XXIII SIMPÓSIO BRASILEIRO DE RECURSOS HIDRÍCOS

XXIII SIMPÓSIO BRASILEIRO DE RECURSOS HIDRÍCOS

EFEITOS DE MUDANÇAS CLIMÁTICAS DA TEMPERATURA E DA UMIDADE DO AR NOS FLUXOS HIDROLÓGICOS: ESTUDO DE CASO NO

SUDESTE PARA A BACIA DO RIO JAGUARI

Leonardo Moreno Domingues

; Lucas Machado Pontes

; Humberto Ribeiro da Rocha

RESUMO – A bacia do Rio Jaguari integra o Sistema Cantareira, que abastece a Região Metropolitana de São Paulo. Esta bacia foi atingida por intensas cheias e secas nos últimos anos, que podem ser agravadas com as potenciais mudanças climáticas nas próximas décadas, e cujos efeitos ainda não estão seguramente entendidos. Utilizamos o modelo hidrológico SWAT para avaliar efeitos semelhantes aos da mudança do clima nos fluxos hidrológicos, em específico a variação da temperatura e umidade do ar. Estabelecemos um modelo calibrado em escala diária (NS=0,8 e 0,82 para calibração e validação, respectivamente), submetido à forçantes de crescentes temperaturas e decrescentes umidades do ar, por meio de simulações de longo prazo. Todos os experimentos estabeleceram um aumento do déficit de pressão de vapor, contribuindo para o aumento da transpiração, exceto no inverno, quando a redução do índice de área foliar promoveu redução da transpiração. O padrão da transpiração foi semelhante na evapotranspiração. Por outro lado, a vazão foi reduzida em todos os experimentos, aproximadamente proporcional ao aumento na evapotranspiração. As significativas reduções da vazão, decorrentes da incerteza da umidade do ar nas projeções climáticas, sugerem que a bacia do Jaguari poderá estar mais vulnerável no futuro em relação a seus recursos hídricos.

ABSTRACT– The Jaguari River basin makes part of Cantareira System, which supplies the Metropolitan Region of São Paulo. This basin has undergone intense floods and droughts in the last couple of years, which may be aggravated by the potential climate changes in the next decades, and their effects are not fully understood. We used the hydrological model SWAT to assess similar effects of climate change in the water fluxes, in particular the air temperature and humidity variation. We established a calibrated model in daily time step (NS=0.8 and 0.82 for calibration and validation, respectively), forced by increasing temperatures and decreasing humidity, via long term simulations.

All experiments established an increase in the vapor pressure deficit, which contributed to increase the transpiration, except in the winter when the reduced leaf area index promoted a decrement in transpiration. The transpiration pattern was similar in the evapotranspiration. On the other hand, the runoff was reduced in all experiments, nearly proportional to the increase in evapotranspiration. The significant reductions in the runoff, resulting from the uncertainties of air humidity in the climate projections, suggest that Jaguari basin may be more vulnerable in the future regarding its water resources.

Palavras-Chave – Jaguari, modelagem hidrológica

1) Instituto de Astronomia, Geofísica e Ciência Atmosféricas da Universidade de São Paulo. Rua do Matão, 1226 – Cidade Universitária, São Paulo- SP, CEP: 05509-090. Tel: (11) 3091-4772. Email: leomdomingues@gmail.com.

2) Instituto de Astronomia, Geofísica e Ciência Atmosféricas da Universidade de São Paulo. Rua do Matão, 1226 – Cidade Universitária, São Paulo- SP, CEP: 05509-090. Tel: (11) 3091-4772. Email: lucas.pontesm@gmail.com.

INTRODUÇÃO

O Sistema Cantareira contribui historicamente com até 33 m

s

no abastecimento de cerca de 8,8 milhões de pessoas da Região Metropolitana de São Paulo. Entretanto, episódios recentes como a cheia de 2010 e a seca de 2014/2015 evidenciam a importância do clima e da gestão dos recursos hídricos no abastecimento de água. Por isso, se adiantar às possíveis mudanças no clima é de grande valor estratégico, ainda mais em uma região de alta densidade populacional. Nesse sentido, os modelos hidrológicos são ferramentas importantes para planejamento de bacias hidrográficas, pois permitem o entendimento de processos físicos que ocorrem em uma dada bacia e como estes se modificam em condições de mudanças climáticas.

