensa na região Sul do Brasil, principalmente em anos de El Niño.
Eventos extremos podem ser definidos como anomalias em relação à climatologia, em escalas de tempo que podem variar de dias até milênios. Episódios de chuvas intensas têm produzido enchentes e deslizamentos de terra que têm afetado as populações mais pobres das regiões Nordeste, Sul e Sudeste do Brasil, afetando a economia regional e causando grandes danos materiais e perdas de vidas humanas. Foi observado que as regiões do Brasil que aparecem com maior tendência positiva para a ocorrência de eventos intensos de precipitação são Rio Grande do Sul, Paraná e São Paulo (MARENGO et al., 2007).
Na Região Sul do País, alguns dos principais casos associados com precipitação intensa são: Inundação de 2007 no Rio Grande do Sul – entre os dias 21 e 23 de setembro de 2007, um sistema frontal estacionário favoreceu a formação de intensas áreas de instabilidades sobre a bacia do rio Caí (RS), houve registros de 300 mm em alguns municípios, e a região mais atingida foi a região metropolitana de Porto Alegre (METSUL, 2012); Inundação de 1983 em Santa Catarina – fortes e prolongadas chuvas que ocorreram no outono e inverno afetaram principalmente as regiões Oeste, Norte e Vale do Itajaí – os registros de precipitação alcançaram 700 mm (MARCELINO et al., 2006); a Inundação de 2008 em Santa Catarina – é considerada um dos maiores desastres naturais do Estado, as áreas mais atingidas foram o Vale do Itajaí, Litoral Norte e a Grande Florianópolis, em Joinville e
Blumenau o acumulado no mês de novembro ficou em torno de 1000 mm (DIAS, 2010). Assim, a região Sul do Brasil apresenta destaque nos trabalhos sobre eventos de precipitação intensa; nos últimos anos a região Leste de Santa Catarina tem sido muito afetada na ocorrência desses eventos. Alguns autores tiveram interesse em estudar essa região, como Herrmann et al. (2009), Marcelino et al.
(2006) e Da Silva e Nunes (2011). No trabalho de Da Silva e Nunes (2011), ao analisar a região Leste de Santa Catarina durante o período de 1951 a 2010, verificou-se uma tendência positiva do número de casos durante o período de estudo.
Cidades onde a inundação é comum é normal que o limiar de 30 dias se aproxime da precipitação média para 30 dias. Pois se todo mês tem chance de ocorrência de inundação, este limiar terá um valor similar à precipitação mensal.
Eventos intensos de precipitação podem ser formados por vários fenômenos atmosféricos. Barbieri et al. (2008) observaram que os fenômenos que têm maior influência na ocorrência desses eventos são sistemas frontais, Complexos Convectivos de Mesoescala, ZCAS (Zona de Convergência do Atlântico Sul) e ENOS (El Niño Oscilação Sul).
Muitos trabalhos analisaram a influência do fenômeno ENOS (El Niño Oscilação Sul) na precipitação no sul do Brasil (GRIMM et al., 1998; TEIXEIRA, 2004; LOPES, 2006; FISCHER et al., 2008; BARBIERI et al., 2009; DA SILVA, 2011), sendo verificada forte relação entre a ocorrência de eventos intensos de precipitação, na Região Sul do Brasil, com anos de El Niño, bem como quando houve uma diminuição do número de eventos o fenômeno associado foi o La Niña.
Saito et al. (2011) analisaram os desastres naturais ocorridos no Rio Grande do Sul no ano de 2008, e verificaram que a maioria esteve relacionado com episódios de vendavais e granizos, conseqüência de um maior número de frentes frias atuando sobre o Estado.
A tendência da ocorrência de eventos de forte precipitação para a cidade de Pelotas foi analisado por Machado et al. (2011). O autor analisou o período de 1979 a 2009, e observou que nas últimas décadas a tendência foi positiva, porém com uma pequena queda na última década.
2.3 Índices climáticos
O clima global e regional é afetado pelo comportamento das águas dos oceanos devido ao acoplamento oceano-atmosfera. Nos trabalhos de Grimm et al.
(1998), Kim (1998) e Berlato et al. (2007), Gruppelli (2007) e Santos (2011), foi observado que a variação na TSM tanto dos Oceanos Pacífico como do Atlântico podem afetar o regime pluviométrico nas regiões tropicais e de latitudes médias.
