ads:
TESE DE DOUTORADO
ANÁLISE DE ASPECTOS CLIMATOLÓGICOS, AGROECONÔMICOS,
AMBIENTAIS E DE SEUS EFEITOS SOBRE A BACIA HIDROGRÁFICA DO RIO
MUNDAÚ (AL E PE)
ALUNA: DJANE FONSECA DA SILVA
ÁREA DE CONCENTRAÇÃO: Recursos Hídricos
LINHA DE PESQUISA: Gestão e Planejamento de Recursos Naturais
ORIENTADORES: Francisco de Assis Salviano de Sousa - UFCG
Mary Toshie Kayano – CPTEC / INPE
Campina Grande, PB.
02 de março de 2009.
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE – UFCG
CENTRO DE TECNOLOGIA E RECURSOS NATURAIS – CTRN
PROGRAMA DE DOUTORADO TEMÁTICO
EM RECURSOS NATURAIS - PDRN
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
2
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE – UFCG
CENTRO DE TECNOLOGIA E RECURSOS NATURAIS – CTRN
PROGRAMA DE DOUTORADO TEMÁTICO
EM RECURSOS NATURAIS - PDRN
TESE DE DOUTORADO
ANÁLISE DE ASPECTOS CLIMATOLÓGICOS, AGROECONÔMICOS,
AMBIENTAIS E DE SEUS EFEITOS SOBRE A BACIA HIDROGRÁFICA
DO RIO MUNDAÚ (AL E PE)
Tese de Doutorado apresentada em
cumprimento exigido para a
obtenção do título de Doutor em
Recursos Naturais
Candidata: Djane Fonseca da Silva
Campina Grande, PB.
02 de março de 2009.
ads:
3
S586a
2009 Da Silva, Djane Fonseca
Análise de aspectos climatológicos, agroeconômicos, ambientais
e de seus efeitos sobre a bacia hidrográfica do Rio Mundaú (AL e
PE) / Djane Fonseca da Silva.─ Campina Grande, 2009.
209 f.
Tese (Doutorado em Recursos Naturais) - Universidade Federal
de Campina Grande, Centro de Tecnologia e Recursos Naturais.
Referências.
Orientadores: Prof. Dr. Francisco de Assis Salviano de Sousa;
Profa. Dra. Mary Toshie Kayano.
1. IAC 2. Ondeletas 3. Previsão de Anomalias 4. Poluição
Hídrica 5. Degradação Ambiental I. Título.
CDU – 551.579 (043)
4
5
“A grande e, muitas vezes, questionada história de sucesso da ciência foi construída por
pessoas com características comuns (persistentes, pacientes, ambiciosas, inventivas e
intuitivas, preguiçosas, enérgicas, egoístas, de sorte, honestas...), outras nem tanto, mas que,
tendo algo em comum, fizeram de fato as observações relatadas em seus escritos, o que
permitiu que outros, seguindo seus passos, reproduzissem seus resultados, acrescentando
novos dados e novas conclusões. Eram feios, bonitos, gordos, magros, portadores de grandes
habilidades manuais ou um desastre com as mãos, que escolhiam instrumentos simples ou
sofisticados para suas observações. Procuraram desvendar o muito pequeno, o muito grande,
o que está por perto, o que está longe, o que tem vida, o que é inerte. Enfim, nos conduziram
a este porto em que agora nos encontramos. Foram salva-vidas, bons marujos, não muito
bons em bússola, pois na maioria das vezes não sabiam para onde iam, e isso nos tem dado a
sensação de que o barco muitas vezes esteve para afundar. Olhamos a placa e vemos que o
nome do “porto” é razão, poderia ter sido outro o nome do “barco”, curiosidade, ou poderia
ter sido outro, mistério; mas este é o nome do próximo porto, ou será o nome do mar?”
(F. Cruz, G. Borba e L. Abreu, 2005)
6
“Você não sabe
O quanto eu caminhei
Prá chegar até aqui
Percorri milhas e milhas
Antes de dormir
Eu nem cochilei
Os mais belos montes escalei
Nas noites escuras
De frio chorei, ei , ei, ei!
A vida ensina
E o tempo traz o tom
Prá nascer uma canção
Com a fé do dia-a-dia
Encontro a solução
Encontro a solução...
Quando bate a saudade
Eu vou pro mar
Fecho os meus olhos
E sinto você chegar
Você, chegar...
Meu caminho só meu Pai pode mudar
Meu caminho só meu Pai
Meu caminho só meu Pai...”
(A Estrada – Cidade Negra)
7
AGRADECIMENTOS
Agradeço a Deus, por tudo ter sido possível e Dedido e agradeço aos meus pais (Eunice da
Silva Fonseca e Djair Fonseca da Silva) e minha irmã (Djnane Fonseca) pela ajuda em toda
minha caminhada, sempre, até aqui.
Agradeço grandemente ao meu orientador Francisco de Assis Salviano de Sousa pela
orientação e toda ajuda ao longo da realização de minha tese, além da paciência e amizade
dispostas.
Agradeço à minha orientadora Mary Toshie Kayano pela acessibilidade, mesmo distante
fisicamente de mim, pela sua simplicidade, por tudo que me ensinou e por tudo que a admiro.
Agradeço aos professores do DCA-UFCG pelos ensinamentos e amizade.
Agradeço a TODOS os amigos que conquistei em Campina Grande ao longo de 6 anos de
moradia e estudos. Todos me ensinaram muito, engrandecendo o meu lado pessoal e
trazendo-me felicidade.
Agradeço aos amigos Ronaldo Menezes, Wendell Rondinelli, Maryfrance Diniz, Lincoln
Eloi, Maria José dos Santos, Gildarte Silva e Josicleda Galvíncio por me ajudarem em
“detalhes” importantes para a realização da tese.
Agradeço aos amigos Gildarte Barbosa, Marle Bandeira, Werônica Meira, Maria José dos
Santos, Lincoln Eloi, João Hugo Campos e Girlene Maciel pela companhia e alegria na
“nossa sala” de estudos durante meu doutorado.
Agradeço a todos os amigos da minha turma de Doutorado, em especial, homenagem a nosso
amigo Aurelir Barreto (em memória).
Agradeço ao professor Pedro Vieira e à secretária Cleide pela ajuda durante meu doutorado.
Agradeço ao CNPq pela bolsa de estudo ao longo do Doutorado.
Agradeço as sugestões e orientações da banca examinadora.
A todos que me ajudaram direta ou indiretamente na realização desse trabalho e na minha
“passagem” por Campina Grande, agradeço do fundo de meu coração.
Com amor e amizade, agradeço!
8
RESUMO
A bacia hidrográfica do rio Mundaú encontra-se em acelerado processo de degradação
ambiental devido a práticas antrópicas degradantes. Medidas para atenuação dos efeitos da
degradação exigem a identificação e informações de suas causas, o que potencializa a
importância dessa pesquisa. Desejou-se analisar a climatologia da bacia hidrográfica,
mostrando sua variabilidade espaço-temporal, os principais eventos que proporcionam chuvas
na região e como tais afetam aspectos sócio-econômicos, agrícolas e ambientais. Também
foram objetivos deste trabalho gerar diagnóstico e prognóstico úteis aos setores ligados aos
recursos hídricos (planejamentos do uso da água, agrícola, energético, pesqueiro, sucro-
alcooleiro e industrial); propor equações previsoras de anomalias de chuva, utilizando os
índices climáticos IME, IOS e ODP e anomalias de TSM do Oceano Atlântico; quantificar,
através dos quatro índices, a influência do clima global sobre a bacia hidrográfica; gerar
informações sobre a produção agrícola e aspectos sócio-ambientais e propor ações de manejo
local, as quais auxiliarão na tomada de decisões do gerenciamento da bacia hidrográfica. Foi
detectado um “ponto de inversão” na série de precipitação. No Baixo Mundaú, o período
antes de 1974 foi mais úmido que o posterior a este ano. Nas regiões do Médio Mundaú e
Alto Mundaú, o período depois de 1974 foi mais úmido que o anterior, o contrário da região
litorânea. Foi sugerido, para o Baixo Mundaú, que as anomalias de TSM do Oceano Atlântico
sejam usadas como previsoras das anomalias de precipitação da quadra chuvosa. Para o
Médio Mundaú foi usado como previsor o IME, e para o Alto Mundaú, o IME e as anomalias
de TSM do Oceano Atlântico. De acordo com os dados de produção agrícola, o Alto Mundaú
destacou-se como produtor de carvão vegetal, feijão e milho, o Médio Mundaú, de laranja,
leite e arroz; e o Baixo Mundaú, de cana-de-açúcar, mel, leite e arroz. Verificou-se ainda que
as carvoarias no Alto Mundaú e o cultivo da cana-de-açúcar no Baixo Mundaú agridem
ecologicamente a bacia hidrográfica. Ambientalmente, verificou-se que a poluição hídrica, a
distribuição pluviométrica, o uso e manejo do solo, principalmente no que se refere à
agricultura, interferem na distribuição dos macrocrustáceos decápodas do CELMM, uma das
principais fontes de renda local. Diante do quadro encontrado no CELMM, citando deposição
de sedimentos e assoreamento, desmatamento, antropização da paisagem, alteração do
microclima, impermeabilização do solo, erosão, poluição hídrica e diminuição da
biodiversidade, foram propostas ações (macrodrenagem, monitoramento da qualidade hídrica,
plantio de espécies arbóreas nativas, reintrodução de espécies nativas da fauna, planejamento
urbano e turístico, controle de especulação imobiliária, deslocamento de indústrias, plantios e
construções e projetos de educação ambiental) para amenizar e impedir o agravamento dos
impactos ambientais. Este trabalho mostrou que as informações climatológicas e
meteorológicas geradas para a bacia hidrográfica do rio Mundaú são úteis em vários aspectos
do setor agrícola, ambiental e sócio-econômico. Ao mesmo tempo, verificou-se que a
variabilidade pluviométrica interfere na produção de vários cultivos e na biodiversidade local.
Os aspectos ambientais também se mostraram dependentes das ações humanas como uso,
ocupação do solo e agricultura, as quais comprovadamente poluem os recursos hídricos
locais.
Palavras-chave: IAC, ondeletas, previsão de anomalias, poluição hídrica e degradação
ambiental.
9
ABSTRACT
The hydrographic basin of the Mundaú River is in a fast process of environmental degradation
due to the degrading anthropogenic actions. Actions to attenuate the degradation effects
demand their identification and information, what makes this research very important. The
climatology of the hydrographic basin was analyzed in order to show its space-time
variability and the main events rainfall in the region. This study also proposes to investigate
the impacts and influences of the climate in an area of social-economic and environmental
importance and the causes (phenomenon), the temporal scales of the local climatic variability,
its effects in the region of the hydrographic basin and as such affect aspects economic, social,
agriculturist and environmental. Also, other objectives of this work was: to generate useful
diagnosis and prognostic to sectors related to the water resources (water use planning,
agriculturist, energy, fishery, and industrial); to propose forecast equations of rainfall
anomalies using the climatic indices MEI, SOI and PDO and Atlantic SST anomalies; to
quantify, with four indices, the influence of the global climate on the hydrographic basin; to
generate information about the agricultural production and social-environmental aspects and
to propose local handling actions, which will assist in the taking of decisions of the
hydrographic basin management agencies. A “point of inversion” in the precipitation series
was detected. In the Low Mundaú, the period before 1974 was more humid than after that
year. In the regions of the Medium Mundaú and High Mundaú, the period after 1974 was
more humid than the previous one, the opposite was noted in the coastal region. For the Low
Mundaú, the index based on the Atlantic SST anomalies was used as the predictor of the
precipitation anomalies of the rainy season. For the Medium Mundaú, the MEI was used as
the predictor and for the High Mundaú, the MEI and the Atlantic index were the predictors.
Accordingly with the agricultural production, the High Mundaú distinguished as producing of
vegetal coal, beans and maize, the Medium Mundaú, of orange, milk and rice, and the Low
Mundaú, of sugar cane, honey, milk and rice. It was noted that the coal-bunkers in the High
Mundaú and the culture of the sugar cane in the Low Mundaú cause ecological prejudices to
the hydrographic basin. It was noted that the water pollution, the rainfall distribution, and the
land use, mainly for agriculture, intervene in the distribution of the decapodous macro-
crustaceans of the MMELC, one of the main sources of local income. Due to the observed
situation in the MMELC, as the sediment deposition which block of the lagoon, deforestation,
landscape anthropogenic changes, microclimate alteration, ground waterproofing, erosion,
water pollution and reduction of biodiversity, actions have been proposed to reduce and to
avoid the aggravation the environmental impacts (macro-drainage, water quality monitoring,
plantation of native trees, reintroduction of native fauna species, urban and tourist planning,
control of real-state speculation, displacement of industries, and projects of environmental
education). This work showed that generated the climatologic and meteorological information
for the hydrographic basin of the river Mundaú are useful in some aspects of the agricultural
sector, ambient and social-economic. At the same time, it was verified that the rainfall
variability intervenes with the production of some plantations and local biodiversity. The
ambient aspects had also revealed to dependents of the actions human as use, occupation of
the ground and agriculture, which was proved as pollutants the local hidryc resources.
Key-words: RAI, wavelet, forecast of anomalies, water pollution e environmental
degradation.
10
TESE DE DOUTORADO
ANÁLISE CLIMATOLÓGICA, AGROECONÔMICA, AMBIENTAL E DE SEUS
EFEITOS SOBRE A BACIA HIDROGRÁFICA DO RIO MUNDAÚ (AL E PE)
SUMÁRIO
Lista de Figuras
Lista de Tabelas
Lista de Símbolos
Lista de Siglas e Abreviaturas
Lista de Equações
1. INTRODUÇÃO ........................................................................................................ pág. 30
2. REVISÃO BIBLIOGRÁFICA ................................................................................ pág. 33
2.1 Bacia hidrográfica do rio Mundaú .................................................................... pág. 33
2.2 Aspectos Climatológicos ..................................................................................... pág. 37
2.2.1 Mecanismos produtores de chuva na bacia hidrográfica do rio Mundaú ........ pág. 38
2.2.1.1. Perturbações ondulatórias no campo dos ventos alísios (POAS) ............ pág. 40
2.2.1.2 Ondas de leste .......................................................................................... pág. 41
2.2.1.3 Vórtices ciclônicos em altos níveis (VCAN) ........................................... pág. 42
2.2.1.4 Linhas de instabilidade ............................................................................ pág. 43
2.2.1.5 Brisas marítima e terrestre ....................................................................... pág. 44
2.2.1.6 Oscilação de Madden e Julian ................................................................. pág. 44
2.2.2 Variabilidade climática global ......................................................................... pág. 45
2.2.2.1 IOS .......................................................................................................... pág. 45
2.2.2.1 a) El Niño-Oscilação Sul (ENOS) ......................................................... pág. 47
2.2.2.1 b) Impactos climáticos dos ENOS ....................................................... pág. 48
2.2.2.2 Índice multivariado de El Niño-Oscilação Sul (IME) ............................. pág. 51
2.2.2.3 Oscilação decadal do Pacífico (ODP) ...................................................... pág. 52
11
2.2.2.3 a) Influência da ODP ............................................................................ pág. 52
2.2.2.3 b) Relação entre ODP e ENOS ............................................................. pág. 54
2.2.2.4 Variabilidade sobre o Oceano Atlântico .................................................. pág. 56
2.2.3 Impactos climáticos sobre setores ligados aos recursos hídricos .................... pág. 58
2.2.4 Índice de Anomalia de Chuva (IAC) ............................................................... pág. 64
2.2.5 Análise wavelet (Ondeletas) ........................................................................... pág. 65
2.3 Aspectos Agroeconômicos .................................................................................. pág. 68
2.3.1 Influência da variabilidade climática na produção agrícola ............................ pág. 68
2.4 Aspectos Ambientais ........................................................................................... pág. 71
2.4.1 Degradação ambiental e sustentabilidade local ............................................... pág. 71
2.4.2 Conflitos gerados pela ocupação irregular ...................................................... pág. 79
2.4.3 Proposta de manejo no CELMM ..................................................................... pág. 82
2.4.4 Parâmetros de qualidade de água .................................................................... pág. 83
2.4.4.1 Temperatura da água ................................................................................ pág. 84
2.4.4.2 pH (potencial hidrogeniônico) ................................................................. pág. 85
2.4.4.3 Condutividade elétrica ............................................................................. pág. 86
2.4.4.4 Oxigênio dissolvido (OD) ........................................................................ pág. 86
3. MATERIAL E MÉTODOS ..................................................................................... pág. 88
3.1 Área de estudo ..................................................................................................... pág. 88
3.1.1 Região do entorno do CELMM ....................................................................... pág. 88
3.1.2 Bacias e rios contribuintes ao CELMM .......................................................... pág. 90
3.2 Cronograma das etapas da metodologia ............................................................ pág. 91
3.3 Análise Climatológica ......................................................................................... pág. 92
3.3.1 Análise da variabilidade espaço-temporal da precipitação local ..................... pág. 92
3.3.1.1 Índice de Anomalia de Chuva (IAC) ....................................................... pág. 93
3.3.1.2 Análise de ondeletas (Wavelet) .................................................................... pág. 93
3.4 Efeitos da variabilidade climática global para a pluviometria da bacia do rio
Mundaú .................................................................................................................. pág. 96
3.4.1 Índices climáticos .......................................................................................... pág. 97
12
3.4.2 Regressão linear simples, múltipla e não linear ............................................ pág. 100
3.4.3 Teste de significância de t-Student ............................................................... pág. 101
3.5 Análise Agroeconômica ....................................................................................... pág. 102
3.6 Análise Ambiental ............................................................................................... pág. 103
3.6.1 Formas de uso e ocupação do solo no CELMM ............................................. pág. 104
3.6.2 Verificação de ocupação desordenada e aplicação de lei florestal .................. pág. 104
3.6.3 Análise de parâmetros de qualidade de água ................................................... pág. 105
3.6.4 Distribuição espaço-temporal dos crustáceos no CELMM ............................. pág. 105
3.6.5 Proposta de manejo no CELMM ..................................................................... pág. 106
4. RESULTADOS E DISCUSSÕES ......................................................................... pág. 108
4.1 Análise climatológica .......................................................................................... pág. 108
4.1.1 Análise da variabilidade espaço-temporal da precipitação local ...................... pág. 111
4.1.2 Análise wavelet ............................................................................................... pág. 116
4.2 Efeitos da variabilidade climática global para a pluviometria da bacia
hidrográfica do rio Mundaú ............................................................................ pág. 121
4.2.1 Regressão linear para previsão anual da anomalia de precipitação .................. pág. 121
4.2.1.1 Baixo Mundaú ......................................................................................... pág. 121
4.2.1.2 Médio Mundaú ........................................................................................ pág. 123
4.2.1.3 Alto Mundaú ........................................................................................... pág. 124
4.2.2 Regressão linear múltipla para previsão mensal de anomalia de precipitação.. pág. 126
4.2.2.1 Baixo Mundaú ......................................................................................... pág. 126
4.2.2.2 Médio Mundaú ......................................................................................... pág. 128
4.2.2.3 Alto Mundaú ........................................................................................... pág. 129
4.2.3 Regressão linear para previsão da anomalia de precipitação durante a quadra chuvosa
............................................................................................................................. pág. 131
4.2.3.1 Baixo Mundaú ........................................................................................ pág. 131
4.2.3.2 Médio Mundaú ..................................................................................... pág. 132
4.2.3.3 Alto Mundaú ........................................................................................ pág. 134
4.2.4 Regressão linear para previsão da anomalia de precipitação durante a quadra seca
........................................................................................................................ pág. 135
13
4.2.4.1 Baixo Mundaú ........................................................................................ pág. 135
4.2.4.2 Médio Mundaú ...................................................................................... pág. 137
4.2.4.3 Alto Mundaú .......................................................................................... pág. 138
4.2.5 Regressão não-linear para previsão da anomalia de precipitação durante a quadra
chuvosa ......................................................................................................... pág. 140
4.2.5.1 Baixo Mundaú ......................................................................................... pág. 140
4.2.5.2 Médio Mundaú ....................................................................................... pág. 141
4.2.5.3 Alto Mundaú .......................................................................................... pág. 142
4.2.6 Regressão não-linear para previsão ................................................................ pág. 143
4.2.6.1 Baixo Mundaú .......................................................................................... pág. 143
4.2.6.2 Médio Mundaú ........................................................................................ pág. 145
4.2.6.3 Alto Mundaú ........................................................................................... pág. 147
4.3 Análise agroeconômica de dados de produção agrícola da bacia hidrográfica do
rio Mundaú ....................................................................................................... pág. 148
4.4 Análise Ambiental ............................................................................................. pág. 169
4.4.1 Formas de uso e ocupação no CELMM ...................................................... pág. 173
4.4.2 Análise de parâmetros de qualidade da água na bacia hidrográfica do rio Mundaú .
....................................................................................................................... pág. 176
4.4.3 Distribuição espaço-temporal dos macro-crustáceos no CELMM ............... pág. 181
4.4.4 Proposta de manejo no CELMM .................................................................. pág. 185
5. CONCLUSÕES ...................................................................................................... pág. 189
6. REFERÊNCIAS BIBLIOGRÁFICAS ................................................................. pág. 193
7. ANEXOS
14
LISTA DE FIGURAS
Figura
Página
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
Localização da bacia hidrográfica do rio Mundaú em relação ao
nordeste brasileiro e da mesma e suas regiões em relação aos Estados
que a compõem, Alagoas e Pernambuco.
Bacia hidrográfica do rio Mundaú, suas três regiões e estações
pluviométricas utilizadas neste trabalho.
Bacia do rio Mundaú e região do entorno do CELMM (contornado em
azul). (Fonte: ANA, 2005).
Bacias e rios contribuintes ao CELMM: Bacia do rio Paraíba do Meio,
do rio Sumaúma, do rio Remédio e os rios Estivas e Riacho do Silva
(Fonte: IBGE, 2000).
Medida do Índice de Oscilação Sul (IOS) em períodos de El Niño e La
Niña. (Fonte: CDC/NOAA, 2002).
Série temporal do IME de 1950-2002 (Fonte: CDC/NOAA/ENSO,
2002).
Fases da ODP (Fonte: Mantua / PDO-Internet page).
Períodos predominantemente “quentes” ou “frios” da ODP (Fonte :
Mantua /PDO-Internet page).
Área da distribuição espacial das espécies de crustáceos no CELMM.
Média das precipitações anuais de 1955 a 1991 para as três sub-
regiões.
Médias Climatológicas para as três sub-regiões.
Médias Climatológicas da precipitação no Baixo Mundaú.
Precipitação média mensal dos municípios do Baixo Mundaú (AL) no
período 1955-1991.
Médias Climatológicas da precipitação no Médio Mundaú.
Precipitação média mensal dos municípios do Médio Mundaú (AL) no
período 1955-1991.
Médias Climatológicas da precipitação no Alto Mundaú.
Precipitação média mensal dos municípios do Alto Mundaú (AL) no
período 1955-1991.
88
89
90
90
97
98
99
100
106
109
109
109
109
110
110
111
111
15
4.9
4.10
4.11
4.12
4.13
4.14
4.15
4.16
4.17
4.18
4.19
4.20
4.21
4.22
IAC anual para o Baixo Mundaú.
Média do número de dias com e sem chuva no Baixo Mundaú de 1955-
1991.
IAC mensal de anos secos (conforme IAC anual) para o Baixo
Mundaú.
IAC mensal de anos úmidos (conforme IAC anual) para o Baixo
Mundaú.
IAC anual para o Médio Mundaú.
Média do número de dias com e sem chuva no Médio Mundaú de
1963-2004.
IAC mensal de anos secos (conforme IAC anual) para o Médio
Mundaú.
IAC mensal de anos úmidos (conforme IAC anual) para o Médio
Mundaú.
IAC anual para o Alto Mundaú.
Média do número de dias com e sem chuva no Alto Mundaú de 1955-
1991.
IAC mensal de anos secos (conforme IAC anual) para o Alto Mundaú.
IAC mensal de anos úmidos (conforme IAC anual) para o Alto
Mundaú.
a) Índice de precipitação para BM (Prp) normalizado pelo desvio
padrão; b) Espectro de energia local para Prp. Contornos sombreados
correspondem a valores de variância normalizados. Contornos
tracejados correspondem a variâncias significativas ao nível de 95%. A
curva em forma de U, representado o cone de influência, sob o qual o
efeito de borda é importante; c) Espectro global de wavelet, o contorno
tracejado indica que o espectro de wavelet global é significativo ao
nível de confiança de 95%.
a) Índice de precipitação para MM (Prp) normalizado pelo desvio
padrão; b) Espectro de energia local para Prp. Contornos sombreados
correspondem a valores de variância normalizados. Contornos
tracejados correspondem a variâncias significativas ao nível de 95%. A
curva em forma de U, representado o cone de influência, sob o qual o
efeito de borda é importante; c) Espectro global de wavelet, o contorno
tracejado indica que o espectro de wavelet global é significativo ao
nível de confiança de 95%.
112
112
113
113
113
113
114
114
115
115
116
116
117
118
16
4.23
4.24
4.25
4.26
4.27
4.28
4.29
4.30
4.31
4.32
4.33
4.34
4.35
a) Índice de precipitação para AM (Prp) normalizado pelo desvio
padrão; b) Espectro de energia local para Prp. Contornos sombreados
correspondem a valores de variância normalizados. Contornos
tracejados correspondem a variâncias significativas ao nível de 95%. A
curva em forma de U, representado o cone de influência, sob o qual o
efeito de borda é importante; c) Espectro global de wavelet, o contorno
tracejado indica que o espectro de wavelet global é significativo ao
nível de confiança de 95%.
Área média plantada de cana-de-açúcar (mil ha) por municípios da
bacia hidrográfica do rio Mundaú no período de 1990-2005 (Fonte de
dados: IBGE).
Área média plantada de cana-de-açúcar (mil ha) na bacia hidrográfica
do rio Mundaú no período de 1990-2005 (Fonte de dados: IBGE).