As projeções envolvendo umidade relativa do ar não apresentam o mesmo grau de confiança que o aumento de temperatura. Enquanto o penúltimo relatório (AR4) do Painel Intergovernamental de Mudanças Climáticas (IPCC) tratava como “incontroversa” a umidade relativa em larga escala se manter quase-inalterada (Randall et al., 2007), o último relatório (AR5) aponta que a maior parte das áreas continentais sofrerá uma redução da umidade relativa próxima a superfície, indicando que o aumento na umidade específica provida pelos oceanos não será suficiente para compensar o aumento da saturação devido à temperatura nos continentes (Collins et al., 2013).

Willet et al. (2014) não encontraram tendências significativas na umidade relativa do ar entre 1973-2013, tanto na média global quanto nos trópicos (entre 20°S e 20°N), embora apontem uma tendência negativa entre 70 e 20°S. Em contrapartida, a partir de 2000 uma tendência negativa é evidenciada sobre a superfície tanto nos dados observados quanto nas reanálises (Willet et al., 2018).

Entretanto, a escassez de dados no hemisfério Sul em comparação ao Norte prejudica o diagnóstico apontado. Willet et al. (2018) sugerem, ainda, que a disponibilidade hídrica pode variar dependendo da combinação entre umidade, proximidade com a saturação do ar, e temperatura do ar.

Apesar de muitos trabalhos explorarem os efeitos das mudanças climáticas no ciclo hidrológico, a falta de consenso entre modelos regionalmente dificulta um diagnóstico. Desta forma, a perturbação progressiva de séries históricas de clima, apesar da simplicidade, pode contribuir para um entendimento mais profundo dos processos de superfície envolvidos.

O objetivo deste trabalho é avaliar os efeitos do aquecimento e da variação da umidade relativa do ar nos fluxos hidrológicos da bacia do Rio Jaguari, principal reservatório do Sistema Cantareira.

Para tanto, o modelo hidrológico SWAT é utilizado para acessar o balanço hídrico na bacia e, então,

para estimar os impactos das diferentes combinações de perturbações.

MATERIAIS E MÉTODOS

Área de estudo

Sistema Cantareira é o nome dado ao conjunto de reservatórios, túneis e canais que captam e transpõem água de uma porção da bacia do Rio Piracicaba para a bacia do Alto Tietê, com a finalidade de abastecer parte da Região Metropolitana de São Paulo (RMSP). As vazões da bacia do Rio Jaguari (Figura 1), em conjunto com a do Rio Jacareí a montante do reservatório, contribuem com 76% do total armazenado em todo sistema.

Figura 1 – Mapa hipsométrico da bacia do Rio Jaguari. O trecho pontilhado delimita a área de drenagem referente ao posto F-25B. São destacados os principais rios da bacia: Camanducaia e Jaguari.

Modelo hidrológico e configurações

O modelo Soil and Water Assessment Tool (SWAT) versão 2012 foi utilizado para efetuar as simulações hidrológicas, com pré-processamento realizado pela plataforma de Sistemas de Informações Geográficas (SIG) ArcGIS

versão 10.2.2, via ArcSWAT 2012.10.2.18. O modelo é forçado pela temperatura do ar máxima e mínima, velocidade do vento, radiação solar, umidade relativa do ar e precipitação, todas em passo de tempo diário.

A precipitação diária foi estimada utilizando-se estações do Centro Nacional de

Monitoramento e Alertas de Desastres Naturais (CEMADEN), da Agência Nacional das Águas

(ANA), do Instituto Agronômico de Campinas (IAC), da Companhia de Saneamento Básico de São

Paulo (SABESP) e do Instituto Nacional de Meteorologia (INMET). As estações foram previamente

consistidas e interpoladas pelo método do inverso da distância (Pebesma, 2004) para uma grade de

10 km x 10 km de resolução. As demais variáveis do clima foram retiradas da reanálise do ERA-

INTERIM (Dee et al., 2011) para o período de 1990 a 2017. A umidade relativa é calculada aplicando

as temperaturas do ar (T) e do ponto de orvalho (Td) da reanálise à equação de Clausis-Clapeyron (e(T)), e tirando a razão entre e(Td) e e(T).