2.3.1. Variações de TSM no Oceano Pacífico
De acordo com Molion (2005) o Oceano Pacífico ocupa um terço da superfície terrestre e o aquecimento da atmosfera ocorre de baixo para cima, logo se houver variação na Temperatura da Superfície do Mar (TSM) do Pacífico, o clima global será afetado. No Oceano Pacífico considera-se que os dois principais fenômenos relacionados com a TSM são o ENOS (El Niño-Oscilação Sul) e Oscilação Decadal do Pacífico (ODP).
Bjerkness (1966) definiu ENOS como um fenômeno oceânico-atmosférico que ocorre no Oceano Pacífico e afeta o tempo e o clima em diversas regiões do planeta, causando fenômenos como secas e enchentes, inclusive no Brasil. A circulação dos ventos em médios e altos níveis na atmosfera tropical está associada às anomalias de TSM nos grandes oceanos. Os eventos de El Niño são definidos pelo aquecimento anormal do setor Central e Leste do Oceano Pacífico Tropical, enquanto eventos de La Niña são definidos pelo resfriamento anormal deste setor. A região sul do Brasil foi identificada por Ropelewski e Halpert (1987), como uma das regiões com precipitação mais associadas ao ENOS.
Alguns exemplos de índices utilizados para quantificar anomalias de eventos ENOS são: Índice Multivariado do ENOS (IME), Índice Oceânico do Niño (ION) e Índice de Oscilação Sul (IOS).
No trabalho de Berlato et al. (2007) foi analisado a tendência pluvial anual e estacional no Rio Grande do Sul, no período de 1950 a 2002, bem como a relação da precipitação com o fenômeno El Niño. Os autores verificaram que de acordo com a tendência anual e na estação de outono, todas as estações meteorológicas analisadas apresentaram aumento na precipitação, além disso, também se pôde concluir que a variabilidade na precipitação do Estado está associada com a ocorrência de El Niño na região 3.4 (Fig.3), devido ao aumento do total pluviométrico
na região estar coerente com a maior concentração de El Niños nas ultimas décadas.
Figura 3 - Região de ocorrência de Niños no Pacífico Tropical.
FONTE: LOPES (2006).
2.3.1.1. Índice Multivariado do ENOS (IME)
O índice IME (Índice Multivariado do ENOS) é um índice numérico que integra a ação de diferentes fatores que caracterizam o ENOS e é determinado por seis variáveis atmosféricas: pressão ao nível médio do mar, componente zonal e meridional do vento em superfície, temperatura da superfície do mar, temperatura do ar em superfície e fração de nebulosidade. O IME foi calculado separadamente, para cada um dos doze meses do ano, e expresso como médias bimestrais (Dez-jan, Jan- fev,..., Nov-dez), para o período de 1950 até os dias atuais (LOPES, 2006).
O índice pode variar entre valores negativos e positivos, que estão relacionados com fenômenos La Niña e El Niño, respectivamente, e também indica a intensidade dos eventos (LAY; AIELLO, 2001).
2.3.1.2. Índice Oceânico Niño (ION)
O índice ION (Índice Oceânico Niño) é o principal índice de medida e monitoramento do ENOS e se baseia na média de três meses corridos da anomalia de TSM na região do Niño 3.4 do Pacífico Equatorial. Quando a variação da TSM for maior que +0,5 oC por, no mínimo, cinco meses consecutivos, é caracterizado um El
Niño; quando menor que -0,5 oC por, no mínimo, cinco meses consecutivos, é caracterizado uma La Niña (DA SILVA, 2011).
2.3.1.3. Índice de Oscilação Sul (IOS)
De acordo com Philander (1990), o índice IOS (Índice de Oscilação Sul) é calculado a partir da diferença de pressão atmosférica entre Taiti e Darwin (Austrália), e é expresso por unidades de desvio padrão.
A Fig. 4 mostra os valores do índice IOS para o período de 2000 a 2010.
Valores negativos de IOS estão associados com casos de El Niño, e valores positivos indicam a ocorrência do fenômeno La Niña.
Figura 4 - Valores do índice IOS (Índice de Oscilação Sul) para o período de 2000 a 2010.
Fonte: NOAA (2011).