Área média colhida de cana-de-açúcar (mil ha) na bacia hidrográfica
do rio Mundaú no período de 1990-2005. (Fonte de dados: IBGE).
Área média de cana-de-açúcar colhida (mil ha) na bacia hidrográfica
do rio Mundaú no período de 1990-2005. (Fonte de dados: IBGE).
Quantidade média de carvão vegetal (tn) produzido na bacia
hidrográfica do rio Mundaú por localidade no período de 1990-2002
(Fonte de dados: IBGE).
Quantidade média de carvão vegetal (tn) produzido na bacia
hidrográfica do rio Mundaú no período de 1990-2002 (Fonte de dados:
IBGE
Produção média de laranja colhida (mil tn) na bacia hidrográfica do rio
Mundaú por localidade no período de 1990-2005. (Fonte de dados:
IBGE).
Quantidade média de laranja colhida (mil tn) na bacia do rio Mundaú
no período de 1990-2005 (Fonte de dados: IBGE).
Litros de leite (mil litros) produzidos em Alagoas e Pernambuco no
período de 1997-2006 (Fonte de dados: IBGE).
Quantidade de mel (mil kg) produzida na bacia hidrográfica do rio
Mundaú por localidade no período de 1990 a 2004 (Fonte de dados:
IBGE).
Média da quantidade de mel (kg) produzida na bacia hidrográfica do
rio Mundaú no período de 1990 a 2004 (Fonte de dados: IBGE).
Produção potencial e realizada de arroz (mil tn) em Alagoas e
Pernambuco no período de 1996 a 2002. (Fonte de dados: IBGE).
119
148
149
151
152
153
154
155
156
157
158
159
160
17
4.36
4.37
4.38
4.39
4.40
4.41
4.42
4.43
4.44
4.45
4.46
4.47
4.48
4.49
4.50
4.51
4.52
Perdas da produção até a pré-colheita de arroz (%) em Alagoas e
Pernambuco no período de 1996 a 2002 (Fonte de dados: IBGE).
Produção potencial e realizada de feijão (mil tn) em Alagoas e
Pernambuco no período de 1996 a 2002. (Fonte de dados: IBGE).
Perdas da produção até a pré-colheita de feijão (%) em Alagoas e
Pernambuco no período de 1996 a 2002 (Fonte de dados: IBGE).
Produção potencial e realizada de milho (mil tn) em Alagoas e
Pernambuco no período de 1996 a 2002. (Fonte de dados: IBGE).
Perdas da produção até a pré-colheita de milho (%) em Alagoas e
Pernambuco no período de 1996 a 2002 (Fonte de dados: IBGE).
Distribuição dos cultivos analisados no âmbito da bacia hidrográfica do
rio Mundaú. Lê-se AM para Alto Mundaú, MM para Médio Mundaú e
BM para Baixo Mundaú. (Fonte de dados: IBGE).
Vista maior da Lagoa Mundaú. Uso e ocupação presentes na Lagoa
(Fonte: Google Earth).
Vista aproximada da Figura 4.4.1 com uso e ocupação presentes na
Lagoa Mundaú (Fonte: Google Earth).
Uso e ocupação do solo próximo à Lagoa Mundaú/canais entre as
lagoas. (Fonte: Google Earth).
Uso e ocupação do solo próximo à Lagoa Manguaba (Fonte: Google
Earth).
Uso e ocupação do solo presentes na região dos canais que ligam as
duas lagoas (Fonte: Google Earth).
Uso e ocupação do solo presentes na região dos canais que ligam as
duas lagoas (Fonte: Google Earth).
Uso e ocupação do solo na região de manguezal (Fonte: Google Earth).
Uso e ocupação do solo na região de praia e pós-prai
a
(Fonte: Google Earth).
Uso e ocupação do solo na região de praia e pós-
praia
(Fonte: Google Earth).
(a) e (b) Ocupação irregular na lagoa Manguaba no CELMM.
(a) e (b) Ocupação irregular na lagoa Manguaba e às margens de
rodovia.
161
162
163
164
166
167
169
169
170
170
171
171
172
172
173
174
174
18
4.53
4.54
4.55
4.56
4.57
4.58
4.59
4.60
4.61
4.62
4.63
4.64
4.65
4.66
4.67
4.68
(a) e (b) Ocupação irregular na Lagoa Manguaba no CELMM.
(a) e (b) Ocupação irregular e formação de lixão próximo à Lagoa
Manguaba no CELMM.
(a) e (b) Ocupação irregular e especulação imobiliária, próximo à
Lagoa Manguaba.
(a) e (b) Ocupação irregular e especulação imobiliária próximo à
Lagoa Manguaba.
(a) e (b) Lançamento de esgoto residencial na Lagoa Mundaú.
Profundidade do rio nas três regiões da bacia hidrográfica do rio
Mundaú em situações com e sem chuva.
Temperatura da amostra da água do rio nas três regiões da bacia
hidrográfica do rio Mundaú em situações com e sem chuva.
pH da água do rio nas três regiões da bacia hidrográfica do rio Mundaú
em situações com e sem chuva.
Condutividade elétrica nas três regiões da bacia hidrográfica do rio
Mundaú em situações com e sem chuva.
OD nas três regiões da bacia hidrográfica do rio Mundaú em situações
com e sem chuva.
Distribuição das espécies dominantes da região da Lagoa Manguaba no
CELMM.
Distribuição das espécies dominantes da região da Lagoa Mundaú no
CELMM.
Distribuição das espécies dominantes na região de manguezal no
CELMM.
Distribuição das espécies dominantes na região dos Canais entre as
Lagoas no CELMM.
Distribuição espacial das espécies dominantes no CELMM.
Distribuição média-temporal das espécies dominantes no CELMM.
174
175
175
175
176
177
178
178
179
180
181
182
182
183
184
185
19
LISTA DE TABELAS
Tabela página
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.12
4.13
Valor do coeficiente de determinação, correlação e percentual de
determinação (r
2
) entre anomalias de precipitação no BM e quatro
índices climáticos.
Previsão da anomalia de precipitação no BM utilizando o índice da ODP
para ano seco (1983).
Valor do coeficiente de determinação, correlação e percentual de
determinação (r
2
) entre anomalias de precipitação no MM e quatro
índices climáticos.
Previsão da anomalia de precipitação no MM utilizando o índice IOS
para ano seco (1957) e úmido (1978).
Valor do coeficiente de determinação, correlação e percentual de
determinação (r
2
) entre anomalias de precipitação no AM e quatro
índices climáticos.
Previsão da anomalia de precipitação no AM utilizando o índice ODP
para ano seco (1990) e ano úmido (1985).
Valor do coeficiente de correlação e percentual de determinação (r
2
)
entre anomalias de precipitação no BM e quatro índices climáticos.
Teste da previsão de anomalias de precipitação através de equações
lineares múltiplas para o BM durante ano seco (1983) e ano úmido
(1977).
Valor do coeficiente de correlação e percentual de determinação (r
2
)
entre anomalias de precipitação no MM e quatro índices climáticos.
Teste da previsão de anomalias de precipitação através de equações
lineares múltiplas para o MM durante ano seco (1957) e ano úmido
(1978).
Valor do coeficiente de correlação e percentual de determinação (r
2
)
entre anomalias de precipitação no AM e quatro índices climáticos.
Previsão de anomalias de precipitação através de equações lineares
múltiplas para o AM durante ano seco (1990) e ano úmido (1985).
Valor do coeficiente de determinação, correlação e percentual de
determinação (r
2
) entre anomalias de precipitação da quadra chuvosa no
BM e quatro índices climáticos.
121
122
123
124
125
126
127
127
128
129
130
130
131
20
4.14
4.15
4.16
4.17
4.18
4.19
4.20
4.21
4.22
4.23
4.24
Previsão da anomalia de precipitação da quadra chuvosa no BM
utilizando o índice de anomalia de TSM para ano seco (1983) e úmido
(1977).
Valor do coeficiente de determinação, correlação e percentual de
determinação (r
2
) entre anomalias de precipitação da quadra chuvosa no
MM e quatro índices climáticos.
Previsão da anomalia de precipitação da quadra chuvosa no MM
utilizando o índice de IME para ano seco (1957) e úmido (1978).
Valor do coeficiente de determinação, correlação e percentual de
determinação (r
2
) entre anomalias de precipitação da quadra chuvosa no
AM e quatro índices climáticos.
Previsão da anomalia de precipitação da quadra chuvosa no AM
utilizando o índice de IOS para ano úmido (1985).
Valor do coeficiente de determinação, correlação e percentual de
determinação (r
2
) entre anomalias de precipitação da quadra seca no BM
e quatro índices climáticos.
Previsão da anomalia de precipitação da quadra seca no BM utilizando o
índice ODP para ano úmido (1977).
Valor do coeficiente de determinação, correlação e percentual de
determinação (r
2
) entre anomalias de precipitação da quadra seca no
MM e quatro índices climáticos.
Previsão da anomalia de precipitação da quadra seca no MM utilizando
o índice da ODP para ano seco (1957) e ano úmido (1978).
Valor do coeficiente de determinação, correlação e percentual de
determinação (r
2
) entre anomalias de precipitação da quadra seca no AM
e quatro índices climáticos.
Previsão da anomalia de precipitação da quadra seca no AM utilizando o
índice IME para ano úmido (1985).
132
132
133
134
135
136
137
137
138
139
139
21
4.25
4.26
4.27
4.28
4.29
4.30
4.31
4.32
4.33
4.34
4.35
4.36
Valores de percentagem do coeficiente de determinação (r
2
) e do
coeficiente de correlação (r) entre anomalia de precipitação no BM
durante a quadra chuvosa em 1977 (ano úmido) e 1983 (ano seco),
respectivamente.
Previsão de anomalia de precipitação do BM feita através de equações
não-linear (quadrática) para a quadra chuvosa do BM em 1977 (ano
úmido).
Valores de percentagem do coeficiente de determinação (r
2
) e
coeficiente de correlação (r) entre anomalia de precipitação no MM
durante a quadra chuvosa em 1957 (ano seco) e 1978 (ano chuvoso),
respectivamente.
Valores de percentagem do coeficiente de determinação (r
2
) e
coeficiente de correlação (r) entre anomalia de precipitação no AM
durante a quadra chuvosa em 1975 (ano úmido) e 1979 (ano seco),
respectivamente.
Previsão feita através de equações não-linear (inversa) para a quadra
chuvosa do AM em ano úmido (1957).
Valores de percentual do coeficiente de determinação (r
2
) e coeficiente
de correlação (r) entre anomalia de precipitação no BM durante a quadra
seca em 1977 (ano úmido) e 1983 (ano seco), respectivamente.
Previsão de anomalia de precipitação do BM feita através de funções
inversas para a quadra seca do BM em 1977 (ano úmido).
Previsão de anomalia de precipitação feita através de equações
quadrática e cúbica para a quadra seca do BM em 1977 (ano úmido).
Valores de percentagem do coeficiente de determinação (r
2
) e do
coeficiente de correlação (r) entre anomalia de precipitação no MM
durante a quadra seca em 1957 (ano seco) e 1978 (ano úmido),
respectivamente.
Previsão de anomalia de precipitação do MM feita através de equações
não-linear (cúbica) para a quadra seca em 1957 (ano seco).
Valores de percentagem do coeficiente de determinação (r
2
) e do
coeficiente de correlação (r) entre anomalia de precipitação no AM
durante a quadra seca em 1985 (ano úmido) e 1990 (ano seco),
respectivamente.
Valor médio, desvio padrão e correlação da área média plantada de
cana-de-açúcar em cada região da bacia hidrográfica do rio Mundaú.
(Fonte de dados: IBGE).
140
141
141
142
143
144
144
145
146
146
147
150
22
4.37
4.38
4.39
4.40
4.41
4.42
4.43
4.44
4.45
4.46
4.47
4.48
Valor médio, desvio padrão e correlação da área média colhida de cana-
de-açúcar em cada região da bacia hidrográfica do rio Mundaú (Fonte de
dados: IBGE).
Valor médio, desvio padrão e correlação da quantidade de carvão
vegetal produzido em cada região da bacia hidrográfica do rio Mundaú
(Fonte de dados: IBGE).
Valor médio, desvio padrão e correlação da quantidade de laranja
colhida em cada região da bacia hidrográfica do rio Mundaú (Fonte de
dados: IBGE).
Valor médio, desvio padrão e correlação da quantidade de litros de leite
produzidos nos Estados que compõem a bacia hidrográfica do rio
Mundaú (Fonte de dados: IBGE).
Valor médio, desvio padrão e correlação da média da quantidade de mel
(kg) produzidos em cada sub-região da bacia hidrográfica do rio
Mundaú (Fonte de dados: IBGE).
Valor médio, desvio padrão e correlação da média da produção potencial
de arroz produzidos nos Estados que compõem a bacia hidrográfica do
rio Mundaú (Fonte de dados: IBGE).
Valor médio, desvio padrão e correlação da produção realizada de arroz
produzidos nos Estados que compõem a bacia hidrográfica do rio
Mundaú. (Fonte de dados: IBGE).
Valor médio, desvio e correlação das perdas da produção de arroz até a
pré-colheita nos Estados que compõem a bacia hidrográfica do rio
Mundaú no período de 1996 a 2002 (Fonte de dados: IBGE).
Valor médio, desvio padrão e correlação da produção potencial de feijão
nos Estados que compõem a bacia hidrográfica do rio Mundaú no
período de 1996 a 2002 (Fonte de dados: IBGE).
Valor médio, desvio padrão e correlação da produção realizada de feijão
nos Estados que compõem a bacia hidrográfica do rio Mundaú no
período de 1996 a 2002 (Fonte de dados: IBGE).
Valor médio, desvio padrão e correlação das perdas da produção de
feijão até a pré-colheita em cada sub-região da bacia hidrográfica do rio
Mundaú no período de 1996 a 2002 (Fonte de dados: IBGE).
Valor médio, desvio padrão e correlação da produção potencial de milho
nos Estados que compõem a bacia hidrográfica do rio Mundaú no
período de 1996 a 2002 (Fonte de dados: IBGE).
152
154
156
157
159
160
161
162
163
163
164
165
23
4.49
4.50
4.51
Valor médio, desvio padrão e correlação da produção realizada de milho
nos Estados que compõem a bacia hidrográfica do rio Mundaú no
período de 1996 a 2002. (Fonte de dados: IBGE).
Valor médio, desvio padrão e correlação das perdas da produção de
milho até a pré-colheita nos Estados que compõem a bacia hidrográfica
do rio Mundaú no período de 1996 a 2002 (Fonte de dados: IBGE).
Local, forma de uso e ocupação do solo, impactos ambientais e
propostas de manejo sugeridas para o CELMM.
165
166
186
24
LISTA DE EQUAÇÕES
Equação
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
Descrição
IAC para anomalias positivas
IAC para anomalias negativas
Anomalia de variáveis calculadas a partir da climatologia
mensal e normalização através dos respectivos desvio-
padrões
Função ondeleta numa escala a e posição b
Transformada ondeleta contínua da função (t)
Função Morlet
Função para mudar o tamanho total das ondeletas em
relação ao tempo
Função de transformação do conjunto da onda
Cálculo do percentil de acordo com teste de t-Student
25
LISTA DE SÍMBOLOS
%
Km
2
mm
m
3
/s
m
ºC
S
N
L
W
mm/dia
km/h
km
Δp
u
v
hPa
XX
nº
>
<
H
+
OH
-
N
N
M
X
A Var
I,J
Var
i
σ
i
Percentagem
Quilômetro quadrado
Milímetro
Metro cúbico por segundo
Metro
Graus Celsius
Sul
Norte
Leste
Oeste
Milímetro por dia
Quilômetro por hora
Quilômetro
Diferença entre desvios, em relação à média, das pressões registradas ao
nível médio do mar.
Componente u (zonal) do vento
Componente v (meridional) do vento
hectorPascal
vinte em algarismos romanos
número
maior que
menor que
Hidrogênio
Monóxido de hidrogênio
Precipitação mensal atual
Precipitação média mensal da serie histórica
Média das 10 maiores precipitações mensais da série histórica
Média das 10 menores precipitações mensais da série histórica
Anomalia da variável no ano j = 1, 2, 3 ... N e mês i = 1, 2, 3 ... 12
Média climatológica do mês a ser calculado a anomalia
Desvio padrão utilizado para cada mês i específico
26
ψ
(t)
t
[L
2
(R)]
f(t)
ᶹ
t
S
n
*
r
2
r
ᶹ
t
c
p
t
ha
tn
Kg
l
((Ω-m)-1)
mg/L
Função simples de pequenas ondas geradas por dilatações e translações
Variável t da função simples
função quadraticamente integrável dentro de um intervalo real
função que constitui a série de dados a ser analisada
variação da variável pelo tempo
parâmetro de dilatação da onda para mudar a escala
parâmetro de transformação no tempo
complexo conjugado de phi
coeficiente de determinação
coeficiente de correlação
nível de significância
valor do percentil com grau de liberdade
porcentagem ou nível de confiança
valor do percentil tabelado
hectare
tonelada
quilograma
litro
unidade de medida da condutividade elétrica
miligrama por litro
27
LISTA DE SIGLAS E ABREVIATURAS
ODP
IME
IOS
TSM
ENOS
CELMM
NEB
AO
ZCIT
CE
NNE
POAS
SNE
ZCAS
ENE
ZCEN
CCS
HS
HN
VCANs
AB
AL
LI
OMJ
PNMM
OS
CPTEC
INPE
IDR
NCDC
USA
ERSST
Oscilação Decadal do Pacífico.
Índice Multivariado de El Niño Oscilação Sul.
Índice de Oscilação Sul.
Temperatura de Superfície do Mar
El Niño Oscilação Sul
Complexo Estuarino Lagunar Mundaú-Manguaba
Nordeste do Brasil
Análise Ondeleta
Zona de Convergência Inter-tropical
Ceará
Norte do Nordeste
Pertubação Ondulatória dos Alísios
Sul do nordeste
Zona de Convergência do Atlântico Sul
Leste do Nordeste
Zona de Convergência do Leste do Nordeste
Complexo Convectivo de escala sub-sinótica
Hemisfério Sul
Hemisfério Norte
Vórtices Ciclônicos de ar superior
Alta da Bolívia
Alagoas
Linha de instabilidade
Oscilação de Madden-Jullian
Pressão ao nível médio do mar
Oscilação Sul
Centro de Previsão de Tempo e Estudos Climáticos
Instituto Nacional de Pesquisas Espaciais
Índice de Descarga do Rio
National Climatic Data Center
United States of America
Extended Reconstructed Sea Surface Temperature
28
NOAA
ATSM
AT
IPCC
CETESB
SEPLAN
SUDENE
CNRC
CDCT
PROÁGUA
SERHI
SRH
MMA
ANA
CPRH
pH
AM
MM
BM
PDSI
RAI
IAC
PDO
ODP
IBGE
Art.
APP
OD
Prp
EPG
EPW
JAN
FEV
National Oceanic and Atmospheric Administration
Anomalia de Temperatura de Superfície do Mar
Atlântico Tropical
Intergovernmental Panel on Climate Change
Companhia de Tecnologia de Saneamento Ambiental de São Paulo
Secretaria de Estado do Planejamento e Desenvolvimento
Superintendência do Desenvolvimento do Nordeste
Centro Nacional de Referência Cultural
Coordenação de Desenvolvimento Científico e Tecnológico
Programa de Desenvolvimento de Recursos Hídricos
Secretaria Estadual de Recursos Hídricos e Irrigação de Alagoas
Secretaria de Recursos Hídricos
Ministério do Meio Ambiente
Agência Nacional das Águas
Agência Estadual de Meio Ambiente e Recursos Hídricos de
Pernambuco
Potencial hidrogeniônico
Alto Mundaú
Médio Mundaú
Baixo Mundaú
Palmer Drought Severity Index
Rainfall Anomaly Index
Índice de Anomalia de Chuva
Pacific Decadal Oscillation
Oscilação Decadal do Pacífico
Instituto Brasileiro de Geografia e Estatística
Artigo da Lei
Área de Proteção Permanente
Oxigênio Dissolvido
Índice de Precipitação
Espectro Global de ondeleta
Espectro de Energia
Janeiro
Fevereiro
29
MAR
ABR
MAI
JUN
JUL
AGO
SET
OUT
NOV
DEZ
MDE
APA
TO
ROLE
MS
SEMARHN
IMA
CASAL
IBAMA
MPF
ABCC
Ltda
Cia
CODEPAL
PROFERTIL
MAFRIAL
BAMAC
VCM
PVC
UFES
SPSS
CONAMA
Março
Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro
Modelo Digital de Elevação
Área de Proteção Ambiental
Transformada de Ondeleta
Radiação de Onda Longa Emergente
Mato Grosso do Sul
Secretaria Executiva de Meio Ambiente e Recursos Hídricos e Naturais
do Estado de Alagoas
Instituto do Meio Ambiente
Companhia de Abastecimento de água e Saneamento de Alagoas
Instituto Brasileiro do Meio Ambiente
Ministério Público Federal
Associação Brasileira de Criadores de Camarão
Limitada
Companhia
Companhia de Papel de Alagoas
Produtos Químicos e Fertilizantes de Alagoas
Mafrial Matadouro e Frigorífico de Alagoas
Terminal Aquaviário de Maceió
Cloreto de Vinila
Poli-cloreto de Vinila
Universidade Federal do Espírito Santo
Statistical Package for the Social Sciences
Conselho Nacional do Meio Ambiente
30
1. INTRODUÇÃO
__________________________________________________________________________
A bacia hidrográfica do rio Mundaú encontra-se em acelerado processo de degradação
ambiental devido a práticas antrópicas degradantes como o lançamento de esgoto sanitário;
deficiência na coleta e disposição inadequada de resíduos sólidos; assoreamento e ocorrência
de cheias; lançamento de efluentes industriais não-tratados; exploração indiscriminada dos
recursos hídricos e naturais; baixa participação social; ocupação desordenada de áreas de
risco, urbanização não consolidada; práticas agrícolas e de pesca inadequadas (MMA, 2008).
Essas ações comprometem a saúde pública a partir de doenças de veiculação hídrica e as
atividades turísticas no principal atrativo da região. A exploração pesqueira gera
conseqüências sócio-econômicas como redução de oportunidades de trabalho no Complexo
Estuarino Lagunar Mundaú-Manguaba (CELMM) e compromete o desenvolvimento
sustentável local e de seu entorno (Oliveira, 1997). O gerenciamento para atenuar os efeitos
causados por esses problemas exige a identificação e informações de suas causas, o que
potencializa a importância dessa pesquisa.
As ações poluidoras que podem ser verificadas na região já justificam a realização de
estudos, pesquisas e ações sistemáticas de conscientização ambiental que venham fornecer
subsídios para o planejamento e desenvolvimento de mecanismos de gestão capazes de
garantir a manutenção de padrões adequados de qualidade ambiental e possibilitar o uso
múltiplo dos recursos hídricos.
Estudos que investigam os impactos do clima em áreas de importância sócio-econômica
e ambiental e seus efeitos nas atividades econômicas e na população são de extrema
importância, pois é através desses estudos que é possível conhecer os problemas da região e
ao mesmo tempo tentar solucioná-los, tornando possível o planejamento de ações no setor
social, econômico e ambiental. A previsão e diagnóstico climático, também, poderão auxiliar
nos planejamentos do uso da água, agrícola, energético, pesqueiro, sucro-alcooleiro e
industrial no âmbito da bacia hidrográfica em estudo.
Especificamente, na bacia hidrográfica do rio Mundaú, o presente estudo será muito útil
para o desenvolvimento regional através da gestão dos recursos naturais locais, visto que esse
rio abastece a região metropolitana da cidade de Maceió. Praticamente, em todos os
municípios onde passa, serve à irrigação da cana-de-açúcar (que é uma das principais
atividades econômicas realizadas na bacia), é fonte de turismo com suas belezas naturais,
31
abastece as indústrias sucro-alcooleiras e petroquímicas e abriga o CELMM, um dos
principais estuários do país.
Adicionalmente, com a compreensão dos mecanismos geradores de precipitação, da sua
variabilidade espaço-temporal e dos seus efeitos que, ora afetam as atividades agrícolas e
conseqüentemente a população da região, a sociedade ganhará no sentido de planejar suas
atividades e reduzir perdas.
Trabalhos que utilizam índices de variabilidade climática, em escala global, para estudar
os efeitos dos fenômenos planetários em variáveis hidrometeorológicas (Molion e Moraes,
1987; Andreoli et al., 2007), local e regional (Medeiros e Molion, 2002), no âmbito de bacias
hidrológicas (Da Silva, 2003) não são muito freqüentes na literatura. Também, ainda é pouco
utilizado o índice de Oscilação Decadal do Pacífico (ODP) para compor estudos dos efeitos
da variação de temperatura do Pacífico Norte sobre a região Nordeste e particularmente
inédito sobre bacias hidrográficas. O ODP será testado como índice previsor de anomalias de
precipitações, juntamente com os índices Índice Multivariado de El-Niño Oscilação Sul
(IME) e Índice de Oscilação Sul (IOS). Será estudada também a influência do Oceano
Atlântico na bacia hidrográfica. Portanto, a proposta desta pesquisa é inédita no que se refere
a estudos sobre variações ocorridas nas temperaturas de superfície dos mares (TSM) e seus
efeitos sobre a bacia hidrográfica do rio Mundaú.
O objetivo principal deste trabalho é o de analisar a climatologia da bacia hidrográfica
em questão, mostrando sua variabilidade espaço-temporal, os principais eventos que a causa e
ao mesmo tempo verificar como isso afeta aspectos ambientais e agroeconômicos.
Essa ação mostrará o papel da disponibilidade de água na produção agrícola, no uso da
irrigação e consequentemente, na economia local. No que se refere à influência da
precipitação aos aspectos ambientais, as informações climatológicas servem como ferramenta
para a gestão de pesca e carcinocultura, além de se relacionar fortemente com a qualidade de
água na bacia hidrográfica e na distribuição dos crustáceos, os quais são fonte de renda para
população ribeirinha.