As demais condições de contorno do modelo são os mapas de solo (UFV, CETEC, UFLA, FEAM, 2010) e uso do solo (IBGE, 2015) e também a declividade média, que é derivada do Mapa Digital de Elevação (DEM) do ALOS PALSAR RTC (AFS DAAC, 2015), com 12,5 metros de resolução. O mapa de uso do solo foi reclassificado em três classes dominantes: mata atlântica, pastagem e urbano, e os parâmetros específicos foram configurados conforme trabalho de Mota da Silva (2014). Os dois solos presentes na bacia são o Latossolo Vermelho-Amarelo (LVA) e Argissolo Vermelho-Amarelo (PVA), ambos inicialmente configurados conforme Pontes et al. (2016).

São utilizados o método do número de curva SCS para geração de escoamento superficial e Penman-Monteith FAO para evapotranspiração potencial. A transpiração, por sua vez, é estimada conforme a equação abaixo:

𝜆𝐸

= ∆ ∙ (𝐻

− 𝐺) + 𝛾 ∙ 𝐾

∙ (0,622 ∙ 𝜆 ∙ 𝜌

⁄ ) ∙ (𝑒 𝑃

− 𝑒

) 𝑟 ⁄

∆ + 𝛾 ∙ (1 + 𝑟

⁄ ) 𝑟

(1)

, onde 𝜆 é o calor latente de vaporização (MJ kg

), 𝐸

a máxima taxa de transpiração (mm dia

), ∆ a inclinação da curva pressão de vapor de saturação x temperatura (kPa °C

), 𝐻

o saldo de radiação (MJ m

dia

), 𝐺 o fluxo de calor no solo (MJ m

dia

), 𝛾 a constante psicrométrica (kPa

°C

), 𝜌

a densidade do ar (kg m

), 𝑃 a pressão atmosférica (kPa), 𝑒

a pressão de vapor de saturação do ar (kPa), 𝑒

a pressão de vapor do ar (kPa), 𝑟

a resistência aerodinâmica (s m

) e 𝑟

é a resistência do dossel (s m

). O termo 𝑒

-𝑒

é chamado de déficit de pressão de vapor.

Calibração do modelo

O modelo SWAT foi calibrado automaticamente utilizando-se o software SWAT-CUP (Abbaspour, 2012). O método PSO (Particle Swarm Optimization) foi utilizado como algoritmo. A partir de limiares definidos pelo usuário para os parâmetros a serem ajustados, o algoritmo gera um conjunto de valores a cada simulação. Ao fim desta, ao menos um fluxo simulado pelo modelo é comparado com o respectivo dado observado e a relação entre eles é quantificada estatisticamente por indicadores como o viés, o coeficiente de regressão linear, o coeficiente de Nash-Sutcliffe (NS), entre outros. Neste trabalho foram efetuadas 3 iterações de 500 simulações cada e o coeficiente de NS foi utilizado como função a ser otimizada. A vazão observada utilizada na calibração é do posto F-25B da SABESP (ver Figura 1). O período de 2003 a 2017 foi utilizado para a calibração, e os anos restantes (1995-2002) para validação. O intervalo de 1990 a 1994 foi utilizado para aquecer o modelo.

Perturbações

Com o modelo calibrado (caso controle), propõe-se aumentar as temperaturas máximas e mínimas do ar progressivamente em 1, 2 e 3°C, concomitantemente, mantendo as demais variáveis originais. Se a umidade relativa não é modificada, isso implica que a umidade específica aumenta, uma vez que uma atmosfera mais quente comporta mais água. Na segunda etapa de perturbações, supomos que a umidade específica não muda, de forma que a UR foi reduzida para estar coerente com os aumentos de temperatura (e(Td)/e(T

)). Desta forma, teremos 6 experimentos: T+1, T+2, T+3 com UR igual ao caso controle, e T+1, T+2, T+3 com UR reduzida. Neste trabalho, toda série observada foi perturbada igualmente, inclusive o período de aquecimento.

RESULTADOS

Os parâmetros utilizados, o intervalo de variação e o melhor conjunto de valores encontrados no processo de calibração são mostrados na Tabela 1. Os coeficientes de NS para calibração e validação do posto F-25B foram 0,8 e 0,82, respectivamente. De acordo com Moriasi et al. (2007) para simulações em passo de tempo mensal, estes coeficientes são classificados como muito bons.

A vazão simulada (Figura 2) reproduziu adequadamente a variabilidade interanual observada na série temporal do posto F-25B. Embora as vazões mínimas tenham sido recorrentemente subestimadas em boa parte do intervalo, com exceção de 2012 a 2017, o desempenho do modelo foi, em geral, satisfatório, inclusive em regimes de seca (como o de 2014 e 2017) e de cheia (como 1995- 1996 e 2009-2010) na bacia.