2.3.1.4. Oscilação Decadal do Pacífico (ODP)
A Oscilação Decadal do Pacífico é definida como variações da TSM no Oceano Pacífico, que ocorrem em períodos cíclicos de aproximadamente 20 a 30 anos, e possui duas fases (Fig. 5). A fase fria está associada com anomalia negativa de TSM no Pacífico Tropical e, ao mesmo tempo, anomalia positiva de TSM no Pacífico Extratropical, em ambos os hemisférios. Por outro lado, a fase quente
apresenta anomalia positiva de TSM no Pacífico Tropical e negativa no Pacífico Extratropical (MANTUA et al., 1997).
Prestes et al. (2010) relacionaram a precipitação na cidade de Porto Alegre – RS com a Oscilação Decadal do Pacífico, e concluíram que a fase fria da ODP causa redução nos totais anuais de chuva na cidade.
Figura 5 - Série temporal da do Índice Oscilação Decadal do Pacífico no período de 1900 a 2009.
FONTE: MANTUA et al. (1997).
2.3.2. Variações de TSM no Oceano Atlântico
2.3.2.1. Índice do Atlântico Sul (IAS) e Índice do Atlântico Tropical (IAT)
O Oceano Atlântico apresenta variações de TSM semelhantes às variações do Oceano Pacífico, apresentando dois modos de variação: interanual equatorial, que ocorre com frequência de 3 a 8 anos e está associado com a dinâmica oceânica, e decadal, caracterizado como um gradiente inter-hemisférico de TSM simétrico em relação à ZCIT (Zona de Convergência Intertropical), conhecido como Dipolo do Atlântico (SERVAIN, 1991).
Com a finalidade de identificar eventos de anomalia de TSM no Oceano Atlântico Tropical no período de 1964 a 2009, Goes et al. (2003) aplicaram a técnica
de decomposição em Funções Ortogonais Empíricas (FOE). Essa técnica baseia-se na resolução do problema de matriz de covariância. O autor pôde observar que o principal padrão de variabilidade do Oceano Atlântico Tropical é o modo equatorial, que está associado com o resfriamento ou o aquecimento generalizado de toda a Bacia Atlântica Tropical.
De acordo com Santos (2011), a região do Oceano Atlântico Sul é delimitada pelas coordenadas 20°S-30°S e 20°W-40°W. A região de estudo do Oceano Atlântico Tropical se encontra entre as coordenadas 5°S-5°N e 5°W-35°W (Fig. 6).
Santos (2011) determinou índices para as variações de TSM no Oceano Atlântico Sul e Tropical, durante o período de 1900 a 2009. A autora calculou os índices baseados na média e desvio padrão das séries de TSM, e observou que o IAT (Índice do Atlântico Tropical) não apresentou relação com a precipitação no RS, devido aos coeficientes mostrarem baixa significância. Por outro lado, o índice IAS (Índice do Atlântico Sul) registrou coeficientes com alta significância, o que demonstra relação da variação da TSM do Oceano Atlântico Sul com a precipitação no Estado.
Figura 6 - Regiões de estudo dos índices IAS (Índice do Atlântico Sul) e IAT (Índice do Atlântico Tropical)
FONTE: Adaptado de SANTOS (2011).
Na Fig.6 pode-se observar que entre as regiões de estudo dos índices IAS e IAT existe uma extensa área que pode apresentar influência na precipitação do RS.
Para que se possa analisar o fator dipolo entre Atlântico Sul e o Atlântico Tropical, faz-se a diferença dos índices IAS e IAT, denominado como Índice do Atlântico Sul e Tropical (IAST).
Santos (2011) também analisou a relação do IAST com a precipitação no RS, e verificou que a região de estudo apresenta relações significativas e positivas com a variável em questão.
Materiais e Métodos
3.1 Casos de inundações e dados de precipitação
Na primeira etapa deste estudo, foram registrados eventos de inundações ocorridas no Estado do Rio Grande do Sul, durante o período de 1980 a 2010. Os casos de inundações foram obtidos da Defesa Civil do Rio Grande do Sul (2011), de 2003 a 2010, e para 1980 a 2005 através do trabalho de Reckziegel (2007). A análise envolveu as cidades de Bagé, Encruzilhada do Sul, Iraí, Passo Fundo, Pelotas, Porto Alegre, Santa Maria, Santa Vitória do Palmar, São Luiz Gonzaga, Torres e Uruguaiana (Fig.7).