Espera-se que sejam estabelecidos os graus de relação entre aspectos meteorológicos de
grande escala e de escalas regional e local. Espera-se ainda, aprofundar os conhecimentos
relativos à climatologia na área de estudo e propor equações matemáticas que sejam capazes
de prever a precipitação, fato que auxiliará na tomada de decisão dos vários setores de
planejamento.
32
Os objetivos específicos deste trabalho são:
· Conhecer as causas (fenômenos) e as escalas temporais da variabilidade climática
local e os seus efeitos na região da bacia hidrográfica;
· Gerar diagnóstico e prognóstico úteis aos setores ligados aos recursos hídricos;
· Propor equações previsoras de anomalias de precipitação, utilizando os índices
climáticos: IME, IOS e ODP e anomalias de temperatura da superfície do Oceano
Atlântico. Tal procedimento poderá ser usado como instrumento na gestão agrícola,
sócio-econômica e dos recursos hídricos. Paralelamente, pode-se ainda, através das
correlações, quantificar a influência do clima global sobre a bacia hidrográfica;
· Gerar informações sobre a produção agrícola e aspectos sócio-ambientais, auxiliando
na tomada de decisões e no gerenciamento da bacia hidrográfica.
· Diagnosticar a degradação ambiental no CELMM e gerar proposta de manejo local
adequado.
Este trabalho foi organizado em 6 capítulos. Uma revisão bibliográfica sobre os temas
relevantes para a pesquisa foi abordada no Capítulo 2. O Capítulo 3 traz a metodologia
adotada em todas as etapas do trabalho, área de trabalho, dados utilizados e cronograma de
execução das atividades. O Capítulo 4 é composto pela análise e discussões dos resultados,
sendo primeiramente apresentada a análise climatológica para a bacia hidrográfica, seguido
pela análise de sua produção agrícola e por fim, a análise ambiental da área, com ênfase no
CELMM. As conclusões e recomendações são apresentadas no Capítulo 5 e, no Capítulo 6,
têm-se as referências bibliográficas utilizadas ao longo desse trabalho.
33
2. REVISÃO BIBLIOGRÁFICA
__________________________________________________________________________
2.1 BACIA HIDROGRÁFICA DO RIO MUNDAÚ
A bacia hidrográfica do rio Mundaú ocupa parte do sudeste pernambucano e do centro-
norte-oriental de Alagoas, drenando as microrregiões homogêneas da Mata Alagoana e de
Maceió. O principal rio da bacia, o rio Mundaú, nasce a oeste da cidade pernambucana de
Garanhuns, na parte sul do Planalto da Borborema e entra em Alagoas pela Cachoeira da
Escada, situada ao sul da cidade pernambucana de Correntes e a noroeste da cidade alagoana
de Santana do Mundaú. Depois, o rio Mundaú atravessa a área central da Mata Alagoana e
chega ao litoral, com a sua foz afogada, formando a Lagoa Mundaú (Tenório, 1985).
No âmbito da referida bacia hidrográfica há ocorrência dos biomas Caatinga, Mata
Atlântica e Restingas e manguezais; de vegetações originais da Caatinga, Floresta Tropical
Atlântica e Vegetação litorânea, climas Semi-árido e Tropical. Há presença das estruturas
geológicas Escudos cristalinos (Pré-cambriano) e Sedimentos recentes (Cenozóicos). A região
é influenciada pela massa de ar Tropical Atlântica. Seu principal recurso mineral é o cobre e a
agricultura baseia-se na cana-de-açúcar e cultivo de grãos. A taxa de urbanização varia de
68% a 78% e a densidade demográfica é superior a 100 habitantes por Km
2
nas maiores
cidades (Atlas Geográfico Melhoramentos, 2002).
A bacia é composta por regiões assoladas por eventos adversos (desde sistemas
sinóticos a mecanismos de grande escala) que proporcionam eventos de secas ou enchentes. O
escoamento nas cabeceiras do rio é temporário devido à má distribuição de chuvas na região
Nordeste do Brasil, mas no período chuvoso, com o aumento da precipitação, o escoamento
cresce, e torna-se lento devido à presença das lagoas Mundaú e Manguaba, cujas águas
escoam lentamente para o oceano devido à topografia local.
No curso médio da bacia, as enchentes já causaram prejuízos tendo, inclusive,
provocado a relocação de assentamentos urbanos. Historicamente, as maiores enchentes
ocorreram nos trechos médio e baixo da bacia hidrográfica do rio Mundaú. Em Santana do
Mundaú, a máxima enchente registrada ocorreu em 03/03/1993 (SUDENE, 1999).
As chuvas dos meses de fevereiro a julho correspondem, climatologicamente, à
aproximadamente 73% de toda precipitação anual local. O período chuvoso da região
coincide com a época em que ocorrem os distúrbios de leste, chamados de Ondas de Leste,
34
que somados com sistemas de escala local (Convergência dos Alísios e Brisa Terrestre),
intensificam as chuvas, principalmente à noite (Costa et al., 2005).
A precipitação média anual na bacia é de 900 mm. Os máximos valores de precipitação
concentram-se próximos à região litorânea, com médias anuais em torno de 2000 mm. Esses
valores são conseqüências de influências de brisas marítimas e de sistemas atmosféricos
globais que transportam mais umidade para o continente, provocando maior concentração de
chuvas nessa área. Verifica-se diminuição na precipitação à medida que se adentra no
continente, devido à aproximação da região do polígono das secas (Gomes et al., 2004).
O rio Mundaú é perene, tem vazão média anual de 30,6 m³/s e é o rio cujas águas são as
mais utilizadas na bacia hidrográfica. Existem quatro usinas canavieiras instaladas ao longo
do seu curso, suas águas servem para irrigação, fábricas de açúcar e álcool, gera energia, ‘doa’
areia, é usado para o lazer e pesca e abastece praticamente todas as cidades por onde passa.
No âmbito da bacia hidrográfica do rio Mundaú, que é uma área de grande
produtividade primária, porém ecológica e ambientalmente muito vulnerável, há a presença de
várias atividades econômicas, como atividades ecológicas relacionadas aos manguezais,
cultivo de cana-de-açúcar, atividades da indústria petroquímica, turismo, pesca, lazer e
atividades culturais como preservação do patrimônio histórico, principalmente na cidade de
Marechal Deodoro (Da Silva et al., 2006).
No baixo curso do rio Mundaú, já na sua foz, encontram-se as lagoas Mundaú e
Manguaba, localizadas no litoral médio do Estado de Alagoas, a sudeste da cidade de Maceió.
Essas lagoas foram constituídas pelo barramento da foz dos rios Mundaú e Paraíba do Meio,
por deposição dos sedimentos marinhos e o conseqüente afogamento de seus leitos. Dentre as
17 lagoas do litoral alagoano, essas duas lagoas se destacam pela extensão, proximidade da
capital, número de habitantes, produtividade e problemas ambientais e sociais (Souza et al.,
2004).
As lagoas Mundaú e Manguaba compõem um ecossistema lagunar onde se processa a
dinâmica de escoamento das águas das bacias hidrográficas dos rios Mundaú e Paraíba do
Meio, respectivamente, e o fluxo e refluxo das marés. As lagoas se interligam em sua porção
inferior através de canais, apresentando uma única comunicação com o mar (Souza et al.,
2004). Entre as lagoas, encontra-se a ilha de Santa Rita e, na região costeira, há manguezais,
restingas e dunas (Diegues, 1987)
A lagoa Mundaú tem cerca de 27 Km
2
, 2 m de profundidade e constitui o baixo curso da
bacia hidrográfica do rio Mundaú, que drena uma área de 4.126 Km
2
e percorre 30
municípios, dos quais oito apresentam sedes municipais ribeirinhas. Essa lagoa situa-se
35
próximo a Maceió e banha Fernão Velho, Santa Luzia do Norte e Coqueiro Seco. Sua origem
é o rio Mundaú, associado ao sentido de seu vale, seguindo a forma de um estuário, antes de
ter evoluído para a lagoa de hoje. Outra conseqüência para a formação da atual paisagem
lagunar é o processo de erosão. As águas que alimentam a Lagoa vêm tanto do mar, quanto do
rio Mundaú e seus afluentes (riacho da Silva, Petrópolis, Catolé, Santo Cristo, Matroé entre
outros) (Tenório, 1985).
A lagoa Manguaba, por sua vez, tem aproximadamente 42 Km
2
, 3 m de profundidade e
constitui a região estuarina dos rios Paraíba do Meio e Sumaúma. O primeiro apresenta uma
bacia hidrográfica de 3.330 Km
2
e percorre 20 municípios, dos quais 13 apresentam sedes
municipais ribeirinhas, enquanto que o Sumaúma drena uma área de 406 Km
2
e percorre 6
municípios, contando com 1 sede municipal ribeirinha (Platonov e Oliveira, 2000).
O rio Mundaú é o principal fornecedor de água para a Lagoa Mundaú, enquanto o Rio
Paraíba do Meio é o principal fornecedor de água para a Lagoa Manguaba. As águas dessas
lagoas encontram-se numa zona de canais com 12 Km
2
, perfazendo um total de 81 Km
2
(Souza et al., 2004; Diegues, 1987).
Como mencionado anteriormente, essas duas lagoas compõem o Complexo Estuarino-
Lagunar Mundaú/Manguaba (CELMM) o qual, por sua extensão e pela riqueza de suas águas
constitui um sistema de expressivo potencial econômico e possível de ser aproveitado, sem
prejuízos para o ambiente, desde que o gerenciamento de suas águas seja adequadamente
promovido.
No CELMM, o clima é quente com temperaturas médias do ar anuais em torno de
24ºC. A vegetação característica da área restringe-se às Formações Pioneiras tanto de
influência marinha (restinga) herbácea, quanto de influência Fluviomarinha arbórea
(manguezal). Ocorrem espécies vegetais da restinga como Remirea marítima (alecrim da
praia), Paspalum vaginatum (capim da praia), Ipomoea prescapae (salsa da praia) e
Canavalia obtusifolia (feijão da praia). Entre as vegetações que compõem os bosques de
manguezais associados às lagoas estão Rhizophora mangle (mangue vermelho), Laguncularia
racemosa (mangue branco), Avicenia shueriana (mangue preto) e Hibiscus titiaceus
(guaxuma) (Marques et al., 1993).
Algumas aves locais dependem diretamente da área, como Netta erythrophthalma
(paturi preto), Hoploxypterus cayanus (mexeriqueira), Charadrius collaris (maçarico de
coleira), Arenaria interpres (agachadeira), Numerius phaeopus (bacuira de bico torto), Calidris
minutilla (maçariquinho) e Limnodromus griséus (maçarico de costas brancas) (Marques et
al., 1993).
36
Segundo Marques et al. (1993) os peixes encontrados no CELMM estão representados
pelas espécies Aeotobatus narinari (arraia-pintada), Selenaspis sp. (bagre), Epinephelus
itajara (mero), Cynoscion sp (pescada), Mugil sp. (tainha), Diapterus sp. (carapeba),
Centropomus sp. (robalo), Mugil cephalus (curimã). Já os moluscos, pelas espécies Mytella
falcata (sururu), Tagelus pleberius (unha de velho), Macona constricta (taioba),
Anamalocardia brasiliana (maçunim) e os crustáceos pelas espécies Callinectes danal (siri-
azul), C. bocourti (siri-grajaú), Penaeus schimitti (camarão-branco), P. aztecus subtilis
(rajadinho), Ucides cordatus (carangueijo-uça), Cardisoma guanhumi (guaiamum) e
Macrobrachium sp. (camarão de água doce).
Essa região é um aporte de nutrientes carregados pelos cursos d’água interioranos,
originando um sistema altamente produtivo, onde se desenvolve uma série de organismos
importantes como fonte de alimento para o homem como M. falcata, P. schimitti, Cynoscion
sp. e Centropomus sp. É uma área de alimentação e descanso de organismos marinhos e aves.
Os recursos pesqueiros são ricos e abundantes, porém o molusco M. falcata (sururu) é o prato
típico da região representando, em safra normal, o maior volume de produção. O camarão de
todos os tipos, tanto de água doce como de água salgada é também abundante nas lagoas
(Marques et al., 1993).
No entanto, segundo Pereira Barros e Macedo (1969) apud Granja (1969) há grande
desequilíbrio no ecossistema lagunar nos meses mais rigorosos de inverno quando a
salinidade cai para zero ou próximo. Se o fenômeno se prolonga por muitos dias, a
mortalidade das colônias de sururu é fatal. Será parcial ou total dependendo das enchentes do
rio Mundaú. Quando a mortalidade é total, há grave desequilíbrio sócio-econômico com
grande repercussão para o Estado, na população que reside às margens da Lagoa e que
depende direta ou indiretamente da sua exploração.
O sururu prolifera nas partes mais rasas da lagoa, dentro da lama e vive em colônias
numerosas. Cresce, engorda e sobrevive de acordo com o teor de salinidade da água, que não
deve ser nem muito doce, nem muito salgada; o ideal é entre 5% e 15%. Somente as águas da
lagoa Mundaú oferecem essa condição. Por isso, ali habitam com grande abundância e é a
espécie de maior volume de produção do Estado de Alagoas, chegando a aproximadamente 6
toneladas ao ano (Granja, 1969).
De acordo com Teixeira e Sá (1998), o CELMM, além de se caracterizar pela
diversidade de habitats, também se caracteriza pela diversidade de espécies de peixes
(Teixeira e Falcão, 1992), assim como pela diversidade de macrocrustáceos (Pereira-Barros,
1981; Silva, 1992). Bancos de sururu (M. falcata) se formam principalmente na Lagoa
37
Mundaú e certamente, criam microhabitats à parte, cuja complexidade contribui com a
distribuição e a abundância de vários organismos.
Dentre os fatores abióticos, a salinidade parece ser o mais importante como regulador da
distribuição e abundância dos macrocrustáceos no CELMM. Efeitos da salinidade têm
influenciado o desaparecimento local do sururu, os quais foram amplamente discutidos por
Asbury (1979). A salinidade também é um fator importante que controla a distribuição de
espécies de peixes dentro do complexo estuarino, como por exemplo os bagres (Melo e
Teixeira, 1992), os eleotridídeos (Teixeira, 1994), os gerreídeos (Teixeira e Helmer, 1997) e o
camurim Centropomus undecimalis (Teixeira, 1997), entre outros, os quais apresentaram altas
proporções de crustáceos em seus conteúdos estomacais.
A temperatura da água pouco flutua ao longo do ano e, durante o período de chuvas, o
sistema transforma-se em um grande manancial de água doce. Os valores de transparência da
água diminuem durante o período de chuvas devido à grande quantidade de sedimentos
trazidos pelos rios. Os “blooms” de algas que ocorrem principalmente durante a primavera
contribuem para a depleção nas taxas de saturação do oxigênio dissolvido em determinadas
áreas das lagoas, ocasionando a morte principalmente de peixes com baixa capacidade de
natação (Teixeira e Falcão, 1992). Os crustáceos, aparentemente, são mais resistentes às
depleções nas taxas de oxigênio dissolvido (Teixeira e Sá, 1998).
2.2 ASPECTOS CLIMATOLÓGICOS
O Nordeste do Brasil (NEB) é conhecido por apresentar em alguns anos secas severas
ou chuvas excessivas, que têm sido relacionadas aos padrões anômalos de grande escala da
circulação atmosférica global associados ao fenômeno El-Niño-Oscilação Sul (ENOS).
As secas severas no NEB, objeto de inúmeros estudos por seus impactos sociais e
econômicos, têm sido relacionadas à ocorrência do El Niño. Esta hipótese é baseada no fato
de que para alguns anos de El Niño (fortes ou moderados) ocorrem secas severas no NEB
(Andreoli et al., 2004; Aragão, 1986).
Entretanto, a relação entre El Niño e as secas no NEB não só comporta uma forma de
interpretação (Kane e Trivedi, 1988; Kane, 1992; Kane, 1997). Kane (1997) mostrou que dos
46 El Niños (fortes e moderados) do período de 1849-1992, somente 21 (45%) estiveram
associados a secas severas em Fortaleza, por exemplo.
38
Haja vista que as análises espectrais das séries de ATSM para os Oceanos Atlântico e
Pacífico são caracterizadas por oscilações em escalas de tempo interanual e decadal, sendo a
escala interanual mais pronunciada na região do Pacífico e a decadal, no Atlântico
(Hastenrath e Kaczmarczyk, 1981; Sperber e Hameed, 1993; Mehta e Delworth, 1995), é
importante verificar quais escalas exercem influência sobre a variabilidade pluviométrica de
uma bacia hidrográfica.
Apesar da variabilidade de TSM no Pacífico ser dominada por variabilidades na escala
de tempo interanual, Zhang et al. (1997) separaram a variabilidade temporal do Pacífico em
duas componentes: uma relacionada à escala de variabilidade interanual do ciclo ENOS e a
outra, linearmente independente incluindo toda a variabilidade interdecadal.
Assim, as variações da precipitação em regiões das bacias hidrográficas do rio Mundaú
foram estudadas utilizando a Análise Ondeleta (AO). Esta técnica envolve transformação de
uma série unidimensional em um espaço de tempo e freqüência, o que permite determinar as
escalas de variabilidade dominantes e suas variações temporais.
Sabe-se também que a precipitação no NEB é resultante do acoplamento de diversos
sistemas atmosféricos de várias escalas quase periódicos, como a Zona de Convergência
Intertropical (ZCIT) (Uvo, 1989), os Vórtices Ciclônicos de Ar Superior (Aragão, 1975;
Kousky e Gan, 1981), os Sistemas Frontais (Kousky, 1979), e os Distúrbios de Leste
(Espinoza, 1996), que podem ser modificados pelas características fisiográficas da região e
por anomalias atmosféricas de escala planetária. Destacam-se o dipolo do Atlântico e o
ENOS, que modificam a frequência, distribuição espacial e intensidade desses sistemas
(Araújo, 2006); deste modo, faz-se necessário estudar a variabilidade interanual com ênfase
na quadra chuvosa da região.
2.2.1 Mecanismos produtores de chuva na bacia hidrográfica do rio Mundaú
De acordo com Aragão (1975) os efeitos dinâmicos são os principais responsáveis por
estimular ou inibir a precipitação na região do NEB de forma que:
Em dezembro e janeiro admite-se que o principal efeito dinâmico favorável à
precipitação, principalmente ao sul da região, é a penetração de frentes frias oriundas do Sul
do continente, afirmação reforçada por Kousky (1979).
Em fevereiro ocorre convergência de massa nos níveis baixos, associada a movimento
vertical ascendente favorecendo a precipitação.
39
Em março ocorre divergência de massa nos baixos níveis, convergência nos níveis
médios associado a movimento vertical descendente inibindo a precipitação.
Em Aragão (1975), ainda, é afirmado que, durante os períodos de seca na região do
NEB, há suficiente umidade nos baixos níveis da atmosfera, mas inexiste um mecanismo
dinâmico capaz de provocar movimentos ascendentes que tenham como resultado formação
de nuvens suficientemente desenvolvidas para produzir precipitação.
As razões físicas da variabilidade da precipitação do NEB são complexas e estão
relacionadas com a circulação atmosférica global.
As ocorrências de anomalias de TSM tipo dipolo sobre o Atlântico Tropical, assim
referida por apresentar configurações que mostram anomalias de sinais opostos ao norte e ao
sul do equador, e o aparecimento de anomalias de TSM sobre o Pacífico Equatorial central
leste durante as ocorrências de episódios de ENOS (Hastenrath e Heller, 1977; Moura e
Shukla, 1981; Aragão et al., 1994; Andreoli e Kayano, 2003) estão entre os principais fatores
de grande escala que contribuem para as mudanças na circulação atmosférica responsáveis
pela variabilidade interanual da precipitação sobre o NEB.
Segundo Hastenrath e Heller (1977) e Moura e Shukla (1981) as configurações tipo
dipolo de TSM sobre o Atlântico Tropical, verificada para o norte do Nordeste também foi
observada na estação chuvosa do litoral leste do Nordeste.
Já para Andreoli e Kayano (2006), os efeitos isolados de variabilidade de TSM do
Atlântico Sul nas chuvas do NEB são mais pronunciados e estatisticamente mais
significativas durante o outono. Nesse caso, segundo as autoras, as TSMs do Atlântico Sul são
responsáveis pelo posicionamento anômalo da ZCIT, o qual afeta a distribuição das chuvas no
NEB.
As características climatológicas da precipitação no leste do NEB foram investigadas
por Lima (1991). Os principais processos responsáveis pela variação interanual da
precipitação sobre a região são a posição e intensidade dos sistemas de alta pressão no
Atlântico Sul (segundo a autora, parece ser o mecanismo que melhor determina a quantidade
da estação chuvosa nessa região), as ocorrências ou não de El Niño e a TSM no Atlântico.
Calbete e Lemos (1996) ao estudarem precipitações intensas sobre o Brasil apontaram
os sistemas que atuam sobre a região Nordeste: linhas de instabilidade associadas à brisa
marítima, distúrbios de leste, vórtices ciclônicos e sistemas de grande escala como a ZCIT,
como sendo os grandes responsáveis por chuvas intensas. Por exemplo, os distúrbios de leste,
em julho e agosto de 1989, provocaram desvios positivos de precipitação superiores a 300
mm no litoral de Pernambuco e em Guaramiranga-CE. Em junho de 1994, ocorreram chuvas
40
em Fortaleza-CE, onde a precipitação mensal foi aproximadamente três vezes superior à
média climatológica. Em algumas localidades do Piauí, os totais mensais foram sete vezes
superiores à média climatológica. Esse excesso de precipitação foi causado pela atuação de
distúrbios de leste e pelos ventos Alísios que formaram uma zona de confluência sobre a parte
norte do Nordeste.
Molion e Bernardo (2002) sugerem que a variabilidade interanual da distribuição de
chuvas sobre o NEB, tanto nas escalas espacial quanto temporal, esteja intimamente
relacionada com as mudanças nas configurações de circulação atmosférica de grande escala e
com a interação oceano-atmosfera nos Oceanos Pacífico e Atlântico. Eles apontaram, para o
norte do NEB (NNE), que os principais mecanismos de produção de chuva são a ZCIT, a
convergência de umidade (brisas e perturbações oscilatórias no campo dos ventos Alísios-
POAS), a convecção local e, muito raramente, a influência direta das frentes frias. O sul do
NEB (SNE) tem, como principal mecanismo de precipitação, os sistemas frontais
estacionários alimentados pela umidade proveniente do Atlântico Sul, que definem a Zona de
Convergência do Atlântico Sul (ZCAS), sistemas pré-frontais, convecção local e brisas de
mar e terra no litoral. O regime do SNE é semelhante ao da parte norte da região Sudeste do
Brasil. O máximo de chuvas na faixa costeira do leste do NEB (ENE) estaria ligado à maior
atividade de circulação de brisa que advecta bandas de nebulosidade para o continente e à
ação das frentes frias, ou seus remanescentes, que se propagam ao longo da costa. Foi
sugerido ainda que esse máximo de chuvas estaria possivelmente associado à máxima
convergência dos Alísios com a brisa terrestre, à Zona de Convergência do ENE (ZCEN) e às
POAS que, por sua vez, associam-se à topografia e à convergência de umidade (Molion e
Bernardo, 2002).
2.2.1.1 Pertubações Osciltórias no Campo dos Ventos Alísios (POAS)
No Atlântico Sul, a convergência dos ventos de sul, associados aos sistemas frontais que
passam pelo continente sul-americano, com os Alísios, provoca perturbações ondulatórias que
se propagam para oeste, imersas no campo dos Alísios, as POAS.
Esses sistemas são de extrema importância para o NEB, porque causam intensas
precipitações sobre o continente, quando se deslocam sobre superfícies oceânicas
superaquecidas com temperatura por volta de 28ºC.
As POAS se originam quando os sistemas frontais do hemisfério norte (HN) penetram
profundamente em latitudes equatoriais durante o inverno-primavera daquele Hemisfério,
41
dezembro a abril, e a ZCIT está em sua posição mais ao sul, tanto sobre o Atlântico quanto
sobre a África Equatorial produzindo, na região da ZCIT, grandes complexos convectivos de
escala subsinótica (CCS) que, por sua vez, geram perturbações ondulatórias no campo dos
ventos Alísios (POAS) (Molion e Bernardo, 2000 e Da Silva, 2003).
Yamazaky e Rao (1977) apud Molion e Bernardo (2002) analisaram imagens de
satélites para as faixas de 5º-10º S e 10º-15º S e concluíram que as POAs poderiam ser a causa
das chuvas na costa leste do NEB nos meses de junho a agosto.
As POAS se propagam para oeste com velocidades de 6º a 8º de longitude por dia,
cruzam o equador, mas não têm condições de se desenvolverem sobre o oceano devido à forte
inversão psicrotérmica (de umidade e temperatura do ar) sempre presente sobre o campo dos
Alísios. Porém, geralmente se intensificam quando chegam à costa, devido ao aumento da
convergência do fluxo de umidade e ao contraste térmico entre continente e oceano. Quando
em fase com a brisa marítima, essas perturbações chegam a penetrar até 300 Km para o
interior do continente. Se confluírem com a brisa terrestre, o que ocorre com frequência
próximo à costa leste do Nordeste à noite, podem intensificar-se e causar tempestades com
totais pluviométricos superiores a 50 mm/dia e rajadas de vento superiores a 50 Km/h. Sua
maior frequência é observada em anos de La Niña devido à maior troca de energia entre as
regiões tropicais, ao contrário do que ocorre em anos de El Niño, que causa um bloqueio das
frentes frias que são uma das causas de POAS (Molion e Bernardo, 2002).
2.2.1.2 Ondas de Leste
São ondas que se formam no campo da pressão atmosférica, ao longo dos Alísios, na
faixa tropical do Globo, deslocando-se de leste para oeste. Embora não seja fácil distinguí-las
nas cartas sinóticas, essas ondas são capazes de causar precipitações acentuadas ao longo de
suas trajetórias. Na região de baixa pressão da onda, o tempo é caracteristicamente chuvoso,
associando-se freqüentemente a tempestades. As nuvens dos tipos cumulus e cumulonimbus
destacam-se (Vianello e Alves, 2000).
