Análise e previsão de chuvas na estação seca do leste do Nordeste do Brasil: aplicação nas bacias dos rios Mundaú e Paraíba do Meio (AL/PE)

• Autor(a) principal: PEREIRA, Thiago Alberto da Silva
• Data de Publicação: 2017
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• dARK ID: ark:/64986/0013000004c15
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/29901
• topic: Engenharia Civil; Secas; Leste do Nordeste; Modelo híbrido; Previsão

A variabilidade climática provoca eventos extremos que impactam a população global. O entendimento desta variabilidade é ferramenta potente para mitigação dos seus efeitos deletérios. As condições anômalas da precipitação, decorrentes da variabilidade climática, trazem prejuízos diversos, sendo, portanto, necessário o estudo de seu comportamento e a construção de modelos de previsão com certo grau de antecedência. O nordeste do Brasil, em comparação com o país como todo, é a região mais vulnerável aos efeitos da variação da precipitação, por esta razão, torna-se importante a caracterização e estudos de recorrência destes eventos. No entanto, o nordeste do Brasil apresenta diferentes regimes de precipitação, em termos espaciais, podendo ser divididos em Norte do Nordeste do Brasil (NNEB) e Leste do Nordeste do Brasil (LNEB). Muitos esforços têm sido empreendidos para entender a variabilidade interanual da precipitação do NNEB, enquanto que no LNEB, o rol de trabalhos ainda se mostra incipiente, focando sua maioria na estação chuvosa. Diferentemente do NNEB, a estação seca do LNEB apresenta uma variabilidade interanual acima de 150 mm, que pode acarretar danos à população que ali reside. Logo, este trabalho visa entender a variabilidade pluviométrica da estação seca do LNEB e propor um modelo de previsão em longo prazo, utilizando como área de estudo as Bacias dos rios Mundaú e Paraíba do Meio, localizadas nos estados de Pernambuco e Alagoas. Para tal, os dados pluviométricos coletados foram compilados para o trimestre seco (outubro a dezembro) e submetidos à Análise de Componentes Principais e Análise Cluster, quando foi possível classificar a região em duas porções com características similares. A partir disso, foram calculados os índices de precipitação padronizada (SPI), então, buscou-se uma relação do SPI com índices climáticos globais (SOI, NAO, AMM, AMO, PDO e Niño 3.4), com defasagem de até 6 meses da estação seca, através de técnicas de correlação univariadas (Correlação de Spearman) e multivariadas (transformada wavelets, wavelets cruzada e wavelets coerência). Por fim, à luz dos resultados das etapas anteriores, foi construído um modelo híbrido (combinação de Rede neural e algoritmos genéticos) com dois objetivos: reconhecimento dos padrões dos dados e previsão dos índices baseados na precipitação. As correlações de Spearman não apresentaram resultados satisfatórios para análise interanual, no entanto, para análise decadal verificaram-se bons resultados para faixa espectral decadal com coeficientes de correlação acima de 0,3. Estes resultados foram corroborados pela análise de wavelets que encontrou escalas dominantes na faixa decadal. Ainda sobre os resultados, da aplicação do modelo híbrido tem-se uma maior previsibilidade para faixa decadal do SPI e resultados modestos para sua série interanual, retratando apenas alguns picos negativos após o ano de 1987. Este trabalho mostrou que a maior porção da variabilidade pluviométrica (interanual), na estação seca, decorre de fenômenos meteorológicos de pequena escala e as características físicas das bacias, enquanto que a menor porção (frequência decadal ou maior) pode ser explicada pelos fenômenos globais com destaque para as condições do oceano Atlântico, sobretudo na variabilidade da porção litorânea da área de estudo.