Figura 2: Painel superior: Vazão simulada (linha vermelha) e observada (linha preta), em m

s

, para o posto F-

25B. Painel inferior: Precipitação média na bacia, em mm dia

. A linha vertical pontilhada separa os intervalos utilizados

para validação (lado esquerdo) e calibração (lado direito).

Tabela 1: Parâmetros utilizados na calibração do modelo hidrológico, incluindo os valores mínimos (Min) e máximos (Max) prescritos e o valor que otimizou o coeficiente de Nash-Sutcliffe (Best). Os prefixos ‘v’ indicam substituição, ‘a’

adição e ‘r’ variação relativa quanto ao valor inicial dos parâmetros.

Parâmetro Descrição Min Max Best

r_CN2 Número de curva da condição II de umidade (-) -40% 40% -40%

v_OV_N Coeficiente Manning para fluxo superficial (-) 0,17 0,40 0,21 r_HRU_SLP Declividade média da sub-bacia (m m

) -25% 25% 0,02%

v_ALPHA_BF Constante da recessão do escoamento básico (dias

) 0,00 0,20 0,04 a_REVAPMN

Limiar do nível de água no aquífero raso para geração de re-

evaporação (mmH

O) -500 500 32

v_LAT_TTIME Atraso do fluxo lateral (dias) 1,0 6,0 2,6

v_CH_S1 Declividade média dos canais tributários (m m

) 0,001 0,055 0,037 r_SLSUBBSN Comprimento da declividade média (m) -25% 25% -25%

v_RCHRG_DP Fator de percolação para o aquífero profundo (-) 0,0 0,6 0,0 r_SOL_AWC() Capacidade de água disponível (mmH

O mm

) -20% 20% -20%

v_SOL_K() Condutividade hidráulica de saturação (mm h

) 30 80 80 v_CH_S2 Declividade média do canal principal (m m

) 0,001 0,020 0,010 v_CH_N2 Coeficiente de Manning para o canal principal (-) 0,025 0,300 0,097 v_CH_K2

Condutividade hidráulica efetiva no canal principal

(mm h

) 5 120 58

v_GW_REVAP Coeficiente de re-evaporação (-) 0,10 0,50 0,11 v_ESCO Coeficiente de compensação da evaporação do solo (-) 0,7 0,9 0,8 a_GWQMN

Limiar do nível de água no aquífero raso para geração de

escoamento básico (mmH

O) -100 100 -74

Em termos gerais, a precipitação média da bacia é de 1541 mm ano

, no qual 63,5% é particionado em evapotranspiração (ET) e 36,5% em deflúvio (R). Em 2014, que foi o ano mais seco da série, a ET correspondeu a 78% da chuva deste ano. Por outro lado, em 1996 e 1997, que foram anos mais chuvosos, a ET foi apenas 56% da chuva anual.

Por simplicidade, apenas os experimentos de maior aquecimento com UR igual ao controle

(T+3) e UR reduzida (UR T+3) são mostrados. A Figura 3 mostra que o déficit de pressão de vapor

(vpd) aumenta em relação ao controle para os dois experimentos, especialmente para o caso com

umidade reduzida. Sazonalmente o vpd é maior nos meses mais quentes, que aumentam 𝑒

, e nos

mais secos, que reduzem 𝑒

(ver equação 1). A Figura 4 mostra que a transpiração aumentou nos

experimentos em todos os meses (exceto em Julho/Agosto), especialmente para UR T+3. Pela

equação (1), a transpiração aumenta com o incremento de vpd e reduz com o aumento da resistência

do dossel, sendo esta maior quanto menor a umidade relativa. Desta forma, o efeito do vpd sobressaiu

reduzida nos experimentos pela redução do índice de área foliar. Para a evaporação do solo, o experimento T+3 é praticamente igual ao caso controle, mas para UR T+3 ela é reduzida em todos os meses do ano. Isso se deve porque grande parte da demanda evaporativa neste experimento é utilizada na transpiração, sobrando menos energia para evaporar a água no solo. A evapotranspiração média mensal reflete a soma das duas componentes (transpiração e evaporação no solo).

Figura 3 – Déficit de pressão de vapor médio mensal, em kPa, para o caso controle (curva preta), e os experimentos com temperatura do ar aquecida em três graus e umidade relativa igual ao controle (T+3, curva cinza) e com umidade

reduzida (UR T+3, curva azul).