Na América do Sul, as ondas de leste ocorrem na faixa tropical do Oceano Atlântico e
deslocam-se para oeste até atingir o litoral e a Zona da Mata do NEB, desde o Recôncavo
Baiano até o litoral do Rio Grande do Norte, principalmente no inverno. Como essa região é
dominada pela massa tropical marítima e pelo Anticiclone do Atlântico Sul, que provoca
subsidência e a conseqüente inversão dos Alísios, essas ondas se desenvolvem e se deslocam
sob tais condições.
42
Entretanto, à proporção que a baixa avança, promove-se a subida da inversão dos
Alísios. O ar úmido é injetado pela circulação anticiclônica e a zona de convergência,
associada ao cavado, provoca ascensão desse ar, favorecendo a formação de nuvens de grande
extensão vertical. Imediatamente após a passagem da onda, o nível de inversão dos Alísios
volta a baixar (Vianello e Alves, 2000).
2.2.1.3 Vórtices Ciclônicos em Altos Níveis (VCAN)
Os VCANs são sistemas caracterizados por uma baixa pressão originada na alta
troposfera. Possuem uma circulação ciclônica fechada com centro mais frio que a sua
periferia. Os VCANs atuam sobre a costa leste no Nordeste, principalmente durante o verão
do hemisfério sul (HS), e formam-se anualmente. Podem ter um tempo de atividade curto ou
persistirem por vários dias consecutivos, ou mesmo semanas, mantendo-se quase-
estacionários ou movendo-se rápida e irregularmente de acordo com Varejão-Silva (2001).
Para sua formação, parece ser necessário que a Alta da Bolívia (AB) esteja bem desenvolvida
sobre o continente e seu deslocamento longitudinal, para leste ou oeste, está associado ao
deslocamento do anticiclone acoplado, que se estabelece junto à costa da África.
De acordo com Silva et al. (2001), a atuação dos VCANs é a principal causa para o
aumento ou decréscimo da taxa de precipitação durante o verão no NEB. Um VCAN atuou
sobre o NEB em fevereiro de 1992, trazendo chuvas e fazendo com que o total mensal de
precipitação atingisse 226 mm na cidade de Maceió (AL), quando a média histórica é de 80
mm. Em janeiro de 2002, um VCAN fez com que o total pluviométrico mensal atingisse a
marca de 381 mm em Maceió, tendo sido o janeiro mais chuvoso dos últimos 100 anos.
Simpson (1952) verificou que o deslocamento dos vórtices ciclônicos geralmente é
irregular, porém existe uma tendência nas baixas latitudes, entre 10º – 15ºS, de deslocamento
para oeste e os que se formam na costa leste do Brasil deslocam-se também para oeste, em
direção ao interior do continente.
Aragão em 1975 detectou a presença de um vórtice ciclônico de ar superior sobre o
NEB utilizando um modelo diagnóstico tri-dimensional, nos dias 22 e 23 de janeiro de 1970.
Lacava (1995), ao estudar a formação e a estrutura dos VCANs, destacou que na sua
maioria, os vórtices ciclônicos se originam nos meses de verão sobre o Oceano Atlântico.
Souza et al. (2001) destacaram que, nos meses de novembro e dezembro de 2000, os
VCANs ficaram semi-estacionários, enquanto nos meses de janeiro e fevereiro, esses
adentraram sobre o continente atuando sobre o Centro-norte do país. No verão de 2000/2001,
43
notaram que houve uma maior atuação de VCANs sobre essa região do país e na maioria dos
casos os VCANs ficaram semi-estacionários sobre o estado da Bahia inibindo assim a
precipitação no centro-leste desse Estado. Dependendo do posicionamento geográfico do seu
centro de subsidência, eles podem intensificar a precipitação fazendo com que os totais
mensais de precipitação sejam superiores a 300% das normais climatológicas, ou contribuir
para que o verão seja mais seco e mais quente nas localidades sob a região de movimento
descendente.
De acordo com Kousky e Gan (1981) os VCANs, na vizinhança do NEB, formam-se
devido à intensificação simultânea da crista associada à Alta da Bolívia e ao cavado corrente
abaixo sobre o Oceano Atlântico. Isto ocorre quando um sistema frontal proveniente do sul do
Brasil, ao penetrar nos subtrópicos, provoca forte advecção de ar quente no seu lado leste,
amplificando a crista de nível superior e, por conservação de vorticidade absoluta, o cavado
que está à jusante também é intensificado, formando-se o ciclone na alta troposfera.
2.2.1.4 Linhas de Instabilidade (LI)
Segundo Vianello e Alves (2000), esses sistemas são designados linhas de instabilidade
em virtude da forma alongada que assumem. No continente sul-americano, ocorrem no
interior da massa equatorial continental e o forte aquecimento diurno desempenha papel de
destaque em sua formação. Na estação do verão, o dia amanhece calmo e o céu azul. À
medida que a intensa radiação solar incide sobre a região tropical, inicia-se o processo de
desenvolvimento de cumulus, atingindo formações de cumulonimbus, isoladas ou alinhadas,
desenvolvem-se rapidamente, provocando pancadas fortes e localizadas, associando-se a
rajadas, granizo, descargas elétricas ou trovoadas.
As LI são bandas de nuvens causadoras de chuva, normalmente do tipo cumulus,
organizadas em forma de linha. Outro fator que contribui para o incremento das LI,
principalmente nos meses de fevereiro e março, é a proximidade da ZCIT.
Geralmente associadas às ondulações frontais, formam-se pequenas depressões
barométricas, ao longo das quais formações cumuliformes se desenvolvem e se deslocam,
podendo resultar em chuvaradas intensas e localizadas. Essas formações ocorrem
principalmente no verão do HS (dezembro a março), encontram-se ao sul da Linha do
Equador influenciando as chuvas no litoral norte do NEB e regiões adjacentes ocorrendo no
período da tarde e início da noite (Varejão-Silva, 2001).
44
2.2.1.5 Brisas marítima e terrestre
Nobre e Molion (1987) sugeriram que a confluência dos Alísios com a brisa de terra
(noturna) pode ser um dos mecanismos importantes na produção de chuva na região costeira.
Durante o dia, o vento sopra do mar para a terra e em sentido contrário durante a noite.
No início da manhã, a diferença de temperatura entre a terra e o mar é pequena, resultando
num escoamento praticamente nulo. À medida que o Sol se eleva, a terra se aquece mais
rapidamente que o mar, porque o calor armazenado no continente fica concentrado na
superfície atingindo uma profundidade de aproximadamente 1 m, no continente, enquanto no
oceano, que armazena uma quantidade maior de calor, é transmitido para camadas mais
profundas e transportado pelas correntes marinhas, resultando na formação de uma baixa
pressão sobre a terra. Nesse caso, a força, devida ao gradiente horizontal de pressão,
determina um escoamento à superfície, do mar para a terra. Na região terrestre aquecida, a
convecção dá origem a correntes ascendentes. Por continuidade da massa, fecha-se uma célula
de circulação, caracterizando um escoamento de terra para o mar em níveis superiores (1.500
a 2.000 m) da camada, e correntes descendentes sobre o mar. À tarde, quando a terra se esfria
e desaparece o contraste de temperatura, a brisa cessa.
À noite, em razão da maior taxa de resfriamento continental, em relação ao oceano,
inicia-se a formação de um novo contraste térmico, permanecendo o mar mais aquecido que o
continente. Nesse caso, as isóbaras irão afastar-se sobre o mar, estabelecendo aí uma baixa
pressão, contrastando-se com a alta estabelecida sobre a terra mais fria. O mecanismo se
inverte, ocorrendo a formação de uma célula de circulação em que o vento soprará da terra
para o mar em baixos níveis e no sentido contrário nos níveis mais elevados (Vianello e
Alves, 2000).
Como citado em Molion e Bernardo (2000) e Molion e Bernardo (2002), as brisas, por si
só, são mecanismos que produzem chuvas leves e de curta duração e estão sempre presentes
em todo o litoral nordestino.
2.2.1.6 Oscilação de Madden e Julian
Na década de 70 dois pesquisadores norte-americanos, R. Madden e P. Julian, ao
analisar séries históricas de 10 anos de dados de radiossondagens em várias estações próximas
da Indonésia, observaram que, num período entre 30 e 60 dias, os sistemas meteorológicos
que atuavam em diversos locais na região tropical, eram intensificados (inibidos) o que
45
favorecia (desfavorecia) a precipitação. Eles verificaram que este comportamento estava
associado à atuação de um sistema que se desloca de oeste para leste contornando o globo
num período que varia entre 30 e 60 dias (Madden e Julian, 1971).
Esta oscilação, denominada de Oscilação de Madden-Julian (OMJ) ou Oscilação 30-60
dias, está relacionada com as variações na posição e intensidade da ZCAS que, por sua vez,
interfere na precipitação das regiões Centro-Oeste, Sudeste, setor sul do Nordeste e norte da
Região Sul. Por outro lado, a OMJ influencia todo o Nordeste, podendo inibir ou favorecer a
atuação de sistemas meteorológicos associados à ocorrência de chuva.
Kayano (1996) associou a OMJ, sobre a América do Sul, às variações na posição e
intensidade da ZCAS (Casarin e Kousky 1986; Kousky e Kayano, 1993; 1994), por sua vez
associaram-se às flutuações na escala de tempo intrasazonal da circulação atmosférica global
da alta troposfera e da convecção tropical (Casarin e Kousky 1986; Weickmann et al. 1985;
Kayano e Kousky, 1992; Kousky e Kayano, 1993; 1994).
Kayano e Kousky (1992) e Kousky e Kayano (1993), utilizando dados em pêntadas
(média sem sobreposição a cada 5 dias) da faixa tropical e a técnica de funções ortogonais
empíricas estendidas, analisaram os padrões globais de radiação de onda longa (ROL) e
circulação relacionados com a OMJ. Embora o sinal da OMJ sobre a América do Sul não seja
tão forte como nos Oceanos Índico e Pacifico Oeste, ficou evidente que uma extensa área é
afetada pela passagem de uma OMJ, incluindo a região da ZCAS.
2.2.2 Variabilidade climática global
Nas últimas décadas, a comunidade científica empreendeu esforços para melhorar
o entendimento da variabilidade interanual e intra-sazonal da precipitação sobre o
Brasil, assim como também dos mecanismos atmosféricos responsáveis por tal
variabilidade. Resultados encontrados na literatura mostraram que essa variabilidade é
causada por mecanismos de escala global, alguns dos quais são descritos a seguir.
2.2.2.1 Índice de Oscilação Sul – IOS
Walker (1928) documentou uma notável coincidência do aquecimento anômalo das
águas superficiais no Pacífico equatorial e as secas do NEB. Assim, analisando-se
longas séries de desvios da pressão ao nível médio do mar (PNM) em torno das
46
respectivas médias, em toda a Bacia do Oceano Pacífico, verificou-se a existência de
duas grandes áreas cujas flutuações estão fora de fase: uma englobando a Austrália e a
Polinésia, a outra, na parte centro-sul do Pacífico tropical. Em geral, quando a PNM está
mais alta que a média climatológica numa área, encontra-se mais baixa na outra e vice-
versa. Esse fenômeno foi denominado de Oscilação Sul (OS).
Foi criado um índice para avaliar sua intensidade, o Índice de Oscilação Sul (IOS),
definido como a diferença entre os desvios (Dp), em relação à média, das pressões ao
nível médio do mar (PNMM) em Tahiti (17ºS, 150° W) e Darwin (12ºS, 130° E)
(Varejão-Silva, 2001).
A fase fria da OS, denominada de La Niña, apresenta pressão maior que a média
climatológica em Tahiti e, simultaneamente, a pressão em Darwin é inferior à média
correspondente. Apresentam-se movimentos ascendentes do ar sobre a Indonésia.
Durante a fase quente da OS, denominada de El Niño, a pressão atmosférica começa a
diminuir em Tahiti e a aumentar em Darwim. Desenvolve-se um intenso centro de baixa
pressão nas proximidades de Tahiti e um centro de alta pressão sobre a Indonésia e norte da
Austrália (Darwin).
Segundo Ropelewski e Jones (1987), a fase quente do ENOS é caracterizada
sempre que ocorrem cinco meses consecutivos de Índice de Oscilação Sul (IOS) com
valores inferiores a –0.5 (fase negativa) e a fase fria é caracterizada pelo mesmo critério,
porém com valores de IOS superiores a 0.5 (fase positiva).
Philander (1990) chamou a atenção para o fato do El Niño e La Niña não serem
desvios temporários e anormais de algum estado “normal” intermediário, mas fases
opostas de um mesmo fenômeno.
Uvo et al. (1994) obtiveram evidências que anos bastantes secos (chuvosos) no norte do
Nordeste ocorrem em associação com valores anomalamente altos (baixos) da TSM no
Pacífico Equatorial, reforçando a influência da OS sobre o clima do NEB.
A OS, em geral, não altera a fase dos períodos chuvosos das regiões atingidas; têm-
se verificado que as alterações ocorrem apenas na amplitude, ou seja, o total de chuva
caída durante o período normalmente chuvoso torna-se maior ou menor que a média,
embora a época do ano seja a mesma (Varejão-Silva, 2001).
47
2.2.2.1 a) El Niño – Oscilação Sul (ENOS)
A fase quente da Oscilação Sul, fenômeno El Niño ou episódio quente do ENOS é
caracterizado pelo aquecimento anômalo ou anormal das águas do Pacífico Tropical
central e leste, desde a costa oeste da América do Sul. O aquecimento, e o subsequente
resfriamento, dura de 12 a 18 meses, tendo início no começo do primeiro ano, atingindo
sua máxima intensidade durante dezembro - janeiro e terminando na metade do segundo
ano, mas não existe um ciclo bem definido.
Segundo o CPTEC/INPE (2000), o fenômeno El Niño é repetitivo, mas não possui
um período regular, reaparecendo no intervalo de três a cinco anos. Em anos de El Niño,
ocorre uma mudança de inclinação na "gangorra barométrica" de Walker, isto é, as
pressões mais baixas na região da Indonésia e norte da Austrália tendem a aumentar,
diminuindo o movimento ascendente e, paralelamente, sobre a região do Pacífico
Sudeste próxima da América do Sul, ocorre uma diminuição correspondente da pressão à
superfície e, consequentemente, diminuição de movimento descendente. Como
resultado, enfraquecem os ventos Alísios, reduz a velocidade das correntes marinhas e
diminui o fenômeno da ressurgência na costa do Peru e Equador, provocando um
aumento rápido da temperatura da superfície do mar em toda a faixa equatorial do
Oceano Pacífico, além de diminuir a disponibilidade de plâncton e peixes.
O aquecimento das águas nessa região do Pacífico é mais acentuado na costa
noroeste da América do Sul. Verifica-se, então, um deslocamento do ramo ascendente da
Circulação de Walker para leste, o que provoca convecção nas regiões próximas às
costas do Peru e Equador, que normalmente não ocorre.
A célula de Walker enfraquece e entra em funcionamento a célula de Hadley ou
Circulação de Hadley, a qual possui movimento norte-sul. Esta célula intensifica o jato
subtropical que sopra da região do Pacífico ao sul do equador para o norte do Chile e
Sul do Brasil, causando bloqueios atmosféricos de sistemas de tempo tais como das
frentes frias, as quais permanecem estacionárias sobre a Região Sul do Brasil
(CPTEC/INPE, 2000).
Em Marin e Sentelhas (1997) e Philander (1990) a fase fria da Oscilação Sul é
denominada de La Niña e descreve que esta ocorre como conseqüência do resfriamento
anormal da corrente de Humbolt. Em anos de La Niña, a região Sul do Brasil sofre
secas, enquanto as chuvas se intensificam no NEB.
48
Segundo CPTEC/INPE (2000) o La Niña também pode variar em intensidade. Em
geral, o episódio começa a se desenvolver em meados de um ano, atinge sua intensidade
máxima no final daquele ano e dissipa-se em meados do ano seguinte, durando de 10 e
15 meses.
O ramo descendente da circulação de Walker intensifica o sistema de alta pressão
sobre o Pacífico sudeste, preferencialmente junto à costa do Chile, provocando ausência
de nuvens causadoras de chuva nesse setor do Pacífico. Com isso, aumenta o movimento
de ressurgência em associação com a amplificação da circulação marinha de Humbolt
adjacente à costa oeste da América do Sul.
O ramo secundário da circulação de Walker (Bjerknes, 1969), que ascende sobre o
norte da América do Sul e descende sobre a região do Oceano Atlântico também se
intensificaria em anos de La Niña, favorecendo o aumento das chuvas sobre o setor
norte do continente Sul-americano.
2.2.2.1 b) Impactos Climáticos dos ENOS
Perto do fim de cada ano, uma contra-corrente quente flui em direção ao sul, seguindo
as costas do Equador e do Peru, substituindo a fria corrente peruana. Normalmente, estas
contra-correntes quentes duram no máximo algumas semanas quando, novamente dão lugar
ao fluxo frio peruano. Entretanto, a cada período de três a sete anos, esta contra-corrente é
excepcionalmente quente e forte. Este evento é acompanhado de um acúmulo de água quente
na superfície oceânica do Pacífico Central e Leste. El Niño tem feito aparições freqüentes,
com conseqüências particularmente severas em 1891, 1925, 1953, 1972, 1982, 1986, 1992,
1993, e 1997 (INPE/CPTEC, 2007 apud Martins, 2008).
Schott (1931) apud Galvíncio (2000) foi quem primeiro descreveu as
características do fenômeno El Niño próximo ao mar, com base em observações dos
eventos de 1925-1926.
Bjerknes (1969), dando continuidade ao estudo de Schott, descreveu e documentou
o El Niño. Ele afirmou que os Alísios sobre o Oceano Pacífico tropical abastecem de
umidade o fenômeno que é dominado pelo gradiente de temperatura à superfície. O
aquecimento das águas superficiais do Pacífico interfere no campo de PNMM, no regime
de ventos e, portanto, no deslocamento das nuvens e no regime das chuvas, gerando
alterações significativas no clima de todo o planeta.
49
Kousky et al. (1984) dentre outros pesquisadores, estudaram a influência do ENOS
sobre a variabilidade climática interanual da América do Sul. Foram identificadas chuvas
deficientes em vastas áreas, incluindo o NEB e a Amazônia bem como excesso de chuva no
Sul do Brasil e parte da costa do Peru e Equador durante episódios de El Niño.
De acordo com Ropelewski e Halpert (1987), em anos de ocorrência de El Niño, os
ventos diminuem, chegando, em algumas áreas da faixa tropical, a inverterem o sentido
(soprando de oeste para leste).
Molion e Moraes (1987) investigaram as relações entre o IOS e a vazão de rios na
América do Sul tropical localizados na Bacia Amazônica brasileira. Encontraram que as
descargas dos rios amazônicos estão correlacionadas positivamente com a série de IOS
que é um previsor em potencial, pelo menos qualitativamente, das descargas mensais
dos rios da América do Sul tropical, especialmente quando o valor absoluto do IOS é
alto.
Aragão (1990) afirmou que existe uma grande probabilidade de ocorrerem secas no
NEB. Essa ocorrência está associada, em 70% dos casos, aos episódios do El Niño moderados
a forte. A influência desse fenômeno é mais forte ao norte do NEB, norte do Estado do
Maranhão, o Estado do Piauí, do Ceará, do Rio Grande do Norte, de Pernambuco, da Paraíba
e na região norte da Bahia.
Segundo Cane (1992) o El Niño provoca impactos climáticos não apenas na Bacia
do Pacífico. O El Niño de 82-83 causou impactos climáticos importantes e desastrosos
em metade do planeta, provocando prejuízos estimados em milhões de dólares. Levou
tempestades tropicais para o Deserto do Arizona, maremotos para o México e
inundações para o Rio Grande do Sul. A África enfrentou uma das maiores secas de sua
história no ano de 1999. Quando a chuva diminui em regiões como a Amazônia
brasileira ou sudeste australiano, focos de incêndios se multiplicam e uma parcela da
mata foi consumida pelas chamas.
Mechoso e Perez-Iribarren (1992) apud Gomes Filho (2000), investigaram as
relações entre o IOS e as vazões em dois grandes rios da parte sudeste da América do
Sul, Uruguai e Negro, para o período de 1909 a 1989. Encontraram que as vazões em
ambos os rios têm uma clara tendência de ser abaixo da média no período de junho a
dezembro, nos anos com índices positivos de IOS (eventos frios no Pacífico equatorial)
e uma ligeira tendência de ser acima no período de novembro a fevereiro em anos de El
Niño.
50
Gomes Filho (2000) apresentou uma análise das influências dos sistemas atmosféricos
de meso e grande escalas sobre os recursos hídricos armazenados nos principais reservatórios
de água na Paraíba. Ele encontrou que os valores dos reservatórios dependem dos eventos de
mesoescala com maior influência no mês de março e que, nos anos de El Niño, essa atividade
é bastante reduzida, com repercussão nos volumes mensais desses reservatórios. Portanto, é
possível se estimar uma provável redução nos volumes desses reservatórios, uma vez
estabelecido um evento de El Niño.
De acordo com Silva (2000), o El Niño de 1997/98 causou rigorosas ocorrências
climáticas de modo global atingindo os dois hemisférios, numa seqüência de tempo
alternada, ora pelas condições térmicas, com ondas de calor afetando a saúde de grandes
populações e propiciando incêndios de grandes proporções, ora pelas tempestades ora
pelas chuvas torrenciais, arrasando com a agricultura, deixando centenas de milhares de
pessoas desabrigadas, em situações de calamidade pública. Em meados de 1998, na fase
final do El Niño, houve a ocorrência de enchentes devastadoras na China e uma grande
seca assolou o território do México e sul dos Estados Unidos da América.
Souza Filho et al. (2002), estudando o impacto do fenômeno El Niño-Oscilação Sul
na influência de reservatórios do sistema hidroelétrico brasileiro, verificaram que em
60% dos anos em que ocorreram episódios quentes do Pacífico, a vazão no reservatório
de Sobradinho no verão foi igual ou inferior a 4.400 m
3
/s, ao passo que, em 60% dos
anos sem El Niño, a afluência no reservatório foi de até 5.000 m
3
/s. Ao mesmo tempo,
constata-se que vazões acima de 6000 m
3
/s são muito pouco prováveis em anos de El
Niño, em contraste com uma probabilidade significativa de aproximadamente 15% para
a ocorrência desses valores de afluência em anos de La Niña ou neutros. Ainda foi
constatado que a probabilidade da ocorrência de anos críticos é menor durante anos de
El Niño (11,8%) do que em anos de La Niña e neutros (25,6%).
Durante os episódios de La Niña, os ventos Alísios são mais intensos que a média
climatológica, empilhando as águas mais aquecidas na porção ocidental da Bacia do
Pacífico tropical. Com a maior exposição das águas frias no Oceano Pacífico tropical
leste e central, registram-se temperaturas superficiais abaixo dos valores médios
(anomalias negativas) enquanto, em áreas próximas do continente australiano, as
anomalias tendem a ser positivas. Eventos La Niña (LN) têm sido associados à
ocorrência de estações chuvosas mais úmidas que o normal na região do NEB (Alves e
Souza, 1997).
51
Alves e Souza (1997) mostraram que, para 3 tipos de La Niña, forte, moderado e fraco,
observados na Bacia do Oceano Pacífico tropical, a distribuição de chuvas sazonais (fevereiro
a maio) e intra-sazonais no setor norte do NEB configuram-se em torno ou acima da média
climatológica que é aproximadamente 850 mm para esse período.
De acordo com CPTEC/INPE (2002), os principais efeitos do La Niña observados sobre
o Brasil são:
· Passagem rápidas de frentes frias sobre a região Sul do Brasil, com tendência de
diminuição da precipitação;
· Temperaturas próximas da média climatológica ou ligeiramente abaixo da média
durante o inverno;
· Chegada das frentes frias até a região Nordeste, principalmente no litoral da
Bahia, Sergipe e Alagoas;
· Tendência de chuvas abundantes no norte e leste da Amazônia;
· Possibilidade de chuvas acima da média sobre a região semi-árida do NEB. Essas
chuvas só ocorrem, se simultaneamente ao La Niña, as condições atmosféricas e oceânicas
sobre o Oceano Atlântico mostrarem-se favoráveis, isto é, com TSM acima da média no
Atlântico Tropical sul e abaixo da média no Atlântico Tropical norte.
Em CPTEC/INPE (2002) ainda foi afirmado que em alguns lugares, como no Sul do
Brasil, durante o forte evento de La Niña de 1988/89, a estação chuvosa de setembro a
dezembro de 1988 teve um mês muito seco, porém, os demais meses da estação teve chuva
normal, ou ligeiramente acima da média. Durante o episódio fraco de 1995/96, o esfriamento
do Pacifico não foi tão intenso, mas o período chuvoso de setembro a dezembro de 1995,
mostrou durante todos os meses, chuvas abaixo da normal climatológica registrada.
2.2.2.2 Índice Multivariado de El Niño – Oscilação Sul (IME)
Ao contrário do IOS, o IME apresenta valores positivos em eventos de El Niño e
negativos em eventos de La Niña.
Medeiros e Molion (2002), ao estudarem as correlações dos índices de descarga de
rio (IDR), IOS e IME e sua influência nas descargas de Bacias hidrográficas do Estado
de Alagoas, verificaram que o IOS parece não oferecer, de maneira geral, potencial
preditor para as vazões dos rios alagoanos com exceção de março para prever IDR de
52
julho. Já a série IME apresentou um potencial preditor que pode ser explorado para o
gerenciamento dos recursos hídricos superficiais do Estado de Alagoas.