Figura 7 - Mapa do Rio Grande do Sul com as cidades em estudo .
A Tab.1 mostra a quantidade de casos de enchentes registrados em cada cidade estudada durante o período de 1961 a 2010. As cidades que mais apresentaram casos são Pelotas, Porto Alegre e Uruguaiana, e as que menos apresentaram eventos foram Santa Vitória do Palmar e São Luiz Gonzaga. Mesmo com poucos casos, o que deixa os limiares dessas cidades menos confiáveis, essas duas cidades foram mantidas devido as suas posições geográficas, para que a análise preencha todo o Estado. Deve-se considerar a possibilidade de a Defesa Civil do Estado do Rio Grande do Sul deixar de registrar muitos casos de inundações no Estado, alguns por ocorrerem em pontos isolados da zona rural e, principalmente, os que apresentam consequências leves.
Tabela 1 - Número de casos de enchentes registradas das cidades estudadas no período de 1961 a 2010, com as coordenadas geográficas de cada estação meteorológica do INMET referente a cada cidade analisada.
Cidades Latitude; Longitude Nº casos de enchentes registradas
Bagé -31,347; -54,013 14
Encruzilhada do Sul -30,530; -52,520 13
Iraí -27,180; -53,230 16
Passo Fundo -28,229; -52,403 20
Pelotas -31,520; -52,212 30
Porto Alegre -30,050; -51,166 60
Santa Maria -29,700; -53,700 21
Santa Vitória do Palmar -33,520; -53,350 3
São Luiz Gonzaga -28,417; -54,962 4
Torres -29,350; -49,733 9
Uruguaiana -29,842; -57,082 35
Após o levantamento dos casos de inundações, obtiveram-se os dados diários de precipitação que antecederam os registros de inundações. Tais dados foram obtidos de estações meteorológicas vinculadas ao Instituto Nacional de Meteorologia (INMET), por meio do 8º Distrito de Meteorologia. Os dados apresentaram algumas falhas, sendo que o mínimo de falhas encontrou-se em Pelotas (0%) e máximo em Uruguaiana com 9%, em que essas foram substituídas
por dados de estações próximas (com distância inferior a 5 km), obtidos da Agência Nacional de Águas (ANA).
Após essa etapa, as falhas restantes foram substituídas através do método de interpolação do Inverso da Potência da Distância (IPD) utilizada por Silva et al.
(2011). O IPD considera que o valor da variável a ser estimada numa posição qualquer é calculado por “n” vizinhos mais próximos ponderados pelo inverso da sua distância elevada a uma potencia, conforme Equação 1 (CARUSO e QUARTA, 1998):
∑ (
)
∑ (
)
(1)
Em que: zi = precipitação interpolada no ponto i; dij = distância entre os pontos i e j; zj = precipitação medida no ponto j; n= número de postos usados na interpolação; k = potência utilizada. As potências utilizadas nesse método foram de 2 a 6, anteriormente avaliadas em Castro et al.(2010). Foram feitos testes com dados de estações da ANA acima de 5 km de distância das estações do INMET, comparou-se os dados e a potência referente ao dado que mais se aproximou do valor da estação do INMET foi utilizada para preencher as falhas restantes. Após fazer os testes, cada cidade apresentou sua respectiva potência. Os municípios de Santa Maria, Santa Vitória do Palmar e Uruguaiana apresentaram potência igual a 2;
e Iraí, São Luiz Gonzaga e Torres potência igual a 6, o restante das cidades não foi feito a interpolação com o IPD porque as falhas foram substituídas somente com estações próximas (distâncias inferiores a 5 km).
3.2 Determinação de limiar para obtenção de eventos de chuva com potencial de inundação
Foram usados os dados diários de precipitação observados em até 30 dias antes dos eventos de inundação para que se considere não só as inundações bruscas, que ocorrem a partir de precipitações intensas que normalmente acontecem em um curto período de tempo, como também as precipitações graduais, que ocorrem a partir de fracas precipitações diárias que acumuladas podem provocar inundação, ou ainda precipitações bruscas intermitentes durante um período maior.