Figura 4 – Evapotranspiração (esquerda), transpiração (centro) e evaporação do solo (direita) médias mensais, em mm dia

, para o caso controle (linha preta) e os experimentos com temperatura do ar aquecida em três graus e umidade

relativa igual ao controle (T+3, linha cinza) e com umidade reduzida (UR T+3, linha azul).

As relações entre ET, R e a variação do armazenamento de água no solo (∆S) e a chuva são mostradas na Figura 5 para todos os experimentos. Os aumentos na ET (e reduções nos meses mais secos) explicados anteriormente para T+3 e UR T+3 ocorrem para todos os experimentos, ponderados pelo grau de aquecimento e secamento. Abaixo do limiar de 50 mm mês

, onde a evapotranspiração é reduzida nos experimentos, ∆S aumenta proporcionalmente. Acima de 50 mm mês

a ET média mensal é tão maior quanto maior a chuva, até aproximadamente a faixa de 300 mm mês

. A partir de então, possivelmente, o efeito da nebulosidade associado a chuva reduz a temperatura do ar, que por sua vez, reduz a ET. Também próximo ao limiar de 300 mm mês

R passa a superar a ET mensal, crescendo linearmente com a chuva. De maneira geral, o deflúvio mensal reduz proporcionalmente ao aumento de ET de cada experimento.

Figura 5– Relação entre a precipitação média mensal da bacia, em mm mês

, e os fluxos hidrológicos evapotranspiração (E), deflúvio (R) e variação do armazenamento de água no solo (∆S), em mm mês

. As curvas contínuas pretas são do caso controle (preta), enquanto as cinzas, azuis e vermelhas representam os aquecimentos de 1,

2 e 3°C, respectivamente, com UR igual ao controle (curvas contínuas) e reduzida (curvas pontilhadas).

CONCLUSÕES

O presente trabalho teve como objetivo avaliar os impactos do aquecimento e secamento do ar

nos fluxos hidrológicos da bacia do Rio Jaguari, utilizando o modelo hidrológico SWAT. Em uma

primeira etapa, o modelo foi satisfatoriamente calibrado para o período de 2003 a 2017 e validado no

intervalo entre 1995 e 2002. A bacia apresentou precipitação média de 1541 mm ano

, no qual 63,5%

Todos os experimentos aumentaram a evapotranspiração mensal, exceto para os meses de Julho/Agosto, quando o índice de área foliar esteve reduzido. O déficit de pressão de vapor aumenta nos experimentos, ampliando as taxas de transpiração, especialmente para os casos com umidade relativa reduzida. Embora a evaporação do solo possa reduzir em alguns experimentos, o efeito líquido na evapotranspiração é de aumento. Por outro lado, todos os experimentos reduziram o deflúvio médio mensal para toda faixa de precipitação avaliada, proporcionalmente ao aumento da evapotranspiração. Considerando a importância desta bacia para abastecimento de água, as reduções no deflúvio em todos os cenários podem aumentar a vulnerabilidade quanto a escassez hídrica no futuro.

Sugere-se para trabalhos futuros utilizar novas combinações de perturbações de forma a considerar cenários de precipitação, que é fundamental no modelo hidrológico. Além disso, a avaliação espacial das perturbações dentro da bacia pode ser explorada, mostrando a diferença no balanço hídrico sob diferentes coberturas vegetais. Finalmente, explorar o efeito da umidade relativa na resistência do dossel, alterando parâmetros de entrada do SWAT, podem gerar resultados distintos dos aqui apresentados.

REFERÊNCIAS

ABBASPOUR, K. C. (2015) “Swat-cup: Swat calibration and uncertainty programs - a user manual”. [Online; Acessado em: 01/06/2017].

ASF DAAC. (2015) “Alos palsar radiometric terrain corrected low res”. Relatório técnico.

[Online; Acessado em 30/04/2018].

COLLINS, M.; KNUTTI, R.; ARBLASTER, J.; DUFRESNE, J.-L.; FICHEFET, T.;

FRIEDLINGSTEIN, P.; GAO, X.; GUTOWSKI, W.J.; JOHNS, T.; KRINNER, G.; SHONGWE, M.;

TEBALDI, C.; WEAVER, A.J.; WEHNER, M. (2013) “Long-term Climate Change: Projections, Commitments and Irreversibility”. In: Climate Change 2013: The Physical Science Basis.

Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Org. por Stocker, T.F., Qin, D., Plattner, G.-K., Tignor, M. , Allen, S.K., Boschung, J., Nauels, A., Xia, Y., Bex, V. e Midgley, P.M. Cambridge University Press, Cambridge, Reino Unido e Nova Iorque, NY, USA.

DEE, D. P.; UPPALA, S. M.; SIMMONS, A. J.; BERRISFORD, P.; POLI , P.; KOBAYASHI, S.;

ANDRAE, U; BALMASEDA, M.A.; BALSAMO, G.; BAUER, P.; BECHTOLD, P.; BELJAARS, A.C.M.; VAN DE BERG, L.; BIDLOT, J.; BORMANN, N.; DELSON, C.; DRAGANI, R.;

FUENTES, M.; GEER, A.J.; HAIMBERGER, L.; HEALY, S. B.; HERSBACH, H., HOLM, E.V.;

ISAKSEN, L., KALLBER, P.; KOHLER, M.; MATRICARDI, M.; MCNALLY, A.P.; MONGE- SANZ, B.M.; MORCRETTE, J.J.; PARK, B. K.; PEUBEY, C.; DE ROSNAY, P.; TAVOLATO, C.;

THEPAUT, J. N.; VITART, F. (2011) “The ERA-Interim reanalysis: Configuration and performance

of the data assimilation system”. Quarterly Journal of the Royal Meteorological Society,

137(656):553-597.

IBGE - Instituto Brasileiro de Geografia e Estatística (2015). “Arquivo vetorial de cobertura e uso da terra do Brasil para o ano de 2012”. Disponível em:

ftp://geoftp.ibge.gov.br/mapas_tematicos/mapas_murais/shapes/cobertura_e_uso_da_terra. Acesso em: 29/03/2016.

MORIASI, D.; ARNOLD, J.; VAN LIEW, M.; BINGNER, R.; HARMEL, R.; VEITH, T. (2007)

“Model evaluation guidelines for systematic quantification of accuracy in watershed simulations”. Transactions of the Asabe, St Joseph, v.50, n.3, p.885-900.

MOTA DA SILVA, J. (2014). O serviço ambiental hidrológico das áreas de proteção permanente:

um estudo de caso com modelagem numérica em pequena e mesoescala na bacia do Rio Piracicaba.

Tese. Universidade de São Paulo.

PEBESMA, E. J. (2004) Multivariable geostatistics in S: the gstat package. Computers &

Geosciences. Volume 30, Isse 7.

PONTES, L M.; VIOLA, M. R.; SILVA, M. L. N.; BISPO, D. F. A., e CURI, N. (2016).

“Hydrological Modeling of Tributaries of Cantareira System, Southeast Brazil, with the Swat Model”. Engenharia Agrícola, 36(6), 1037-1049. https://dx.doi.org/10.1590/1809-4430- eng.agric.v36n6p1037-1049/2016

RANDALL, D.A.; WOOD, R.A.; BONY, S.; COLMAN, R.; FICHEFET, T.; FYFE, J.; KATTSOV, V.; PITMAN, A.; SHUKLA, J.; SRINIVASAN, J.; STOUFFER, R.J.; SUMI, A.; TAYLOR, K.E.

(2007) “Climate Models and Their Evaluation”. In: Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Org. por Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M., Averyt, K.B., Tignor, M. e Miller, H.L. Cambridge University Press, Cambridge, Reino Unido e Nova Iorque, NY, USA.

UFV - CETEC - UFLA - FEAM. (2010) Mapa de solos do Estado de Minas Gerais. Belo Horizonte, Fundação Estadual do Meio Ambiente. 49p. Disponível em: <http://www.feam.br/noticias/1/949- mapas-de-solo-do-estado-de-minas-gerais> Acesso em: 15 de abril de 2018.

WILLET, K. M.; DUNN, R. J. H.; THORNE, P. W.; BELL, S.; DE PODESTA, M.; PARKER, D.

E.; JONES, P. D.; WILLIAMS JR., C. N. (2014) HadISDH land surface multi-variable humidity and temperature record for climate monitoring. Climate Past, 10, 1983-2006.

WILLET, K. M.; BERRY, D. I.; BOSILOVICH, M.; SIMMONS, A. J. (2018) Surface humidity. In:

State of the Climate in 2017. Bulletin of American Meteorological Society, 99 (8), S25-S26.

AGRADECIMENTOS – Os autores agradecem a CAPES e a ANA pelas bolsas de estudo de

L.M.D. e L.M.P. que viabilizaram a realização deste trabalho.