Da Silva (2003) realizou correlações entre o IDR de estações da bacia hidrográfica
do rio São Francisco e os índices IME e IOS e concluiu que o primeiro foi um melhor
previsor para as vazões do rio, principalmente em anos em que os eventos de ENOS
estavam bem configurados.
2.2.2.3 Índice da Oscilação Decadal do Pacífico (ODP)
ODP significa Oscilação Decadal do Pacífico ou ainda pode ser chamada de PDO,
Pacific Decadal Oscillation. A designação PDO deve-se a Steven Hare e Robert Francis, que a
propuseram entre 1995/96, ao pesquisar conexões entre “ciclos” de produção de salmão no
Alaska e condições climáticas no Pacífico (Hare e Francis, 1995).
Nota-se, pois, que a ODP comporta-se como uma “gangorra” entre a TSM ao longo da
costa oeste da América do Norte, em respeito ao restante da bacia do Pacífico Norte. Da
mesma maneira como o IOS constitui uma “gangorra”, no Pacífico Sul, no que se refere às
variações da pressão atmosférica de superfície entre dois pontos ao leste e ao oeste da bacia
do Pacífico Sul (por exemplo Tahiti, no sudeste do Pacífico, e Darwin, na Austrália).
Freqüentemente são utilizados três tipos do índice de ODP:
1- Índice da ODP de Mantua et al. (1997): deriva-se da primeira componente principal das
anomalias da temperatura da superfície do mar, no Pacífico Norte, entre as latitudes 20° N e
90° N (pólo).
2- Índice do NCDC (National Climatic Data Center), USA: baseado nos dados da ERSST-
“extended reconstructed SST” da NOAA (dados “reconstruídos” da TSM no Pacífico).
3- Índice anual reconstruído a partir de dados dendroclimáticos de 1661 a 1984, de Biondi et
al. (2001).
Uma segunda característica da ODP é a persistência das fases quentes (positivas) ou
frias (negativas) predominantes por anos seguidos, por vezes ao longo de duas décadas, a
menos de algumas oscilações esparsas em sentidos contrários. Ao invés do ENOS, cuja
persistência é bem menor.
53
2.2.2.3 a) Influência da ODP
A influência mais nítida da ODP é no clima da América do Norte, além de seu papel na
biodiversidade e nas populações de salmão no Alaska e no Noroeste dos Estados Unidos. De
fato, há evidências de que os estoques das populações de salmão no Pacífico Norte variavam
em função de condições climáticas oceânicas. Assim, na fase multidecadal positiva de 1977 a
meados da década de 90, ocorreu um aumento na produção de salmão no Alaska juntamente
com um decréscimo dessa produção na costa noroeste dos Estados Unidos. Em princípio,
numa fase negativa, dá-se o contrário. Do ponto de vista do clima continental,
comportamentos opostos podem ser também denotados, nas fases positiva/negativa da ODP,
no que se refere à temperatura do ar, precipitação, etc., de outubro a março em várias regiões
da América do Norte. Por exemplo, a precipitação no noroeste da América do Norte e nos
Grandes Lagos aumentou acima da média na fase negativa da ODP e diminuiu abaixo da
média na fase positiva (Hare e Francis, 1995).
De acordo com Molion (2005) a ODP parece ter entrado novamente em sua fase
negativa a partir de 1999, na qual deve permanecer até cerca de 2025, com um conseqüente
aumento (redução) da freqüência de eventos La Niña (El Niño). Ainda, conforme o autor, se o
sistema Terra-oceanos-atmosfera se comportar como na fase fria anterior da ODP (1947-76),
a temperatura média global deverá diminuir, pelo menos, de cerca de 0,15°C até 2025.
Considerando que, os próximos dois máximos de manchas solares, previstos para 2011 e
2022, poderão apresentar número máximo de manchas inferior aos anteriores (mínimo do
Ciclo de Gleissberg) se o Sol mantiver o mesmo comportamento dos últimos 300 anos, o
autor ainda faz outras inferências, por exemplo, que nos próximos 25 anos, a produção de
energia solar poderá ser reduzida e mesmo com emissões crescentes, a taxa anual de
crescimento da concentração CO
2
na atmosfera poderá ser inferior às observadas
anteriormente, uma vez que sua absorção, pelo Oceano Pacífico Tropical mais frio, poderá
aumentar.
Aceitando a hipótese que o Pacífico e sua Oscilação Decadal sejam um controlador
importante do clima global, pode se arriscar a fazer os prognósticos qualitativos que se
seguem. O clima global poderá experimentar um resfriamento paulatino nos próximos 25
anos se a ODP comprovadamente permanecer em sua nova fase fria. O Brasil também poderá
sofrer mudanças climáticas. Resultados indicaram que os invernos foram mais intensos, com
aumento da freqüência de geadas, fato também comprovado por Pezza e Ambrizzi (2005). Em
54
adição, os totais pluviométricos poderão se reduzir globalmente e no País como um todo, pois
uma troposfera, mais fria e mais seca, é mais estável e produz menos chuva.
Durante a ocorrência da fase positiva da ODP, há a tendência de maior número de
episódios de El Niño e mais intensos. Menor número de La Niña, e menos intensas. Já durante
a fase negativa da ODP, há maior ocorrência de episódios de La Niña, que tendem a ser mais
intensos, e menor freqüência de El Niños, os quais tendem a ser curtos e rápidos (Andreoli e
Kayano, 2005).
Xavier e Xavier (2004) calcularam correlações entre o índice médio da ODP de Mantua,
em novembro-março, com respeito à chuva acumulada em bimestres e trimestres
consecutivos, para várias regiões pluviometricamente homogêneas do Ceará. Os resultados
destes autores não foram conclusivos, no sentido de que as correlações eram baixas e
estatisticamente não significativas. Eles evidenciaram que a ODP não influi
significativamente no estado do Oceano Atlântico Intertropical, não encontraram indícios de
que a ODP possa modular as chuvas no Nordeste Setentrional (em particular no Ceará)
durante a pré-estação ou no início da estação chuvosa, e que nas chuvas a partir de
março/abril no Ceará, o sinal da ODP é muito fraco comparativamente à do ENOS.
Em Mantua et al. (1997) foi verificado que a atmosfera co-varia com o índice de ODP,
sugerindo um fenômeno acoplado, tendo por exemplo relação entre PNMM e vento com
índice de ODP e ATSM no Pacífico Norte central.
2.2.2.3 b) Relação entre ODP e ENOS
Anomalias de precipitação relacionadas a ENOS em certas regiões do globo poderiam
ser moduladas por modos de clima de baixa freqüência, ou seja, longos tempo para ocorrer
um próximo evento (Gershunov e Barnett, 1998; McCabe e Dettinger, 1999; Gutzler et al.,
2002; Krishnan e Sugi, 2003). Entre esses modos de clima de baixa freqüência, a ODP exerce
um papel importante (Mantua et al., 1997).
Silva et al. (2005) estudaram o comportamento das anomalias de TSM durante eventos
de El Niño seco, normais e chuvosos durante as duas fases da ODP e concluíram que durante
a ODP positiva, ao longo da costa oeste das Américas, tiveram maior abrangência meridional,
e o aquecimento iniciou-se no Pacífico central, fortaleceu e se propagou para leste. Já na fase
da ODP negativa, as águas quentes estiveram confinadas no Pacífico central leste, mais ou
menos entre 180º W e 120º W, onde o aquecimento iniciou-se ao longo da costa oeste da
América do Sul e se propagou para o Pacífico central.
55
Andreoli e Kayano (2005), Kayano et al. (2005), Kayano e Andreoli (1998), Newman et
al. (2005) estudaram relação da ODP e chuvas relacionadas a eventos de ENOS, ou o efeito
combinado dos dois eventos.
Andreoli e Kayano (2005) determinaram que o El Niño indicou chuva no sul da
América para os dois períodos da ODP, mas as diferenças sazonais são mais pronunciadas
para o regime quente da ODP. Foi encontrado também um menor número de eventos de La
Niña durante o regime quente de ODP, indicando que a resposta do clima da América do Sul
é dependente das fases de ODP.
Segundo Gershunov e Barnett (1998), a ODP e o ENOS podem ter combinado efeitos na
distribuição anômala de precipitação em algumas regiões, agindo “construtivamente”, com
anomalias fortes e bem definidas quando elas estão na mesma fase e “destrutivamente”, com
anomalias fracas e mal definidas quando elas estão em fases opostas (Brown e Comrie, 2004
apud Andreoli e Kayano, 2005).
Alguns trabalhos relatam fatos relacionados ao período quente da ODP que deu-se início
em 1977.
Kashiwabara (1987) relatou que anomalias negativas de altura geopotencial sobre o
Pacífico Norte, na região de ocorrência da ODP, após 1977, têm possível ligação com ENOS.
Nitta e Yamada (1989) mostraram que mudanças drásticas nas TSM do globo, com
essencialmente o mesmo padrão da ODP, ocorrem com mais freqüência na fase positiva após
1977, e sugere que isso tenha origem num “deslocamento” do Pacífico Tropical.
Em Minobe et al. (2004) cita-se que o resfriamento de 1976/1977 no Pacífico Norte
central e aquecimento da Califórnia e Golfo do Alasca, resultantes da ODP, (Nitta e Yamada,
1989) apresentam-se ligados às mudanças de fluxo de calor na superfície e mistura e advecção
na camada de Ekman (Miller et al., 1994; Seager et al., 2001).
Niebauer (1998) mostra que o aquecimento ocorrido no ano de 1977 apresentou efeito
sobre o gelo do mar de Bering oriental, o qual foi reduzido após esse ano.
Da Silva et al. (2005) encontrou um ponto de inversão na vazão da bacia hidrográfica do
rio Mundaú (AL e PE) em 1976/77. Antes de 1976/77 as vazões apresentavam maiores
valores e podiam ocorrer casos de enchentes com mais freqüência. Depois desse ponto, não
foram visualizadas altas vazões, com exceção de 1988/89, período de La Niña.
56
2.2.2.4 Variabilidade sobre o Oceano Atlântico
Alguns estudos indicam influência da variabilidade do Oceano Atlântico sobre as
precipitações da região do nordeste do Brasil. Tanto o El Niño quanto o gradiente inter-
hemisférico de anomalia de temperatura de superfície do mar (ATSM) no Atlântico Tropical
(AT) são fatores importantes que modulam a precipitação do NEB (Andreoli e Kayano,
2007).
Andreoli e Kayano (2007) estudaram as relações entre as ATSMs dos Oceanos Pacífico
e AT e os campos anômalos de precipitação no NEB, considerando-se os efeitos combinados
e isolados das ATSMs nestas bacias oceânicas durante a estação que antecede o período
chuvoso no norte do NEB. As autoras concluíram que, enquanto as ocorrências simultâneas
de El Niño e secas no NEB restringem-se a determinados eventos, a precipitação nessa região
tem sido, por outro lado, fortemente relacionada às ATSMs no AT.
Moura e Shukla (1981) mostraram que para alguns anos, os eventos de secas do NEB
estão associados a um dipolo meridional de ATSMs no AT. Eles sugeriram que as condições
dinâmicas e termodinâmicas associadas ao dipolo meridional de ATSMs interferem
sensivelmente na posição e intensidade da ZCIT que, por sua vez, influencia a precipitação no
NEB. Este modo envolve variações de TSM em ambos os hemisférios, em escalas de tempo
sazonal, interanual e decadal (Servain, 1991).
Uma interpretação amplamente aceita é que a variabilidade de TSM do Atlântico seja a
forçante dominante das anomalias de precipitação no NEB, enquanto que a influência remota
do Pacífico, em determinadas ocasiões pode reforçar estas anomalias, mas em outras ocasiões
pode ter efeitos opostos, de modo que estas anomalias sejam enfraquecidas (Uvo et al., 1998;
Pezzi e Cavalcanti, 2001; Ambrizzi et al., 2004; Souza et al., 2004).
De acordo com Servain (1991) análises empíricas de TSM no Atlântico tropical
mostraram dois modos de variabilidade, um equatorial zonal e outro meridional (modo de
dipolo). O primeiro modo, com flutuações sazonais e interanuais ocorre no setor leste da
Bacia do Atlântico e é mais pronunciado no período de junho a agosto (Zebiak, 1993 apud
Andreoli e Kayano, 2005). O outro modo, conhecido como padrão de dipolo, envolve
variações de TSM centradas na região dos Alísios de nordeste e sudeste, em escalas de tempo
sazonal, interanual e decadal (Moura e Shukla, 1981 apud Andreoli e Kayano, 2005).
No entanto, vários autores sugeriram que as componentes norte e sul do dipolo do
Atlântico Tropical não estão dinamicamente acopladas, para as diversas escalas temporais, da
57
sazonal à decadal (Houghton e Tourre, 1992; Enfield e Mayer, 1997; Enfield et al., 1999; Mo
e Häkkinen, 2001; Andreoli e Kayano, 2004).
Alguns estudos mostram que ao invés de um dipolo, um gradiente meridional de
ATSMs cruza o equador relacionado a variações de precipitação (Hastenrath e Heller, 1977;
Nobre e Shukla, 1996). Esse modo relaciona-se hidrostaticamente aos campos de pressão ao
nível do mar sobre o Atlântico Equatorial e afeta o deslocamento meridional da ZCIT.
Em Kayano (2003) foram estudados aspectos de modos dominantes de alta freqüência
da componente v a 925 hPa e água precipitável na América do Sul Tropical e setor do
Atlântico, durante o verão e inverno e suas relações com as anomalias de precipitação sobre a
América do Sul Equatorial. Foi determinada que a variabilidade de alta freqüência no AT Sul
durante o verão somada a efeitos combinados de incursões em médias latitudes e sistemas de
ondas transientes em latitudes equatoriais têm um importante papel na “modulação” da
precipitação diária da América do Sul.
Outro aspecto importante é que a previsibilidade da precipitação no NEB é dependente
da distribuição de ATSMs no Pacífico e AT. Hastenrath (1990) e Hastenrath e Greishar
(1993) mostraram que a variabilidade de precipitação sobre o NEB é previsível com alguns
meses de antecedência, usando uma combinação de ATSMs do Pacífico e do AT.
Condições de La Niña e gradiente de TSM no AT, ocorrendo simultaneamente, podem
apresentar configurações inversas das obtidas considerando somente os efeitos de eventos
La Niña, dependendo da condição do AT (Andreoli e Kayano, 2007). Os resultados das
autoras são consistentes com estudos anteriores que mostraram através de modelagem (Pezzi
e Cavalcanti, 2001), estudo de casos (Souza et al., 2004) e composições (Ambrizzi et al.,
2004) que, em certas situações, o efeito da variabilidade do Oceano Atlântico pode sobrepujar
o efeito da variabilidade no Pacífico Leste associada ao ENOS, e em outros não.
O modo de variabilidade equatorial é similar ao ENOS do Pacífico (Zebiak, 1993 e
Carton e Huang, 1994 apud Martins, 2008) e varia em escalas de tempo sazonal e interanual.
Este modo caracteriza-se pela presença de anomalias de TSM extremas, definidas mais ou
menos zonalmente no leste do Atlântico equatorial, que são acompanhadas por alterações nos
Alísios no Atlântico equatorial oeste tal que, os Alísios são mais fracos (fortes) que o normal
durante eventos quente (frios). O início de um evento equatorial quente ou frio pode ocorrer
rapidamente em escalas de poucas semanas a meses, devido à excitação e propagação de
ondas de Kelvin e Rossby equatorial, forçadas pelo vento.
O modo meridional da variabilidade de TSM no AT caracteriza-se por anomalias de
TSM com sinais opostos sobre as Bacias Norte e Sul do Atlântico tropical. Isso gera um
58
gradiente térmico norte-sul e inter-hemisférico nos baixos níveis da troposfera sobre o
Atlântico tropical (Weare, 1977 apud Martins, 2008; Moura e Shukla, 1981; Servain, 1991;
Servain et al.; 1999 apud Martins, 2008). Este modo envolve variações de TSM em ambos os
hemisférios, em escalas de tempo sazonal, interanual e decadal. As anomalias de TSM são
relacionadas à posição e intensidade da ZCIT durante o período de março-abril-maio e
exercem considerável influência na precipitação no norte do NEB (Moura e Shukla, 1981) até
a parte central da Amazônia. A fase positiva (negativa) do gradiente do Atlântico ocorre
quando anomalias positivas (negativas) de TSM são encontradas na Bacia norte (entre 5°N e
20°N) e negativas (positivas) na Bacia sul do Oceano Atlântico (entre a linha do equador e
15°S).
2.2.3 Impactos climáticos sobre setores ligados aos recursos hídricos
As mudanças no clima, atuais e futuras, trazem uma série de situações que caracterizam
vulnerabilidades para as populações. Constata-se que as mudanças climáticas influirão na
biodiversidade, na agricultura, nas mudanças ambientais, nos regimes hídricos e nas
condições de saúde (Rede de Justiça Ambiental, 2005).
A mudança no regime de chuvas, causando secas em regiões que não tinham este
problema, e chuvas excessivas em outras regiões, causará perdas de produtividade, o que por
si só já é um grande problema que afeta a saúde das populações, aumentando a possibilidade
de doenças pela desnutrição. As migrações causadas pela fome serão um grave problema
social gerador de conflitos entre regiões e países, e as más condições de higiene e segurança
das populações migrantes promoverão o aparecimento de doenças em grande escala. Conflitos
armados podem eclodir pela posse da terra ou de alimentos, o que poderá causar enormes
perdas de vidas humanas (IPCC, 2001).
A biodiversidade será afetada à medida em que as espécies terão que se adaptar a novos
regimes climáticos, usarão da migração para procurar locais mais adequados ou mesmo se
extinguirão.
A extinção de espécies, tanto vegetais quanto animais, além das conseqüências graves
para o equilíbrio natural, trazem também a possibilidade da perda dos serviços
ecossistêmicos, do patrimônio genético e dos conhecimentos tradicionais, o que acarreta
prejuízos à saúde, pois muitos medicamentos valiosos para as indústrias farmacêutica e
química dependem da nossa rica biodiversidade. Como resultado, desaparecerá a possível
59
cura de tantas doenças para as quais os cientistas procuram princípios ativos em plantas e
animais.
O aquecimento global causa a migração de espécies, não só da fauna, mas também da
flora, como vem acontecendo com as Florestas boreais, que avançam sobre o círculo ártico
sobrepondo-se à Tundra. Prevê-se que algumas espécies não sobreviverão à migração forçada
e às mudanças súbitas de temperatura, fazendo com que sejam extintas.
A própria floração, ocorrendo mais cedo devido à elevação das temperaturas, leva a
problemas de adaptação de espécies animais. O desaparecimento de espécies utilizadas para a
alimentação dos seres humanos é uma vulnerabilidade possível (Stenseth, 2002).
As modificações climáticas poderão levar a transtornos nas correntes marítimas, as
quais deixarão de levar nutrientes às costas da Antártida, prejudicando o crescimento do krill,
crustáceo minúsculo que é a base da cadeia alimentar dos oceanos. Isto poderá levar à
diminuição da biota marinha e à baixa oferta de alimento a comunidades tradicionalmente
consumidoras de pescado e/ou frutos do mar (Novacek e Cleland, 2002).
As variações de temperatura causam modificações na própria forma e efetividade da
caça marinha, trazendo vantagens a determinados predadores, diminuindo a população das
presas, desequilibrando assim ecossistemas antes ajustados.
O aquecimento das camadas superficiais do oceano e um aumento na entrada de água
doce poderiam reduzir a corrente ascendente de nutrientes que sustenta grande parte da
produtividade oceânica. Por outro lado, a corrente ascendente altamente produtiva da parte
oriental de alguns oceanos pode se intensificar se houver um maior aquecimento na região da
ressurgência, como previsto por algumas projeções (Bakun, 1996).
Há uma preocupação especial em relação aos possíveis efeitos do aquecimento global
sobre os recifes de coral. Durante o episódio intenso do El Niño de 1997-98, houve um
branqueamento extenso dos recifes de coral no mundo inteiro (Wilkinson, 1998). Alguns
recifes se recuperaram rápido, mas outros, especialmente no Oceano Índico, no Sudeste
Asiático e no extremo oeste do Pacífico, sofreram uma mortandade significativa, chegando a
mais de 90% em alguns casos (Wilkinson, 2000).
Alguns modelos prevêem um aumento a longo prazo da freqüência e da intensidade de
eventos do El Niño, ou condições parecidas. Se isso ocorrer, o branqueamento também pode
se tornar mais freqüente e intenso, com danos irreversíveis para os recifes.
De acordo com Wilkinson (1998), há evidências de uma redução a longo prazo de
recifes. Os recifes também podem estar ameaçados por uma concentração mais alta de CO
2
na
água do mar, o que compromete a deposição do seu esqueleto calcário.
60
Previsões alertam que as mudanças no clima vão ameaçar os estoques pesqueiros, que já
sofrem com a sobrepesca, com a poluição dos ecossistemas aquáticos e com a degradação de
habitats.
No Brasil, em regiões como a Amazônia, o eventual aumento de temperatura poderia
tornar as condições letais para os peixes. Com a água mais quente, a aceleração do
metabolismo e a redução do oxigênio dissolvido afetariam diretamente a vida dos cardumes.
Temperaturas mais altas poderiam ainda provocar a migração de cardumes para águas mais
frias. Com isso, espécies que se alimentam de peixes perderiam sua fonte de alimento.
No Golfo do Alasca, em 1993, 120 mil aves, incapazes de alcançar os peixes, morreram
de fome. Na Amazônia, aves como o mergulhão precisariam mergulhar mais fundo para
capturar a presa, o que causaria impacto sobre a espécie devido o novo processo de adaptação
(Rede de Justiça Ambiental, 2005).
Determinados parasitas podem ter maior incidência com o aumento das temperaturas,
levando à diminuição de espécies ou mesmo sua extinção. Recentemente, foram constatadas
mortes massivas entre leões, sapos, pássaros, cães selvagens, caramujos, mexilhões,
cegonhas, águias, corais e diversos tipos de plantas, todas causadas por patógenos (agente
com potencial agressivo ao homem, por exemplo, vírus ou bactérias).
Fungos e vírus são especialmente sensíveis a mudanças climáticas e podem rapidamente
entrar em crescimento quando a temperatura se eleva, especialmente se esta elevação for
acompanhada de aumento da umidade. Quando fungos e insetos têm sua atividade aumentada,
podem ser responsáveis pela eliminação de espécies inteiras de árvores. As verminoses e
parasitoses tanto no gado quanto em animais silvestres também são grandemente aumentadas
com as temperaturas mais altas (Harvell, 2002).
A agricultura sofrerá abalos com a mudança do regime de chuvas resultante e
modificações nos solos, com perda de produtividade, prejuízos à segurança alimentar e
causará migrações e conflitos.
Consequentemente ocorrerão modificações nas culturas e na criação de animais, as quais
têm altos custos, pois a adaptação às mudanças climáticas poderá envolver ajustes nas épocas
de plantio e colheita, na quantidade de fertilizantes usado, frequência de irrigação, cuidados
com os cultivos e seleção de novas espécies mais adaptadas.
Na região Sul e Sudeste do Brasil, por exemplo, a irrigação não abrange grandes áreas
até porque os períodos secos não têm sido muito longos desde a década de 70, o que leva
parte dos agricultores a não optarem pela irrigação. No entanto, se houver uma modificação
de tendência poderá aumentar a demanda por irrigação, tornando-se viável a sua implantação
61
em função de um maior resultado econômico e da diminuição da disponibilidade nos períodos
secos.
Na região semi-árida a tendência é de que o uso agrícola, na vizinhança dos grandes
mananciais, aumente e seja voltado para produtos de maior rentabilidade e para agricultura de
subsistência nas áreas de pouca disponibilidade de água.
O Centro-Oeste, onde se encontra grande parte do cerrado brasileiro, área de grande
potencial agrícola, depende muito da regularização da água, já que o lençol freático é
profundo e a sazonalidade anual da precipitação mostra vários meses praticamente sem
precipitação. Portanto, a viabilidade da expansão agrícola desta área está relacionada com a
disponibilidade hídrica e sua regularização, além de ser fortemente dependente da demanda
dos recursos hídricos futuros (Tucci, 2002).
Os regimes hídricos sofrerão modificações pluviométricas de tal gravidade que,
dependendo da região, poderão causar estresse hídrico ou enchentes, com evidentes prejuízos
em todas as áreas. A falta de água potável será um dos fatores cruciais para o aumento das
doenças entre as populações. O aumento do nível dos oceanos pode comprometer as reservas
de água doce de países inteiros, levando a epidemias de difícil controle (Rede de Justiça
Ambiental, 2005).
O setor de abastecimento urbano de localidades as quais rios de pequena bacia
hidrográfica sem regularização as abastecem, mesmo tendo uma vazão média alta, podem ser
comprometidos. O mesmo é válido para mananciais urbanos com demanda acima da
capacidade da disponibilidade hídrica, como em parte da Região Metropolitana de São Paulo,
onde a água retirada para abastecimento é superior a disponibilidade de alguns mananciais, e
nas regiões semi-áridas onde a disponibilidade é pequena, independentemente da
regularização (Tucci, 2002).
A redução da disponibilidade de água pela poluição dos sistemas hídricos devido ao
ciclo de contaminação urbana também é um fato presente.
Num cenário crítico de disponibilidade hídrica, a tendência é de que aumente o conflito
entre a irrigação e o abastecimento de água, que já ocorre. Por exemplo, a irrigação de arroz
no Sul do país é um dos grandes consumidores de água, na qual observa-se pouca
racionalização do seu uso. Num período crítico o abastecimento será penalizado e exigirá
medidas fortes para inverter a prioridade prevista na legislação para o abastecimento humano.
O setor energético depende fortemente da quantidade de água disponível a médio e
longo prazo, para a produção de energia e, portanto, da garantia de atendimento do sistema.
Deste modo, nosso fornecimento pode estar marcado para viver dias de conflitos.
62
Em Tucci (2002) também é mostrado que o sistema elétrico brasileiro, mesmo em
período de vazões altas, pode ter o atendimento da demanda limitado. Condições climáticas
mais desfavoráveis resultariam em condicionantes críticos ao desenvolvimento econômico
brasileiro, pois possivelmente seriam mantidas as tendências de aumento da demanda e de
reduzida oferta.