Através da análise diária da precipitação acumulada antes da inundação, obteve-se o cálculo da média para cada período (dia) anterior à data do registro da inundação. Escolheram-se os períodos de 2, 10 e 30 dias para a obtenção dos limiares, para que se considerem inundações bruscas (poucos dias) e graduais ou bruscas em sequência (vários dias). Assim, a precipitação acumulada média para cada período escolhido é definido como o limiar de detecção do evento, ou seja, é um indicativo da quantidade de chuva necessária durante um período de tempo para que possa ocorrer um evento de inundação em determinada cidade. A quantificação dos casos com potencial de causar inundação para cada limiar foi obtida utilizando o programa Fortran 90, filtrando dos dados de precipitação de 1961 a 2010 os casos em que o limiar foi alcançado.
Na Fig.8 é mostrado um exemplo de obtenção dos limiares para Pelotas. A linha em azul indica a precipitação acumulada ao longo dos 30 dias anteriores à enchente. Nesse exemplo os limiares definidos foram 2d112, 10d155 e 30d244, que significam respectivamente, 112 mm de chuva acumulada em 2 dias, 155 mm de chuva acumulada em 10 dias e 244 mm de chuva acumulada em 30 dias. Os intervalos de tempo dos limiares foram contados sequencialmente (dias 1 e 2; dias 2 e 3,...) para que nenhuma sequência de dias de precipitação seja perdida. Por exemplo, o limiar de 2d112 de Pelotas e a seguinte sequência de precipitação: dia 1 (40 mm), dia 2 (80 mm) e dia 3 (33 mm). Neste caso, teremos dois eventos “2d”: um com 120mm e outro com 113mm. Logo, esses valores de precipitação combinado com o período em que ocorreram tem potencial de ocasionar um evento de enchente na cidade de Pelotas.
Figura 8 - Exemplo do limiar de precipitação com potencial de causar inundação, obtido para a cidade de Pelotas (RS).
Esta análise foi realizada para todos os eventos de inundação encontrados nas cidades analisadas, onde cada cidade apresenta limiares diferentes, devido suas características populacionais, geográficas e hidrográficas, como discutido a seguir.
3.3 Análise de correlação com índices
Neste trabalho, os índices climáticos discutidos anteriormente IME , ION, IOS, ODP, IAS, IAT e IAST foram empregados para se verificar a influência da TSM do Pacífico e do Atlântico no número de eventos extremos de precipitação das cidades em estudo. Valores do índice IME estão disponíveis em NOAA/ESRL (2012); índice ION em NOAA/NCEP/CPC (2012a); índice IOS em NOAA/NCEP/CPC (2012b) e ODP em JISAO/WASHINGTON (2012). Os índices IAS, IAT e IAST foram obtidos a partir de Santos (2011).
Os valores dos índices foram considerados de duas formas: considerando a média anual e considerando o maior valor anual de cada índice. Observou-se que apresentaram melhores resultados, ou seja, maiores valores de correlação linear com o número de eventos, o método que utilizou as médias anuais dos índices sendo, portanto, este o que será utilizado para as próximas análises. A correlação utilizada foi a correlação de Pearson, também conhecida como correlação linear, que fornece uma noção do grau de relacionamento entre duas variáveis quaisquer, estando os valores limitados entre -1 e 1, representada pela Equação 2 (WILKS,
0,0 50,0 100,0 150,0 200,0 250,0 300,0
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Prec Média Acumulada (mm)
Dias
Pelotas
Precip Média
1995). Onde x1, x2, xn, y1, y2 e yn são os valores de ambas as variáveis e as médias aritméticas das variáveis são representadas pela Equação 3.
∑ ( ̅) ( ̅)
√∑ ( ̅) √∑ ( ̅)
( )
√ ( ) ( )
(2)
̅ ∑
e̅ ∑
(3)Para identificar a significância estatística do resultado foi usado o Teste T - Student, utilizando a Equação 4 (MEYER, 1976):
√
(4)
Onde t é comparada com o valor da tabela de distribuição t de Student com n-2 graus de liberdade, n = número de variáveis da série de dados e r = coeficiente de correlação. Se o valor de t calculado pela fórmula for maior que o t de Student, pode-se dizer que há uma correlação significativa entre as variáveis, logo é identificada relação entre as variáveis (LOPES, 2006). Aqui, a correlação foi considerada estatisticamente significativa para valores de nível de confiança igual ou superior a 95%.