Ainda, segundo o autor, nas condições previstas futuras é possível predizer os custos de
transporte hidroviário em função dos níveis de água e a capacidade de transporte das
embarcações. Como a maioria dos rios do Brasil não possui regularização para a navegação
(com poucas exceções, como Tietê e o Jacuí, ainda em conflitos com outros usos) o impacto
de períodos longos acima ou abaixo dos conhecidos pode comprometer o preço e a
viabilidade do transporte hidroviário.
Diante de períodos longos de estiagens, quando a vazão nos rios diminui e sua
capacidade de diluição das cargas urbanas e rurais também diminui, ocorrem as condições
críticas de qualidade da água, na maioria dos sistemas hídricos.
Sabe-se que períodos secos podem representar gradual redução na qualidade da água dos
rios. Por outro lado, intensificando as precipitações nos centros urbanos devido ao efeito de
aquecimento das superfícies urbanas e processos convectivos, as cargas pluviais representarão
custos maiores para melhoria da qualidade da água (Rede de Justiça Ambiental, 2005).
Tanto a quantidade como a qualidade das águas sofrem alterações em decorrência da
variabilidade climática devido causas naturais e antrópicas. A quantidade da água que é
perdida através da evapotranspiração, dependente da energia solar disponível, da natureza da
vegetação e das características do solo, possivelmente aumentará.
Em adição às variações naturais do clima, ações antrópicas como o uso da terra com
remoção da cobertura vegetal e com a implantação de uma agricultura sem controle da erosão,
normalmente degradam os recursos hídricos. Como conseqüência, aumenta-se o escoamento
superficial carregando solos que promovem o assoreamento dos rios, lagos e represas. Em
especial, estas atividades antrópicas, associadas ao desenvolvimento industrial, à
agroindústria e à urbanização, degradam a qualidade dos recursos hídricos (CETESB, 2005).
Estudos revelam que no semi-árido nordestino, o problema das secas tende a ficar ainda
mais dramático, visto que a elevação da temperatura pode tornar a região ainda menos
chuvosa. Sem dúvida, os mais afetados serão os agricultores familiares, em geral de
subsistência, deixando as condições de vida nas áreas rurais ainda piores. Isso poderá
aumentar a dependência de programas de assistência social e gerar importantes conseqüências
sociais e demográficas. O clima mais quente e seco poderia ainda levar a população a migrar
63
para as grandes cidades da região ou para outras regiões, gerando ondas de “refugiados da
seca”, aumentando assim, os problemas sociais já existentes nos grandes centros urbanos do
Nordeste e do Brasil (Frickmann Young e Stefen, 2007).
No aspecto saúde, as mudanças climáticas causarão o aumento e a migração de vetores,
o aumento de epidemias e doenças, o aumento dos gastos com medicamentos e cuidados à
saúde. Para enfrentar estas possibilidades futuras torna-se fundamental o planejamento de
ações que possam minimizar os impactos.
As modificações de temperatura e regime de chuvas podem trazer maior disseminação
de patógenos. Está provada a relação entre, por exemplo, a incidência de cólera e o aumento
de temperatura das águas do mar em Bangladesh, em estudo feito em 1994, também entre a
malária na Venezuela e o fenômeno El Niño, entre 1910 e 1935, e por fim, entre a
temperatura do ar e a infecção por Ciclospora Cayetanensis em Lima, Peru, entre 1992 e
1994 (Confalonieri, 2002).
Confalonieri (2002) também cita que no caso dos fenômenos de seca, a saúde da
população é afetada inicialmente pela condição de fome epidêmica, que leva a um sistema
imunológico deprimido, à migração e a problemas sócio-econômicos, todos trazendo um risco
aumentado de infecção. A seca também traz incêndios florestais, causando doenças
respiratórias e espalhando os vetores de doenças, como o mosquito transmissor da malária
para centros urbanos.
Informações contidas no relatório do IPCC (2001) relatam que as más condições
sanitárias, causadas entre outras razões pela falta de água, levam a um aumento de doenças
diarréicas, as quais debilitam mais ainda a população, especialmente crianças. Também
devido à falta de higiene, podem ocorrer doenças como tracoma e escabiose.
Não bastando todos os possíveis impactos previstos, as mudanças ambientais possíveis,
além das já citadas, serão principalmente o derretimento das calotas polares, com aumento
dos níveis dos oceanos e consequente perda de regiões costeiras, com prejuízos para a
agricultura e o turismo.
Diante deste quadro especialmente delicado, é de extrema importância o homem
conhecer fatores que podem afetar o clima terrestre e seu papel nesse processo para,
posteriormente, promover ações que minimizem tais impactos e gradativamente tornar a vida
no nosso planeta mais agradável.
64
2.2.4 Índice de Anomalia de Chuva (IAC)
No NEB a previsão e o monitoramento de períodos de secas ou chuvosos são
particularmente úteis devido aos seguintes aspectos: (1) a existência de inúmeros projetos de
irrigação implantados e a serem implantados ao longo dos principais rios; (2) o abastecimento
d'água das grandes cidades é, em sua maioria, dependente direto do escoamento dos rios, ou
indiretamente do volume acumulado nas barragens; (3) a maioria das culturas agrícolas
dependem exclusivamente da regularidade das chuvas e (4) a possibilidade de uso de água
subterrânea é pequena quando comparada ao da água superficial (Freitas, 2004 e 2005).
Deste modo, o monitoramento desses períodos pode ser efetuado através do emprego de
índices. Com base neles, pode-se desenvolver um sistema de acompanhamento das
características dos períodos de seca ou chuvosos, assim como as diferenciadas medidas a
serem efetivadas de acordo com os valores atingidos por tais parâmetros.
Um ponto crucial no emprego de um índice como esse, bem como de qualquer outro,
reside na escolha do patamar a ser estabelecido para a definição de um período de seca. Esse
patamar é, de modo geral, escolhido arbitrariamente. Em um estudo no Estado de Illinois, nos
Estados Unidos, Chagnon (1980) chegou às seguintes conclusões: para um patamar de 75%
da precipitação média anual já havia problemas de abastecimento d’água em algumas cidades,
bem como problemas nas atividades agrícolas; para um patamar de 60% havia quebra das
atividades agrícolas do Estado e problemas de abastecimento d’água em muitas cidades;
quando a precipitação caía para um valor de 50% da precipitação média anual havia
problemas na atividade industrial e no abastecimento d’água de quase todos os municípios.
Para o NEB, Ghose (1971) analisou a freqüência dos períodos de cheias e secas para a
bacia hidrográfica do rio Itapicuru (Estado da Bahia) com base nos critérios: o ano seria
classificado como úmido, se durante o ‘período das chuvas’ na região (novembro a abril) o
total precipitado fosse maior do que a média a longo prazo mais 50% deste valor; um ano
seria tido como seco, caso a precipitação estivesse abaixo da média menos 50% da mesma;
caso, porém, a precipitação encontrasse entre esses limites, o ano seria classificado como
normal. Essa é, entretanto, uma escolha um tanto arbitrária. Tanto é que, num total de 52
anos, somente os anos 1913 e 1959 foram considerados secos e os anos 1914, 1924 e 1964
foram classificados como anos úmidos. Todos os demais foram classificados como anos
normais.
A escolha do patamar para a separação entre anos secos e úmidos não deve ser, portanto,
arbitrária, mas sim escolhido com base no conhecimento climático da região, na análise das
65
características dos períodos históricos de secas e das correspondentes conseqüências à
população e meio ambiente atingidos. Esses efeitos dependem, por sua vez, da infra-estrutura
hídrica existente, isto é, variam com o tempo.
Freitas (2004 e 2005) utilizou este índice para localidades no Estado do Ceará e
observou que com base nesse índice é possível fazer uma comparação das condições atuais de
precipitação em relação aos valores históricos, servindo ainda para avaliar a distribuição
espacial do evento, consoante sua intensidade.
Mauget (2005) ao estudar a variação multi-decadal da precipitação de 1901 a 1998 para
identificar as concentrações mais significativas de anos úmidos e secos dentro da série, em
regiões continentais, encontrou alta incidência de anos úmidos na América do Norte durante
1972 a 1998, com oito dos dez anos mais úmidos desde 1901, ou seja, oito eventos
aconteceram durante esse último período de 27 anos.
Para a região Norte da Europa, foram encontrados sete dos dez anos mais úmidos
durante 1978 a 1998. Regimes secos e úmidos significantes foram encontrados nas últimas
décadas do século XX. O autor sugere que estes períodos úmidos mais recentes sejam
realmente efeito de causas terrestres tendo evidência mais notável numa larga mudança do
padrão do clima do Atlântico Norte.
Araújo et al. (2007) encontraram uma “peculiaridade” no ano de 1974 na precipitação
da bacia hidrográfica do rio Paraíba. Antes disso, os anos foram mais secos e após 1974
foram mais úmidos. Resultados semelhantes foram encontrados em Da Silva et al. (2005).
Gonçalves et al. (2006) obtiveram o IAC para 15 estações situadas no rio São Francisco,
fato o qual mostrou que a incidência de anos secos é substancialmente maior na região
estudada. Através da aplicação do índice em áreas situadas à jusante da hidrelétrica de
Sobradinho, pode-se explicar a ocorrência de cheias e inundações ocorridas no sertão
pernambucano.
Segundo Repelli et al. (1998), o índice proposto parece ser apropriado para utilização
em regiões semi-áridas e ou tropicais, especialmente para o NEB. A facilidade de acesso aos
dados de precipitação mensais em tempo real é um fator importante e faz do índice uma
potencial ferramenta para aplicações de monitoramento durante a estação chuvosa.
2.2.5 Análise Wavelet (Ondeletas)
Desde a década de 90 que a aplicação da Transformada em Ondeletas (TO) vem sendo
utilizada em diversas áreas da ciência e da técnica, desde as ciências médicas às ciências
66
exatas, da eletrônica à ótica aplicada (Vitorino, 2003). Assim, para se analisar variações
decadais nas séries pode-se utilizar a TO. A partir dessas pode-se detectar oscilações de 12
anos como de 3-7 anos (Tucci e Braga, 2003) e gerar uma medida quantitativa (freqüência) de
mudanças ao longo do tempo e determinar o período total dessas mudanças.
Segundo Barbosa et al. (2004), basicamente, a idéia central da análise de ondeletas
(AO), no contexto de análises de sinais, consiste em decompor uma série temporal em
diferentes níveis de resolução tempo-frequência e, então determinar, as componentes da
variabilidade dominante.
Na meteorologia, houve grande quantidade de trabalhos aplicando a AO ao sinal
turbulento (Farge, 1992). No que se refere à climatologia e à dinâmica atmosférica, poucos
estudos utilizaram até o momento a AO. A grande maioria dos trabalhos desenvolvidos na
dinâmica atmosférica enfocam as escalas climáticas, desde a sua variabilidade interdecadal a
intrasazonal. Em geral, estes trabalhos buscam uma metodologia eficaz na localização de
fenômenos transientes e que atuem simultaneamente em várias escalas de tempo,
proporcionando novas perspectivas e abordagens de análises, impossíveis de se efetuarem
através dos métodos tradicionais.
Esta técnica é útil para detectar, analisar e caracterizar as escalas de tempo que afetam
os sistemas atmosféricos sobre a América do Sul e oceanos adjacentes. Esta ferramenta revela
a estrutura temporal das séries temporais não-estacionárias. O reconhecimento que a AO
possui propriedades matemáticas capazes de quantificar as relações tempo-escala em
meteorologia, estimula muitas pesquisas em mesoescala e na escala sinótica (Repelli et al.,
1998; Schneider et al., 2005).
Em Schneider et al. (2005) foi aplicada a AO via função de Morlet em dados
meteorológicos de temperatura, radiação de onda longa emergente (ROLE) e índices globais,
em estudos de casos de 2003 e 2004, com o intuito de diagnosticar as múltiplas escalas de
tempo existentes no sinal atmosférico. Ao analisarem o IOS de 1994 até o final de 2005,
detectou-se uma forte oscilação na banda de 1300-1400 dias (3,5 - 4 anos) tendo maior
amplitude entre 1994 e 1999. A partir de 2000 há predomínio da oscilação próxima de 4 anos
(1500 dias). Eles concluíram que a consolidação de eventos extremos de frio-calor, chuvoso-
seco ocorre quando da sobreposição ou interação das escalas de baixa e alta frequência. Já
projeções de curto prazo (uma semana, por exemplo) são possíveis quando o ambiente de alta
freqüência predomina.
Gu e Philander (1995) aplicaram a TO de Morlet a dados de velocidade do vento zonal e
meridional, e de TSM sobre os Oceanos Índico, Atlântico, Pacífico Leste e Central para o
67
período de 1870 a 1988. Os resultados indicaram que a amplitude do ENOS foi relativamente
maior no período de 1885-1915, menor entre 1915 a 1950 e aumentou rapidamente após
1960. As escalas de tempo de 2-5 anos do ENOS foram fortemente influenciadas pelo ciclo
anual em certas regiões do Pacífico tropical leste e central. Os autores interpretaram que o
aumento do ciclo anual no Pacifico leste equatorial durante os episódios de La Niña está
associado com a termoclina rasa. No entanto, durante os episódios de El Niño o ciclo anual
diminui e a termoclina fica profunda. Isto sugere que a amplitude do ciclo sazonal é afetado
pelas variações interanuais, devido a profundidade da termoclina e a intensidade dos ventos
Alísios.
Torrence e Webster (1999) estudaram a mudança interdecadal no sistema monção-
ENOS, aplicando à TO de Morlet e analisando a coerência de ondeleta no que se refere aos
índices da TSM-Niño3, do IOS e da precipitação sobre a Índia, para o período de 1871 a
1998. Os resultados mostram mudanças interdecadais de variância de 2-7 anos com intervalos
de alta (1875-1920 e 1960-1990) e baixa variância (1920-1960). A variância monção-ENOS
também apresenta uma modulação de amplitudes na escala de tempo de 12-20 anos, entre a
monção-ENOS.
Torrence e Compo (1998) aplicaram as TO de Morlet e de Chapéu Mexicano a dados de
TSM na região do Niño3 (1871-1996) e do IOS, obtido da PNMM (1871-1994) entre o
Pacífico leste e oeste. Os resultados mostraram que a variância do ENOS mais intensa ocorre
nas escalas de tempo interdecadal de 1880-1920 e 1960-1990, com um período de baixa
variância entre 1920 a 1960. Estes períodos estiveram relacionados com maior variância nas
escalas de tempo de 2 a 8 anos.
Alguns estudos relacionam oscilações atmosféricas e climáticas aos sinais encontrados
nas séries temporais. Abreu Sá et al. (1998) utilizaram a ondeleta de Morlet para estudar as
escalas em que o nível do rio Paraguai em Ladário (MS) apresenta maior variabilidade. A
ondeleta de Morlet foi utilizada por ser a mais adequada para captar variações nas
periodicidades do sinal geofísico, de maneira contínua ao longo das escalas. Após as análises,
verificou-se variabilidade dominante na escala anual, a qual se manteve estacionária;
detectou-se variabilidade importante num intervalo de escalas de 2 a 5 anos, a qual não se
mostrou persistente; observou-se outra variabilidade marcante no intervalo de escalas de 10 a
11 anos, aproximadamente, a qual se mostrou persistente. Resultados semelhantes foram
encontrados em Labat et al., 2005.
68
De acordo com Abreu Sá et al. (1998) oscilações entre dois e três anos pode estar
relacionado à oscilação quase-bienal. Se a oscilação estudada tiver sinal persistente, terá
relação com a oscilação de dois-três anos se esta também tiver sinal persistente.
Alguns estudos usaram ondeletas para associar eventos na escala interdecadal ao ciclo
de manchas solares, relatando muitos fenômenos geofísicos que também apresentam
periodicidades desta ordem e tentaram estabelecer uma relação destes com o ciclo solar de 10-
11 anos. Todavia, tal explicação foi duramente contestada por autores, tais como Mann et al.
(1995), para os quais tal variabilidade climática, pelo menos no Hemisfério Norte, deva ser
atribuída à interação entre o Oceano Atlântico e a atmosfera, ponto de vista que é
parcialmente endossado por Allen e Smith (1994). Todavia, Kerr (1996) discute novas
evidências a partir das quais a conexão sol-clima deve ser considerada seriamente,
particularmente no que se refere às flutuações de temperatura dos oceanos tropicais e
subtropicais.
Para sinais de escalas de tempo de dois anos, Robock e Mao (1995) associam-os às
erupções vulcânicas. Num estudo de Robock e Free (1995) observaram, entre 1960 e 1970,
aumento dos índices de vulcanismo no HS e paralelamente, uma dimiuição do nível do rio
Paraguai.
Trigo et al. (1999) ao aplicar as ondeletas no estudo da variabilidade de descargas
diárias em bacias portuguesas e brasileiras, determinaram para o rio Mondego, (localizado na
região centro-oeste da Península Ibérica) evidente variabilidade anual, sendo possível
distinguir o período chuvoso e o seco. Foram determinados também máximos do espectro de
potência em torno das escalas de 64 a 128 dias, correspondente ao período semi-anual e da
escala de 2 a 16 dias, referente a fenômenos meteorológicos de escala sinótica. Para o rio
Piancó (situado no Estado da Paraíba, NEB) a ferramenta matemática evidenciou uma
periodicidade anual. O rio Piancó apresentou em vários anos e de forma irregular uma forte
variabilidade nas escalas compreendidas entre 256 e 1024 dias, associada à frequência
irregular dos episódios do El Niño.
Andreoli e Kayano (2004) estudaram a variabilidade da TSM no Atlântico Tropical
usando a transformada ondeleta e encontraram escalas dominantes de 9,8 anos e 12,7 anos
para os índices do Atlântico Tropical Norte e Sul, respectivamente, e uma escala não
significativa de 12,7 anos para o índice do Atlântico Equatorial.
Andreoli et al. (2004) utilizaram a TO para analisar as variações da precipitação em
Fortaleza e da TSM nos oceanos Pacífico e Atlântico para o período de 1856 a 1991 e foi
identificado um pico dominante de 12,7 anos na série. Confirmou-se ainda uma alta coerência
69
entre a variabilidade de precipitação no norte do NEB e o gradiente inter-hemisfério de
ATSM no Atlântico na escala decadal.
2.3 ASPECTOS AGROECONÔMICOS
2.3.1 Influência da variabilidade climática na produção agrícola
É fato conhecido que a variabilidade interanual das chuvas é determinante na
variabilidade dos rendimentos e da produção agrícola desde o plantio até a colheita (Berlato,
1992a; Berlato, 1992), mas nem todo evento de ENOS causa impactos negativos sobre os
rendimentos de grãos no Brasil. O impacto depende da intensidade do fenômeno e da
anomalia causada no regime de chuva (Prela, 2004).
Em Kiyuna e Assumpção (2001; 2002) foi verificada como a variabilidade climática
influencia a produtividade agrícola e seu desempenho no mercado. As regiões leste da
Amazônia e nordeste brasileiro apresentam cultura historicamente afetada pelos impactos
climáticos do ENOS, principalmente na fase de plantio e desenvolvimento da cultura. Os
picos anormais de preços no mercado brasileiro de feijão na segunda metade do século XX,
por exemplo, estão correlacionados às frustrações de safras ligadas às anomalias climáticas
dos anos de ocorrência do ENOS, sobretudo na fase de El Niño.
Na tentativa de amenizar as consequências do ENOS, os produtores e os agentes de
mercado ligados a produtos com peso no mercado internacional, como café e soja,
acompanham e analisam os impactos de mudanças no regime de chuvas, como também os
impactos do El Niño no território brasileiro e os efeitos que ocorrências anteriores de ENOS
tiveram sobre o mercado de seus produtos (Kiyuna e Assumpção, 2001; 2002).
Já o La Niña provoca estiagem prolongada que atinge diretamente o Paraná, regiões de
Minas e São Paulo, ao passo que provoca chuvas no NEB. Saindo desse ciclo generoso de
chuvas o NEB sofre implicações diretas nas formas de manejo e na escolha de variedades a
plantar (Silva Dias, 2005).
Eventos de ENOS quando ocasionam chuvas excessivas sobre certas áreas podem trazer
prejuízos como no caso de excedentes hídricos nos solos, o que causa alguns problemas para
os agricultores, como o acamamento das plantas, proliferação de doenças fúngicas,
diminuição da aeração do solo principalmente em áreas de baixada onde ocorrem casos de
alagamento, erosão do solo, queda de flores e frutos e aumento no teor de umidade de
70
produtos prestes a serem colhidos, como algodão, amendoim, arroz, milho e soja,
contribuindo para a redução no rendimento das lavouras (Prela, 2004).
Além desses efeitos diretos sobre as culturas, o excesso de umidade no solo impede a
entrada de máquinas no campo, adiando a semeadura da safra da seca (casos do amendoim,
batata e feijão), da safrinha de milho e da cana-de-açúcar, além das colheitas (Prela, 2004).
A produtividade agrícola das culturas depende das condições hídricas durante o período
de formação dos órgãos reprodutivos e na floração (Lomas, 1976). Na cultura do milho, por
exemplo, falta de água nessas épocas reduz o número de grãos por espiga e o rendimento da
cultura.
Chuvas frequentes durante o inverno, além de intensificar as moléstias, prejudicam a
qualidade e a produtividade quando coincide com a colheita sendo comum a germinação do
grau ainda na espiga e o acamamento da planta (Dario, 1998; Linhares e Nedel, 1989;
Fontana e Berlato, 1996; Cunha, 1999).
No entanto, o mesmo evento de chuva forte pode apresentar um importante aspecto
positivo: O excesso de água no solo. A água em excesso, que escorre ou que se perde por
drenagem profunda, é aquela que vai reabastecer os mananciais de água, como os rios, lagos,
açudes e também o lençol freático. Essa recuperação dos mananciais é fundamental para o
consumo de água pelas cidades e para a agricultura irrigada (Prela, 2004).
Segundo Buchmann (1998), uma possível solução para o melhoramento da agricultura
no NEB seria o aproveitamento da água salobra dos poços artesianos, questionáveis em sua
existência, e até da própria água do mar, através do processo de dessanilização. O autor
conclui que faltam recursos e principalmente vontade política para se resolver os problemas
desta região.
De acordo com recentes estudos, os países tropicais, que são considerados os menos
responsáveis pelas mudanças climáticas são os mais dramaticamente afetados. Como o Brasil
está situado em partes relativamente quentes do planeta e tem dimensões continentais, os
impactos são consideráveis, inclusive na economia. O setor econômico mais diretamente
afetado deverá ser a agropecuária, pois é dependente das condições de temperatura e
precipitação (Frickmann Young e Stefen, 2007).
Como a previsão é de aumento não apenas na média da temperatura, mas também em
sua variância, consequentemente, a incidência de eventos extremos deve aumentar, como
verões ou invernos excepcionalmente chuvosos ou secos, quentes demais ou de menos. Essas
oscilações terão diferenças regionais importantes e, seguramente, levarão a uma redivisão do
mapa da produção agrícola. É sugerido que o maior prejuízo tende a concentrar-se onde a
71
temperatura já é muito alta, que é o caso das regiões Norte e Nordeste (Frickmann Young e
Stefen, 2007).
Ainda em Frickmann Young e Stefen (2007), haverá um deslocamento de cultivos que
não aceitam temperaturas muito altas, para regiões como o Sudeste e o Sul. O documento
explica ainda que se os cenários mais pessimistas estiverem corretos, a Amazônia sofrerá um
dramático aumento de temperatura, tornando as regiões de entorno mais áridas. Como a
expansão da fronteira agrícola tem se concentrado justamente nessas bordas, no chamado
“arco do desmatamento”, deverá ocorrer uma reversão da ocupação dessas áreas. A queima de
vegetações nativas tem sido a base para essa expansão, mas é também a principal fonte de
emissões de gases de efeito estufa no Brasil. Ao tornar o clima mais árido, com a
“savanização” da Amazônia, a capacidade produtiva será fortemente atingida, podendo tornar
ociosa a expansão de infra-estrutura na região.
No semi-árido nordestino, o problema das secas tende a ficar ainda mais dramático,
visto que a elevação da temperatura pode tornar a região ainda menos chuvosa. Sem dúvida,
os mais afetados serão os agricultores familiares, em geral de subsistência, deixando as
condições de vida nas áreas rurais ainda piores. Isso poderá aumentar a dependência de
programas de assistência social e gerar importantes conseqüências sociais e demográficas. O
clima mais quente e seco poderia ainda levar a população a migrar para as grandes cidades da
região ou para outras regiões, gerando ondas de “refugiados ambientais”, aumentando assim
os problemas sociais já existentes nos grandes centros urbanos do Nordeste e do Brasil
(Frickmann Young e Stefen, 2007).
2.4 ASPECTOS AMBIENTAIS
2.4.1 Degradação ambiental e sustentabilidade local
Genericamente o conceito de degradação ambiental refere-se às modificações impostas
pela sociedade aos ecossistemas naturais, alterando (degradando) as suas características
físicas, químicas e biológicas, comprometendo, também a qualidade de vida dos seres
humanos.
No entanto, pode-se considerar área degradada como um ambiente modificado por uma
obra de engenharia ou submetido a processos erosivos intensos que alteraram suas
72
características originais além do limite de recuperação natural dos solos, exigindo, assim, a
intervenção do homem para sua recuperação.
Na bacia hidrográfica do rio Mundaú, os problemas ambientais tem-se agravado nos
últimos anos e as condições ambientais passaram a ser bastante críticas, podendo levar o
Complexo Lagunar em questão ao limite de sua sustentabilidade.
Mortandades de peixes voltaram a ocorrer, como na Lagoa Manguaba (novembro de
1999) e na Lagoa Mundaú (fevereiro de 2000), causando desespero e revolta entre os
pescadores e familiares, em demonstração inequívoca da urgente necessidade de se
equacionar os problemas ambientais locais (ANA/MMA, 2006).
Segundo o Plano de Ações e Gestão Integrada do Complexo Estuarino-Lagunar Mundaú
Manguaba do Ministério do Meio Ambiente (2006), as principais questões que contribuem
para o acelerado processo de degradação ambiental na bacia são: Lançamento de esgoto
domésticos e despejos industriais no rio não tratado; Deficiência na coleta e disposição
inadequada de resíduos sólidos; Assoreamento e ocorrência de cheias; Contaminação do solo
e do lençol freático; Fragilidade institucional do setor de Recursos Hídricos, Meio Ambiente e
Saneamento (como SEMARHN, IMA e CASAL) e desarticulação interinstitucional;
Implementação ineficaz de projetos e desperdício dos recursos públicos; Ocupação das
encostas dos tabuleiros e urbanização não consolidada; Práticas de pesca e agrícolas
inadequadas; Assoreamento acelerado dos rios, lagoas, canais e barra, com deposição de
sedimentos; Queima, corte e aterro de manguezais; Destruição progressiva de dunas e
restingas; Degradação dos recifes; Redução dos estoques e contaminação dos pescados;
Isolamento de acessos às praias por empreendimentos privados e ocupação irregular de
terrenos da marinha (ANA/MMA, 2006).
No mesmo relatório, a ANA relata os principais efeitos da degradação, os quais seriam:
Comprometimento da saúde pública a partir de doenças de veiculação hídrica;
Comprometimento das atividades turísticas no principal atrativo da região; Comprometimento
da exploração pesqueira, as quais geram conseqüências sócio-econômicas como redução da
qualidade de vida no CELMM; Redução das oportunidades de trabalho no CELMM, levando
ao Comprometimento do desenvolvimento sustentável do CELMM e seu entorno
(ANA/MMA, 2006).
De acordo com Pedrosa (2006) o aumento populacional nos últimos 30 anos vem
comprometendo os recursos naturais da bacia e em especial, o volume de água disponível. Em
1970, girava em torno de 180 mil pessoas, em 2000, o número subiu para 850 mil; “Em três
décadas, 700 mil pessoas a mais surgiram para fazer uso das mesmas fontes d’água”.
73
Outro fator para a diminuição da água disponível na bacia hidrográfica seria a irrigação
da cultura da cana-de-açúcar, a qual pode iniciar um problema econômico, pois Alagoas é um
dos maiores exportadores de açúcar e álcool do país. Com o Lançamento do Proálcool em
1975, durante a crise mundial do petróleo, as usinas passaram a irrigar cada vez mais a
plantação. “Enquanto a cana irrigada rende entre 100 e 105 toneladas por hectare, a produção
que não recebeu água rende entre 68 e 75 toneladas”. As saídas para afastar os prejuízos têm
sido, além da reutilização da água usada na lavagem da cana, economizar no consumo de
energia e investir no estoque de água no inverno para irrigar os canaviais no verão (Pedrosa,
2006).
A indústria canavieira é uma atividade que envolve sérios riscos ambientais. A começar
pelo plantio da cana-de-açúcar, caracterizado como uma monocultura, que ocupa vastas áreas
e que provoca sérios desequilíbrios na flora e na fauna da região onde é plantada. Assim,
inicia-se o processo pelo desmatamento. Nessa atividade, animais e plantas nativos são
mortos e destruídos. Logo em seguida prepara-se a terra com material químico de natureza
diversa procurando adequar o solo às necessidades da cana. Nesse processo, ele é poluído
quimicamente. Na colheita, as queimadas poluem o ar e enfraquecem o solo ao destruir, pelo
fogo, nutrientes e microrganismos. Finalmente, na fase industrial, os efluentes líquidos dessa
atividade, como a vinhaça, são atirados em rios e córregos, matando peixes e deixando a água
contaminada com resíduos químicos típicos do preparo do açúcar e do álcool. Muitas vezes, a
própria água de chuva contribui para a disseminação, no solo e nas águas, de resíduos
poluentes através do escoamento pluvial, sendo o material deixado no solo levado até os
reservatórios aqüíferos (Cruz et al., 2005).
Outra atividade econômica local, a carcinicultura (criação de camarão em cativeiro),
tem um extremo potencial poluidor do solo e da água e utiliza-se dos recursos hídricos locais.
Nela, o consumo de água é elevado e produtos químicos são usados para combater a poluição
da água, que depois é liberada no rio. Um dos problemas das fazendas que criam camarão é
que, na maioria dos casos, elas são insustentáveis, pois uma típica fazenda de camarão dura,
no máximo, cinco anos. A degradação do ambiente e o surgimento de doenças causadas pelos
produtos químicos utilizados ilegalmente acabam com a produtividade das fazendas. As
fazendas são fechadas deixando a população local sem empregos e sem benefícios. A
expansão de fazendas de camarão implica a destruição de manguezais e, portanto a destruição
de ecossistemas muito frágeis típicos de áreas costeiras. As espécies marinhas dependentes
dos manguezais são postas em perigo, pois os manguezais servem também como barreiras
74
fluviais, e a destruição das mesmas pode gerar enchentes ameaçando as populações locais e o
setor da pesca (Rede de Justiça Ambiental, 2005).
Diagnóstico realizado pelo IBAMA em 2005, a pedido do Ministério Público Federal
(MPF), apontou que mais de 80% das fazendas de camarão do Estado do Ceará, por exemplo,
não fazem o tratamento adequado dos seus efluentes, causando os mais diversos impactos
sócio-ambientais, da extinção de manguezais e apicuns (brejo de água salgada, à borda do
mar) à salinização dos lençóis freáticos (Aquino Jr., 2008).
Segundo à Associação Brasileira de Criadores de Camarão (ABCC) esses criatórios são
considerados como ideais para implantação de viveiros e as legislações estaduais permitem
textualmente sua utilização, mesmo sendo parte integrante do ecossistema manguezal e,
portanto, Área de Preservação Permanente, de acordo com o Código Florestal (Lei 4.771/65)
e a Resolução CONAMA 303/02 a qual dispõe sobre parâmetros, definições e limites de Áreas
de Preservação Permanente.
Não obstante os altíssimos investimentos públicos e privados, o impacto positivo na
balança comercial e os discursos que acompanham e legitimam a carcinicultura no Brasil, ela
tem provocado uma série de impactos sócio-ambientais, cujas conseqüências, já no presente,
mas sobretudo a médio e longo prazo, vêm sendo constantemente denunciadas pelas
comunidades litorâneas e ribeirinhas e pelas organizações, movimentos e pastorais populares.
Abaixo, tem-se uma lista dos principais problemas que essa atividade tem provocado (Aquino
Jr, 2008).
1. Com a construção dos viveiros nas margens dos rios, gamboas, lagos e dunas,
imensas áreas de manguezais (berço marítimo) e de matas ciliares ao longo dos rios vêm
sendo destruídas. Em algumas regiões, os viveiros são construídos dentro do leito dos rios;
2. A utilização de produtos químicos tem provocado a mortandade de peixes,
caranguejos, mariscos e crustáceos (fonte de sobrevivência de muitas comunidades), doenças
de pele e envenenamento de trabalhadores dos viveiros;
3. Em algumas regiões, a construção de viveiros em áreas onde estão situadas as fontes
de abastecimento do município pode salinizar o lençol freático e comprometer o
abastecimento de toda a região;
4. A carcinicultura é uma das atividades que mais consome água. Devido ao tamanho do
espelho de água dos viveiros, o índice de evaporação é altíssimo. Como a atividade se
desenvolve também à margem de rios e lagoas, utilizando água doce, em regiões onde o
abastecimento de água é precário e, mesmo, no contexto mundial de escassez, disputa e
75
racionalização do uso da água, é bastante problemático investir em uma atividade com um
consumo de água tão elevado.
5. A construção dos viveiros nas margens dos rios, gamboas, lagos e dunas tem
dificultado o acesso das famílias a seus lugares de trabalho, provocando uma verdadeira
privatização dos acessos ao mar, rios e lagoas.
6. Com a carcinicultura está se desenvolvendo uma nova forma de concentração da terra
e da água. Grandes produtores estão investindo na compra de terras em áreas de manguezal e
nas margens dos rios.
7. Com expansão da atividade, cresce o desemprego no campo e, conseqüentemente,
aumenta o índice de pobreza e de miséria. Enquanto em cinco hectares de manguezais
trabalham até 30 famílias, em cinco hectares de viveiros trabalham apenas duas pessoas. Além
de promover a destruição dos tradicionais postos de trabalho das comunidades litorâneas e
ribeirinhas, a carcinicultura absorve regularmente, um índice muito baixo de mão de obra,
comprometendo, assim, a renda e a sustentabilidade das famílias, provocando, por exemplo, o
aumento da miséria, o êxodo e a prostituição.
Os problemas anteriormente citados são o preço sócio-ambiental do acelerado e
descontrolado crescimento do agro-negócio do camarão. Eles põem em questão a
sustentabilidade sócio-ambiental dessa atividade, pelo menos na forma como vem se
desenvolvendo.
Hoje, sobretudo nos países do primeiro mundo, fala-se muito da redução dos impactos
ambientais da atividade. Sem dúvida nenhuma, é possível reduzir, enormemente, esses
impactos (produção ecológica com a não construção de viveiros em áreas de manguezal e de
matas ciliares; redução do uso de produtos químicos; construção de bacias de sedimentação;
tratamento da água utilizada; limite e controle da atividade a partir das potencialidades
ambientais de cada região, dentre outros).
Percebe-se que, apesar de bons frutos financeiros, a criação de camarões, se não
respeitar o meio ambiente, pode se tornar uma grande fonte de degradação do meio ambiente
e, portanto, de poluição. Não se pode ignorar os manguezais e sua importância para o ciclo da
vida em regiões costeiras (Cruz et al., 2005).
A potencialidade dos recursos ambientais da região e sua localização estratégica (junto a
um ancoradouro natural de excelentes condições, sítio do porto de Maceió) propiciaram um
processo de uso e apropriação, que vem determinando as características do desenvolvimento
local, gerando oportunidades de negócios, emprego e renda, mas também, levando a
76
processos de super-exploração, exaustão, comprometimento do patrimônio natural e
deterioração de características e valores culturais locais.
Como agravante desse quadro, cabe destacar também fatores que ocorrem à montante,
todos em geral, com repercussões negativas para a deposição de sedimentos e poluentes:
- No rio Mundaú existem matadouros de animais nos municípios de Santana do Mundaú,
União dos Palmares, Branquinha e Rio Largo; seis indústrias sucro-alcooleiras: Engenho
Serra Grande S.A., Cia Açucareira Engenho Laginha, Engenho São Simão Açúcar e Álcool
Ltda, Cia Açucareira Alagoana Engenho Uruba, Engenho Santa Clotilde S.A. e S.A. Irmãos
León Açúcar e Álcool, além das indústrias CODEPAL (Companhia de Papel de Alagoas),
PROFERTIL (Produtos Químicos e Fertilizantes de Alagoas), MAFRIAL (Matadouro e
Frigorífico de Alagoas) e diversas pedreiras e cerâmicas (Marques et al., 1993).
- Na margem direita da Lagoa Manguaba, no município de Pilar, se identifica principalmente
a atividade canavieira; no município de Marechal Deodoro, além da atividade canavieira,
criação de porcos, há a Fazenda Fonte Azul cujos afluentes são lançados no rio que chega à
tal lagoa. Na margem esquerda, no município de Pilar, se observa a exploração de gás natural
com inúmeras perfurações de poços (Marques et al., 1993).
- Na zona dos canais do CELMM se observam a construção de pontes, abandono de
instrumentos de pesca, gasoduto da Petrobrás, oleoduto Pilar-BAMAC da Petrobrás, corte e
queima de vegetação, instalação de hotéis, bares e clubes, instalação do pólo-cloroquímico
com as seguintes unidades de instalação: fábrica de VCM (cloreto de vinila- um gás), fábrica
de PVC (poli cloreto de vinila- plástico não 100% originário do petróleo) e unidade de
armazenamento de nitrogênio (Marques et al., 1993).
Oliveira (1997) comenta que estudos de impactos ambientais que venham a ser
realizados no CELMM não serão suficientes para prever a degradação que ocorrerá no
sistema estuarino, devido a seu grande dinamismo. Portanto, faz-se necessário o
monitoramento ambiental contínuo do Complexo, o que poderá recomendar, mudanças na
cota do fundo do canal determinada no projeto de dragagem, nos volumes e na área a ser
dragada.
Em janeiro de 1998 foi promovida a oficina de trabalho para a elaboração do "Plano de
Gestão Integrada do Complexo Estuarino-Lagunar Mundaú/Manguaba", realizada pela
SEPLAN/AL (Secretaria de Estado do Planejamento e Desenvolvimento), com participação
de representantes dos poderes públicos, universidades e sociedade civil, quando as
potencialidades e os problemas ambientais da região foram amplamente levantados e
77
detalhados, sendo apontadas, na ocasião, diretrizes e linhas de ação que deveriam nortear
programas para a recuperação do Complexo (ANA/MMA, 2006).
De fato, não é recente a preocupação dos alagoanos com relação ao rico patrimônio
natural constituído pelo CELMM. Ao longo dos últimos 25 anos, desde o pioneiro "Projeto de
Levantamento Ecológico e Cultural das Lagoas Mundaú e Manguaba" realizado através de
Convênio entre a SUDENE (Superintendência do Desenvolvimento do Nordeste), CNRC
(Centro Nacional de Referência Cultural) e da Coordenação de Desenvolvimento Científico e
Tecnológico (CDCT)-SEPLAN/AL (77-78), diversos planos, estudos e projetos foram
desenvolvidos na região, sem, no entanto, chegar a um programa estratégico e articulado de
ações para sua recuperação. Com efeito, apesar da recomendação para que se implantasse um
Comitê para Gerenciamento do CELMM, como prioridade indicada pelas oficinas de janeiro
de 1998, este não chegou a ser formalizado, gerando lacuna institucional responsável pelas
dificuldades de ações e projetos efetuados de modo descontínuo e desarticulado, sem a devida
efetividade e eficácia quanto à proteção do Complexo.
Mais recentemente, durante o Seminário "Experiências de Gerenciamento de Recursos
Hídricos no Semi-árido e no Complexo Estuarino-Lagunar Mundaú/Manguaba", promovido
com apoio do PROÁGUA/SEMI-ÁRIDO, conjuntamente pela SERHI/AL e pela SRH/MMA,
em Maceió e Viçosa em maio/2000, foi possível a retomada das discussões, particularmente
em razão da celebração de um Protocolo de Intenções, firmado entre o Governo Federal e o
Governo do Estado de Alagoas, destinado à criação de um Grupo de Trabalho visando à
implantação de ações imediatas e um de projeto piloto para recuperação do Complexo
(Ministério do Meio Ambiente, 2005).
Em setembro de 2004, o Governo Federal, através da ANA, assinou um contrato com o
Consórcio Engecorps-Arcadis-Tetraplan-Walm-Booz-Allen & Hamilton, para elaboração do
Plano de Ações e Gestão Integrada do Complexo Estuarino-Lagunar Mundaú/Manguaba-
CELMM. O processo de degradação ambiental sofrido pelo CELMM, afeta direta e
indiretamente, os cerca de 260 mil habitantes que vivem no seu entorno, dos quais 5.000 são
pescadores. O crescimento desordenado da área urbana de Maceió, a presença de um pólo
cloroquímico e a intensa atividade sucro-alcooleira ao longo da bacia hidrográfica são fatores
que resultam numa situação crítica, quando colocados frente à vulnerabilidade ambiental e a
importância sócio-econômico-cultural da região (ANA/MMA, 2006).
A degradação das lagoas e canais tem acarretado sérios impactos sociais, uma vez que a
tendência dos pescadores é de abandonar a pesca e “tentar a sorte” em Maceió, aumentando o
contingente de mão-de-obra desempregada na periferia da cidade (Souza et al., 2004).
78
São fatores prejudiciais notáveis:
• Redução da produção de pescado, inclusive com o desaparecimento de certas espécies de
peixes: A descaracterização dos manguezais tem trazido prejuízos para a fauna e a flora,
prejudicando inclusive a produção pesqueira e a agricultura local;
• A contaminação por diversos resíduos químicos: A poluição das águas da bacia do rio
Mundaú, que recebe grande quantidade de fertilizantes, pesticidas e material orgânico advindo
da lavagem da cana;
• O lançamento de efluentes químicos no oceano através do emissário está gerando problemas
complexos, uma vez que o local de lançamento coincide com parte da área que os pescadores
chamam de "Lama Grande", principal hábitat de camarões de Maceió;
· O assoreamento da embocadura das lagoas, alterando a circulação de suas águas;
· O desencadeamento de processos de eutrofização das lagoas pelo carreamento de grandes
quantidades de nutrientes para o ecossistema (Souza et al., 2004).
Diante deste quadro, fato importante é que os setores responsáveis busquem alternativas
para auxiliar a população em busca do desenvolvimento sustentável local e atentem para a
gestão dos recursos naturais.
No entanto, de acordo com Ferreira (2004) as alternativas de desenvolvimento e
sobrevivência de cada comunidade podem ser denominadas como agrícolas e extrativistas.
Artesanato em forma de doces e objetos constituem renda mínima por família, além dos
excedentes da agricultura e extrativismo. As alternativas de desenvolvimento devem se
reportar à agricultura familiar e especificamente trabalharem com manejo sustentável e
ecoturismo, neste se incluindo as questões de manutenção e difusão das questões culturais,
colocadas como as mais adequadas formas de atender, com processos e produtos, à
sustentabilidade local perseguida. Portanto a questão da territorialidade, aliada a uma cesta de
produção sustentável, através de manejo e ecoturismo, atende não só a questões de
manutenção de renda anual, respeitando a sazonalidade dos produtos, como também agrega
valor à natureza pelas práticas contemplativas, esportivas e educativas trazidas pelo
ecoturismo, o que permite agregar valor a residências e outros tipos de hospedagem,
garantidoras de novas atividades e receitas.
79
2.4.2 Conflitos gerados pela ocupação irregular
Segundo o MMA/CPRH-PE (2008) os principais conflitos gerados pela ocupação
desordenada são: A expansão urbana conflita com o uso agrícola; O conflito do uso urbano da
água para consumo ocorre onde a ocupação urbana consolidada e as áreas de expansão urbana
assentam-se sobre formações aqüíferas; Obstrução do acesso do público a esses locais,
resultado do avanço das construções na faixa de praia, impedindo a circulação das pessoas na
preamar; A degradação das praias também se revela na perda de qualidade das águas
litorâneas; Conflitos gerados pela expansão urbana desordenada com uso industrial.
De acordo com a atividade geradora, os conflitos de usos do solo, na área, podem ser
agrupados em três conjuntos (MMA/CPRH-PE, 2008):
a) conflitos oriundos do uso agrícola e agropecuário do solo;
b) conflitos decorrentes dos usos urbano e industrial do solo;
c) conflitos decorrentes do uso do solo pelo turismo/lazer e com aqüicultura.
De acordo com MMA/CPRH-PE (2008) no grupo “a”, situam-se os conflitos da
agricultura e da agropecuária com remanescentes da Mata Atlântica. Os conflitos da
agricultura com os remanescentes da Mata Atlântica ocorrem em toda a área de
predominância de cana-de-açúcar, coco, policultura e granjas e chácaras, onde a expansão
desses usos se dá a custa da devastação progressiva da cobertura florestal.
Esses conflitos tornam-se, no momento, mais intensos nas áreas de policultura,
constituídas por sítios e assentamentos rurais, à medida em que o reduzido tamanho dos
estabelecimentos rurais e o baixo potencial agrícola dos solos, nessas unidades de produção,
somam-se à falta de recursos do produtor para melhorar a produtividade agrícola das mesmas.
A devastação crescente da cobertura florestal, ao mesmo tempo em que contribui para
intensificar os processos erosivos nas encostas com declividade acentuada e nos taludes
provoca o assoreamento de rios e reservatórios e aumenta a evaporação da água do solo e dos
corpos de água. Isso pode comprometer o abastecimento hídrico das comunidades atendidas
por esses mananciais. Além dessas conseqüências, o desmatamento pode provocar alteração
do equilíbrio ecológico dos ecossistemas afetados e motivar, entre outras conseqüências, a
proliferação de pragas que atacam plantações e invadem áreas urbanas.
No grupo “b”, situam-se os conflitos da ocupação urbana, urbano-industrial e industrial
do solo com remanescentes da Mata Atlântica, bem como uso da água para consumo e com
turismo e lazer. Os conflitos da ocupação urbana com Mata Atlântica ocorrem onde os
80
remanescentes dessa cobertura florestal situam-se na periferia ou no interior das áreas urbanas
MMA/CPRH-PE (2008).
O resultado desses conflitos tem sido a degradação contínua dessas matas que
apresentam estado de conservação regular ou crítico.
Afora a perda de beleza cênica e a conseqüente desvalorização dessas áreas para o
turismo, a ocupação irregular e a degradação dos recursos naturais das mesmas aumentam os
riscos de inundação quando da ocorrência de chuvas fortes, enchentes fluviais e marés muito
altas. A esses, acrescem-se os riscos que a degradação de manguezal e alagados podem
representar para a reprodução da fauna costeira e a sobrevivência das comunidades pesqueiras
litorâneas.
No grupo “c”, situam-se os conflitos do turismo/lazer com a pesca artesanal e da
aqüicultura em manguezal. O mesmo tem como atores principais as lanchas que circulam, em
alta velocidade, sobretudo em fins de semana e feriados, e os pescadores que transitam ou
pescam nessas áreas. As lanchas, ao circularem em velocidades incompatíveis com o
ambiente estuarino, não só destroem apetrechos de pesca como afugentam peixes e põem em
risco a vida dos pescadores e o equilíbrio do ecossistema (MMA/CPRH-PE, 2008).
O conflito aqüicultura x manguezal ocorre tanto na aqüicultura artesanal, de pequeno
porte, como nos grandes projetos de carcinicultura. Esse tem como principais componentes 1-
O corte/aterro de manguezal para instalação/ampliação de viveiros ou para implantação de
vias de acesso; 2- O lançamento, nos corpos de água, de resíduos susceptíveis a causarem
desequilíbrio no ambiente estuarino.
A pressão por moradia gera implicações para o meio ambiente. Estas implicações
agravam se consideradas as condições em que estes assentamentos se instalam, lançando
esgotos e lixo doméstico sem os cuidados necessários, contaminando corpos de água que, ao
final, comprometem os mananciais de abastecimento com suas cargas poluentes (Salati et al.,
1999).
A degradação de bacias hidrográficas através da ação do homem, segundo Montero et
al. (2006), tem se tornado um dos mais importantes problemas de natureza ambiental,
econômica e social através do mundo. Em sua pesquisa junto à bacia do rio Ayuquila,
México, observaram a presença de um complexo conjunto de problemas ambientais, desde
mudanças no uso do solo, queima da vegetação, erosão do solo, poluição da água, depleção
nos níveis dos lençóis de água, diminuição da vazão dos rios e uso ineficiente da água para
abastecimento urbano e para irrigação.
81
Outro exemplo de um processo de degradação semelhante foi observado na bacia
hidrográfica do Alto Iguaçu a partir dos dados da SEDU - Secretaria de Estado de
Desenvolvimento Urbano do Paraná. Borges e Sabbag Filho (2001) observaram que os
mananciais, mesmo amparados por legislação, são alvos de ocupações irregulares e invasões
destinadas predominantemente a moradias para famílias de baixa renda.
Este processo se deve a inúmeros fatores, quais sejam (Borges e Sabbag Filho, 2001):
- Crescimento demográfico natural adicionado ao aporte de pessoas que chegam aos grandes
centros urbanos em busca de melhores oportunidades;
- A carência de empregos ou o baixo poder aquisitivo da população que dificultam a aquisição
de uma moradia construída em local apropriado, conforme as especificações técnicas e
métodos construtivos adequados e de acordo com as prescrições da legislação territorial.
- Problemas ambientais, desde mudanças no uso do solo, queima da vegetação, erosão do
solo, poluição da água, depleção nos níveis dos lençóis de água, diminuição da vazão dos rios
e uso ineficiente da água para abastecimento urbano e para irrigação (Montero et al., 2006).
- Políticas habitacionais carentes de recursos;
- Divisão desigual de renda;
- Especulação imobiliária/fundiária nas áreas de risco.
Para compreender o fenômeno da ocupação irregular das áreas de mananciais e rios,
Almeida (2000) identificou as razões desencadeadoras das ocupações. Entre estas razoes
destaca que as leis de proteção dos mananciais de abastecimento de água, surgidas na década
de 70, acabaram por promover a desvalorização das terras abrangidas por estas leis. O autor
cita como exemplo o ocorrido na região metropolitana da cidade de São Paulo, onde a
aplicação da Lei Estadual de Proteção dos Mananciais, Lei nº. 898/75 promoveu a
desvalorização das terras em torno das represas Billings e Guarapiranga em decorrência das
severas limitações de uso e ocupação de solo.
Tais limitações, além da desvalorização, resultaram em ocupações em desacordo com a
lei, loteamentos precários, favelas e invasões (Almeida, 2000).
Segundo Taschner (1997), o processo de ocupação irregular das áreas em torno da
represa Guarapiranga resultou em 264 favelas até o início dos anos 90.Outros fatores
desencadeadores das ocupações irregulares foram as leis de uso e ocupação do solo, através
das quais se definem as condições de aprovação de loteamentos, permitindo que as piores
áreas sejam destinadas ao uso público.
82
Áreas que apresentam declividades acentuadas, com dimensões inadequadas e faixas
não-edificáveis são alvos para ocupações irregulares as quais, inclusive, estarão expostas a
riscos de natureza geológica e hidráulica (Almeida, 2000).
2.4.3 Proposta de manejo no CELMM
As unidades ambientais litorâneas possuem expressiva dinâmica natural, mas com o
crescente processo de urbanização e o desenvolvimento desenfreado da atividade turística,
podem sofrer uma artificialização progressiva da paisagem, provocando modificações na
extensão e na localização dos principais ecossistemas litorâneos (Gorayeb et al., 2005).
Como a avaliação de impactos ambientais constitui um instrumento da política
ambiental capaz de assegurar a realização de um exame sistemático dos possíveis impactos
ambientais decorrentes de uma determinada ação, bem como de suas alternativas, regiões
biodiversamente importantes como o CELMM podem ser totalmente beneficiadas com tais
programas e ações.
Essa avaliação tem como objetivo revelar ao público e aos responsáveis pela tomada de
decisão os resultados levantados, com ênfase nas possíveis conseqüências que a referida ação
degradante pode gerar, pondo-as em prática.
As propostas de manejo sustentável devem englobar o bem-estar social, o
desenvolvimento econômico e a conservação da natureza. Assim, ferramentas para o
planejamento ambiental são fundamentais para a realização de medidas conservacionistas,
mostrando-se como uma ferramenta institucional, composta por leis e planos diretores,
projetos participativos e instrumentos políticos.
Com as informações citadas a partir desse tipo de análise, pode-se conhecer a infra-estrutura
e os problemas sócio-ambientais da região, obtendo-se uma visão integrada da área e
possibilitando a elaboração de sugestões de ações conservacionistas.
Conforme Ribeiro (2001), o planejamento ambiental é um instrumento dirigido a planejar e
programar o uso do território, das atividades produtivas do ordenamento dos assentamentos
humanos e do desenvolvimento da sociedade de forma sustentada visando à proteção e à
qualidade do meio ambiente. A conscientização ambiental e as análises integradas do espaço
geográfico são requisitos fundamentais na elaboração de um planejamento ecologicamente
coerente. Desta forma, deve-se considerar os processos dinâmicos do espaço, afim de ordená-los,
garantindo a melhoria das condições ambientais e da qualidade de vida
83
No trabalho de Gorayeb et al. (2005) foram identificados impactos ambientais na região
da foz do rio Pacoti, Fortaleza (CE) e propuseram práticas de manejo sustentável para a área.
Para tal, realizou-se uma caracterização ambiental relacionando o uso e a ocupação do solo
com os impactos ambientais decorrentes, identificando-se suas limitações naturais e as
potencialidades paisagísticas para, ao fim, serem feitas propostas de manejo sustentável. Os
principais impactos ambientais encontrados foram decorrentes da utilização inadequada dos
recursos naturais como a poluição hídrica, provinda de estabelecimentos turísticos e de
atividades de lazer, o desmatamento da vegetação nativa, em especial a vegetação de como
dunas e as espécies do manguezal, o desencadeamento de processos de erosão e assoreamento
e a conseqüente diminuição da biodiversidade local.
De acordo com Barroso (1987), toda a pressão antrópica exercida sobre a vegetação
nativa de uma bacia hidrográfica, que implique em sua diminuição espacial é seguida por um
conjunto de conseqüências sempre negativas que serão tanto maiores quanto mais numerosos
forem os fatores que resultarem em tal diminuição. A desarmonia de um dos componentes do
sistema água-solo-planta resulta, invariavelmente, no desequilíbrio de outros componentes, o
que será notado com maior ou menor rapidez em função da forma como o homem atua nesse
meio em busca de benefícios (expansão agrícola, pecuária e exploração de madeira).
Hidalgo (1989), concluiu que a elaboração de um plano de manejo ambiental não é
suficiente para solucionar os problemas da natureza e do homem. O problema é muito mais
complexo. É necessário ter um respaldo político e uma real participação da sociedade, sendo
também fundamental dispor de uma metodologia simples de caráter multidisciplinar e
interinstitucional e um respaldo financeiro, a fim de cumprir com os objetivos do plano.
2.4.4 Parâmetros de qualidade de água
A qualidade de água de mananciais que compõem uma bacia hidrográfica está
relacionada com o uso do solo na bacia e com o grau de controle sobre as fontes de poluição.
O controle sobre as fontes de poluição se dá basicamente através do tratamento de águas
residuárias sanitárias e industriais. Entretanto, as alterações na qualidade da água estão
diretamente relacionadas com as alterações que ocorrem na bacia hidrográfica, como
vegetação e solo (Tucci, 2004).
Analisando-se características como clima, cobertura vegetal, geologia, topografia,
drenagem, tipo de solo, pode-se chegar a um zoneamento adequado de usos do solo na bacia.
Dessa maneira, seriam determinadas áreas de preservação de mananciais, reservas florestais,
84
áreas agrícolas, distritos industriais, áreas de expansão urbana, enfim o uso do solo obedeceria
às características naturais da bacia hidrográfica.
Indicativos de degradação ambiental podem ser mostrados através de dados de
qualidade de água, por exemplo. Os principais parâmetros que indicam poluição nos recursos
hídricos são: Temperatura da água, Potencial hidrogeniônico, Condutividade elétrica e
Oxigênio dissolvido.
De acordo com Likens et al. (1967) análises de parâmetros de qualidade de água
também apontam as operações que envolvem o uso e o manejo do solo como as que mais
exercem influência na qualidade da água de uma microbacia.
Salata et al. (1988) estudou a microbacia Água da Cachoeira e determinou que grande
parte da área agrícola é arrendada para o cultivo de cana-de-açúcar, onde são utilizadas
técnicas como o terraceamento em desnível, o represamento e o escoamento das águas
excedentes, o cultivo em faixas e a rotação com leguminosas. Além das atividades
relacionadas ao uso e manejo do solo, intervenções na vegetação e nas estradas e vias de
acesso são também consideradas importantes modificadoras de parâmetros qualitativos, por
serem fontes potenciais de turbidez da água (Varzhemin, 1972 e Douglas e Swank,1975).
O planejamento territorial, associado a outras medidas de caráter preventivo como, por
exemplo, educação e acesso a informações, o planejamento urbano organizado, construção de
bacias de retenção, proteção das áreas marginais aos cursos de água, é um instrumento eficaz
e de baixo custo para controle de poluição (Tucci, 2004).
2.4.4.1 Temperatura da água
A temperatura pode ser considerada a característica mais importante do meio aquático.
A temperatura caracteriza grande parte dos outros parâmetros físicos da água tais como a
densidade, viscosidade, pressão de vapor e solubilidade dos gases dissolvidos (Tucci, 2004).
O efeito da temperatura sobre as características químicas da água decorre da influência
que a mesma exerce sobre as reações químicas. A velocidade da reação química duplica para
cada 10ºC de aumento da temperatura, acelerando as reações que se relacionam com a
atividade microbiana (reações bioquímicas). A temperatura é um dos fatores que governam a
existência e interdependência dos organismos e espécies aquáticas (bactérias, peixes, algas e
plantas aquáticas, entre outros).
Nos ecossistemas aquáticos continentais, a quase totalidade da propagação do calor
ocorre por transporte de massa d’água, sendo a eficiência deste em função da ausência ou
85
presença de camadas de diferentes densidades. Em lagos que apresentam temperaturas
uniformes em toda a coluna, a propagação do calor através de toda a massa líquida pode
ocorrer de maneira bastante eficiente, uma vez que a densidade da água nessas condições é
praticamente igual em todas as profundidades, sendo o vento o agente fornecedor da energia
indispensável para a mistura das massas d’água. Por outro lado, quando as diferenças de
temperatura geram camadas d’água com diferentes densidades, que em si já formam uma
barreira física, impedindo que se misturem, e se a energia do vento não for suficiente para
misturá-las, o calor não se distribui uniformemente, criando a condição de estabilidade
térmica. Quando ocorre este fenômeno, o ecossistema aquático está estratificado
termicamente. Os estratos formados freqüentemente estão diferenciados física, química e
biologicamente (Tucci, 2004).
2.4.4.2 pH (potencial hidrogeniônico)
O termo pH é usado universalmente para expressar o grau de acidez ou basicidade de
uma solução, ou seja, é o modo de expressar a concentração de íons de hidrogênio nessa
solução. A escala de pH é constituída de uma série de números variando de 0 a 14, os quais
denotam vários graus de acidez ou alcalinidade. Valores abaixo de 7 e próximos de zero
indicam aumento de acidez, enquanto valores de 7 a 14 indicam aumento da basicidade.
As medidas de pH são de extrema utilidade, pois fornecem inúmeras informações a
respeito da qualidade da água. As águas superficiais possuem um pH entre 4 e 9. As vezes são
ligeiramente alcalinas devido à presença de carbonatos e bicarbonatos. Naturalmente, nesses
casos, o pH reflete o tipo de solo por onde a água percorre. Em lagoas com grande população
de algas, nos dias ensolarados, o pH pode subir muito, chegando a 9 ou até mais. Isso porque
as algas, ao realizarem fotossíntese, retiram muito gás carbônico, que é a principal fonte
natural de acidez da água. Geralmente um pH muito ácido ou muito alcalino está associado à
presença de despejos industriais.
O pH é importante para praticamente todas as áreas da engenharia sanitária, pois o nível
de pH indica o tipo de água que exerce efeito corrosivo sobre tubulações e equipamentos de
sistemas de água e esgoto; influi na coagulação química e sedimentação em estações de
tratamento de água; os processos biológicos ou químicos de estações de tratamento de esgotos
se desenvolvem de acordo com o nível desse parâmetro; pode-se identificar a toxidez de
certos compostos com metais pesados, em relação à vida aquática, em particular os peixes, e
86
industrialmente, tem faixas apropriadas para utilização em cada tipo de indústria (Tucci,
2004).
2.4.4.3 Condutividade elétrica
A condutividade elétrica é a capacidade que a água possui de conduzir corrente elétrica.
Este parâmetro está relacionado com a presença de íons (partículas carregadas eletricamente)
dissolvidos na água. Quanto maior for a quantidade de íons dissolvidos, maior será a
condutividade elétrica da água. Em águas continentais, os íons diretamente responsáveis pelos
valores da condutividade são, entre outros, o cálcio, o magnésio, o potássio, o sódio,
carbonatos, carbonetos, sulfatos e cloretos. O parâmetro condutividade elétrica não determina,
especificamente, quais os íons que estão presentes em determinada amostra de água, mas
pode contribuir para possíveis reconhecimentos de impactos ambientais que ocorram na bacia
de drenagem ocasionados por lançamentos de resíduos industriais, mineração, esgotos, etc.
A condutividade elétrica da água pode variar de acordo com a temperatura e a
concentração total de substâncias ionizadas dissolvidas. Em águas cujos valores de pH se
localizam nas faixas extremas (pH> 9 ou pH< 5), os valores de condutividade são devidos
apenas às altas concentrações de poucos íons em solução, dentre os quais os mais freqüentes
são o H+ e o OH- (Ambiente Brasil, 2008).
2.4.4.4 Oxigênio dissolvido (OD)
A quantidade de oxigênio dissolvido na água é um índice expressivo de sua qualidade
sanitária. Águas superficiais de boa qualidade devem estar saturadas de oxigênio. Uma água
saturada pode ou não estar poluída, mas a saturação indicará que não está contaminada por
matéria oxidável (Tucci, 2004).
A determinação do oxigênio dissolvido é de fundamental importância para avaliar as
condições naturais da água e detectar impactos ambientais como poluição orgânica e
eutrofização (fenômeno causado pelo excesso de nutrientes normalmente causado pela
descarga de efluentes agrícolas, urbanos ou industriais num corpo de água mais ou menos
fechado. Esse fato leva à proliferação excessiva de algas, que, ao entrarem em decomposição,
levam ao aumento do número de microorganismos e à conseqüente deterioração da qualidade
do corpo de água).
87
Do ponto de vista ecológico, o OD é uma variável extremamente importante, pois é
necessário para a respiração da maioria dos organismos que habitam o meio aquático.
Geralmente o OD se reduz ou desaparece, quando a água recebe grandes quantidades de
substâncias orgânicas biodegradáveis encontradas, por exemplo, no esgoto doméstico, em
certos resíduos industriais, no vinhoto, e outros. Os resíduos orgânicos despejados nos corpos
d’água são decompostos por microorganismos que se utilizam do oxigênio na respiração.
Assim, quanto maior a carga de matéria orgânica, maior o número de microorganismos
decompositores e, conseqüentemente, maior o consumo de oxigênio. A morte de peixes em
rios poluídos se deve, portanto, à ausência de oxigênio e não à presença de substâncias tóxicas
(Ambiente Brasil, 2008).
88
3. MATERIAL E MÉTODOS
___________________________________________________________________________
3.1 ÁREA DE ESTUDO
A bacia hidrográfica do rio Mundaú tem uma área total de 4.126 Km
2
, está
compreendida entre as latitudes de 9,4º a 8,4º S e longitudes 35,4º e 36,2º W, abrangendo os
Estados de Alagoas e Pernambuco, conforme a Figura 3.1.
Figura 3.1: Localização da bacia hidrográfica do rio Mundaú em relação aos Estados que a
compõem, Alagoas e Pernambuco, e em relação ao nordeste brasileiro.
Em Pernambuco, a sua área é de 2.155 Km
2
e abrange 15 municípios (Garanhuns,
Brejão, Lagoa do Ouro, Correntes, Caetés, Capoeiras, Jucati, Jupi, Calçado, Lage do Jurema,
Canhotinho, Angelim, São João, Palmeirina e Teresinha). Em Alagoas, uma área de 1.971
Km
2
pertence à bacia hidrográfica do rio Mundaú e abrange mais 15 municípios (Chã Preta,
89
Santana do Mundaú, São José da Lage, Ibateguara, União do Palmares, Atalaia, Branquinha,
Capela, Maceió, Messias, Pilar, Rio Largo, Santa Luzia do Norte, Coqueiro Seco e Satuba).
Na região apresentam-se os climas Semi-árido e Tropical, conforme descrito no Capítulo 2.
Entre os 30 municípios citados da bacia hidrográfica, utilizou-se 17, mostrados na Figura 3.2.
Figura 3.2: Bacia hidrográfica do rio Mundaú, suas três regiões e estações pluviométricas
utilizadas neste trabalho.
3.1.1 Região do entorno do CELMM
O complexo estuarino-lagunar está situado entre as latitudes de 9º36’S e 9º45’S, e entre
as longitudes de 35º41’W e 35º55’W e tem uma área aproximada de 55 Km
2
, dentro da bacia
hidrográfica do rio Mundaú. A área restante pertence às sub-bacias do rio Paraíba do Meio e
Sumaúma.
Os municípios de Maceió, Rio Largo, Satuba, Santa Luzia do Norte, Coqueiro Seco,
Marechal Deodoro e Pilar, constituem o CELMM. A população das cidades do entorno é de
90
aproximadamente 951.413 habitantes e a população contribuinte ao CELMM nas cidades do
entorno é de 251.372 habitantes (Fonte: ANA, 2005).
Figura 3.3: Bacia do rio Mundaú e região do entorno do CELMM (contornado em azul).
(Fonte: ANA, 2006).
3.1.2 Bacias e rios contribuintes ao CELMM
Figura 3.4: Bacias e rios contribuintes ao CELMM: Bacia do rio Paraíba do Meio, do rio
Sumaúma, do rio Remédio e os rios Estivas e Riacho do Silva (Fonte: ANA, 2006).
Como mostrado na Figura 3.4, a área das bacias e rios contribuintes somada a do rio
Mundaú chegam a 4.126 Km
2
. Para o rio Paraíba do Meio, a área total é de 3.718 Km
2
.
3.2 CRONOGRAMA DAS ETAPAS DA METODOLOGIA
Análise
climatológica
IAC
Contribuição
da quadra
chuvosa
Dias com e
sem chuva
Identificação de anos
secos e chuvosos
Ondeletas
Correlações
Análise agroeconômica
Produção Agrícola
Análise espaço-temporal dos
dados
Análise estatística
Análise
ambiental
Imagens de satélite,
Fonte:
Google Earth
Uso e ocupação
do CELMM
Verificação de ocupação
desordenada e aplicação do
Código florestal brasileiro
Qualidade de água
na bacia
Crustáceos no
CELMM
Proposta de Manejo
no CELMM
91
92
3.3 ANÁLISE CLIMATOLÓGICA
Neste trabalho foram utilizados dados de precipitação para o período de 1955-1991
para 17 localidades da bacia hidrográfica do rio Mundaú (AL e PE), obtidos através da
Agência Nacional das Águas (ANA). Também foram usados os dados do número de dias
com chuva na bacia citada, os quais geraram uma série temporal do número de dias com e
sem chuva para cada sub-região. Esses foram confrontados com os resultados de IAC.
Com a série de precipitação foram feitos gráficos climatológicos de cada sub-região,
por município, e da série temporal de precipitação. Os postos pluviométricos usados, com
suas coordenadas geográficas e respectivos nomes estão incluídos nos Anexos 1.
As informações geradas por esta análise foram usadas nas análises agrícola e
ambiental, haja vista que a variabilidade pluviométrica interfere no desempenho da
produção agrícola, na escolha da área para plantio de determinadas culturas e na opção do
uso da irrigação, e consequentemente no uso de energia elétrica. A variabilidade da
precipitação também apresenta influência sobre a pesca, a carcinicultura e seus lucros, na
qualidade de água do rio e nos ecossistemas aquáticos, tendo como exemplo os
macrocrustáceos, uma das principais fonte de renda local e que dependem da precipitação e
temperatura da água para se desenvolverem.
3.3.1 Análise da variabilidade espaço-temporal da precipitação local
A partir da metodologia de Rooy (1965), utilizada por Freitas (2004; 2005), foram
construídas as séries de IAC de 1955 a 1991 de cada sub-região, classificando os anos
como secos ou chuvosos.
Posteriormente, foram analisados os anos classificados como seco e chuvoso
calculando o IAC mensal. Pretendeu-se com isso, fazer comparações entre anos diferentes
verificando a contribuição da quadra chuvosa para o total anual e conhecer melhor os
mecanismos meteorológicos atuantes no período.
93
3.3.1.1 Índice de Anomalia de Chuva (IAC)
Neste trabalho foi escolhido o índice IAC para acompanhar a variabilidade
pluviométrica e não outro como o de Palmer (Palmer Drought Severity Index-PDSI),
porque este último, por exemplo, é calculado com base em dados de evapotranspiração,
infiltração, escoamento superficial eventual etc. e expressa uma medida para a diferença
acumulada entre a precipitação normal e a precipitação necessária à evapotranspiração
(Havens, 1969; Steila, 1971; Alley, 1984 e 1985; Guttman, 1991).
Já o IAC só necessita de dados de precipitação, é simples de ser calculado e visa
tornar o desvio da precipitação em relação à condição normal de diversas regiões passíveis
de comparação.
Considerado mais coerente, foi usado o Rainfall Anomaly Index (RAI) ou Índice de
Anomalia de Chuva (IAC) desenvolvido e utilizado por Rooy (1965) e adaptado por Freitas
(2004; 2005).
(
)
( )
ú
û
ù
ê
ë
é
-
-
=
NM
NN
IAC 3 , para anomalias positivas; (3.1)
(
)
( )
ú
û
ù
ê
ë
é
-
-
-=
NX
NN
IAC 3 , para anomalias negativas, (3.2)
Sendo: N = precipitação mensal atual, ou seja, do mês que será gerado o IAC (mm); N =
precipitação média mensal da série histórica (mm);
M
= média das dez maiores
precipitações mensais da série histórica (mm);
X
= média das dez menores precipitações
mensais da série histórica (mm); e anomalias positivas são valores acima da média e
negativas, abaixo da média.
3.3.1.2 Análise de ondeletas ou Wavelet
Os dados observados foram investigados a fim de identificar possíveis tendências,
variações sazonais e interanuais, períodos cíclicos e variações aleatórias, utilizando as
ondeletas.
Foram sujeitas a análise de ondeletas (AO) a série de precipitação de cada sub-região
da bacia, para todo o período de dados, com a intenção de identificar tendências, ciclos ou
94
oscilações no âmbito da bacia, durante as diferentes configurações atmosféricas de grande
escala e para poder proceder as comparações. Estas análises preliminares de ondeletas
podem fornecer uma indicação mais clara de qual escala temporal domina os sistemas
meteorológicos ao longo da série.
Os índices de precipitação que foram submetidos à transformada wavelet,
primeiramente são tratados. Esses índices são anomalias das variáveis, calculadas a partir
da climatologia mensal e normalizados pelos desvios padrão:
AVar
i,j
= (Var
i,j
- Var
i
/ σ
i
) (3.3)
Em que: AVar
i,j
é a anomalia da variável, no ano j = 1, 2, 3, ..., N e mês i = 1, 2, 3, ..., 12;
Var
i,j
é a variável no ano j = 1, 2, 3, ..., N e mês i = 1, 2, 3, ..., 12 , o qual foi calculado sua
anomalia; Var
i
é a média climatológica do mês a ser calculado a anomalia e é o desvio
padrão utilizado para cada mês i específico.
O uso da série de anomalias de precipitação para a bacia hidrográfica do rio Mundaú
como índice de precipitação é justificado pelo fato que a variabilidade de precipitação na
região nordeste do Brasil têm sinal homogêneo. Esse mesmo fundamento foi aplicado por
Kousky e Chu, (1978), Aceituno (1988) e Andreoli et al. (2004).
Foram geradas as médias para cada sub-região devido às mesmas apresentarem
características climatológicas semelhantes entre suas localidades e as mesmas não forma
iguais entre cada sub-região. Deste modo, foram submetidas às AO para as três sub-regiões
separadamente e não somente uma ondeleta para toda a bacia hidrográfica do rio Mundaú.
O termo ondeleta refere-se a um conjunto de funções com forma de pequenas ondas
geradas por dilatações (a) e translações (b) de uma função simples ψ
(t)
de variável real t,
algumas vezes chamada de ondeleta-mãe. As funções derivadas da ondeleta-mãe são
denominadas ondeletas filhas, ou simplesmente ondeletas (Weng e Lau, 1994). Esta função
deve ser quadraticamente integrável dentro de um intervalo real, ou espaço [L
2
(Â)], ou
seja, deve apresentar energia finita. Define-se matematicamente a função ondeleta numa
escala a e posição b, onde a e b são valores reais, e a > 0, como sendo:
ψ
a, b
(t)
=
(
)
abt
a
/
1
-
y
(3.4)
95
A transformada em ondeletas contínua da função (t) f é definida pela seguinte
equação:
(Wψ f) (a, b) =
( )
ò
- dtabttf
a
/)(
1
y
(3.5)
onde f(t) é a função que constitui a série de dados a ser analisada. O termo
a/1
é
utilizado para normalizar a energia de cada ondeleta.
A ondeleta Morlet é complexa e possui características semelhantes às de sinais
meteorológicos, tais como simetria ou assimetria, e variação temporal brusca ou suave.
Segundo a literatura, este é um critério para escolha da função ondeleta (Weng e Lau, 1994;
Morettin, 1999).
A função de Morlet é dada pela seguinte expressão:
ψ
(t) = e
iwot
e
2/
2
t-
(3.6)
que representa uma onda modulada por um envelope Gaussiano. São: i = parâmetro de
dilatação e compressão da onda; w
0
= parâmetro de freqüência e t = tempo. Todos
introduzidos no “script” de programação do Software Matlab.
Pode-se então variar a "escala" da ondeleta mudando sua largura. Esta é a vantagem
real da AO. Ondas Morlet apresentam alta freqüência enquanto gaussianas apresentam
baixa freqüência. Para a determinação de ciclos curtos ou longos modifica-se o tipo da onda
para Morlet ou Gaussiana, respectivamente.
A maneira de mudar o tamanho total das ondeletas em relação ao tempo, as chamadas
"as ondeletas escaladas" é representada como:
[
]
[
]
stnnststnn /)'()/(/)'(
0
2/1
djddj
-=-
(3.7)
onde s é o parâmetro de "dilatação” usado para mudar a escala, e n é o parâmetro de
transformação no tempo. O fator de s
-1/2
é uma normalização para manter a energia total da
Wavelet. A transformação do conjunto da onda é dada por:
96
[ ]
å
-
=
-=
1
0'
'
/)'(*)(
N
n
nn
stnnxsW
dj
(3.8)
onde o asterisco (*) denota o complexo conjugado de phi. A integral acima pode ser
utilizada para valores de escalas (desde alta freqüência até a mais baixa). Um retrato
bidimensional da variabilidade pode então ser construído traçando a amplitude e a fase da
Wavelet.
3.4 EFEITOS DA VARIABILIDADE CLIMÁTICA GLOBAL NA PLUVIOMETRIA
DA BACIA DO RIO MUNDAÚ
Foram feitas correlações entre os índices climáticos (IOS, IME, ATSM e ODP) e as
anomalias de chuva de todos os anos para as três sub-regiões da bacia hidrográfica através
de regressão linear, múltipla ou não-linear. Essas correlações foram realizadas através do
Excel ou no SPSS (Statistical Package for the Social Sciences) versão 9.0, utilizando em
alguns momentos o método de Stepwise do último Software.
A partir dessas correlações, escolheu-se um índice como melhor correlacionado para
o ano seco e outro para o ano úmido, a partir do melhor valor do coeficiente de
determinação e correlação. Posteriormente, foi aplicado o teste de t-Student, no sentido de
verificar se o valor do coeficiente de determinação entre as duas variáveis é confiável ou
significativo para a amostra e para a previsão.
Em seguida, se o melhor valor de correlação for significativo de acordo com o teste
de t-Student, as equações previsores podem gerar anomalias de precipitação. Para tais
previsões, foi escolhido um ano seco e um ano úmido para cada sub-região, com base no
IAC encontrado. Após a previsão, verificou-se o desempenho da previsão através do valor
real, por isso, foi escolhido um ano o qual já se possui os dados, para realizar uma
comparação. Essas previsões foram realizadas para período mensal, anual e quadras seca e
chuvosa.
97
3.4.1 Índices climáticos
Foram utilizados dados da Oscilação Decadal do Pacífico (índice Mantua), obtidos no
site http://tao.atmos.washington.edu/pdo, dados de anomalias de TSM do Oceano
Atlântico, reconstruídas por Smith e Reynolds (2003), obtidos no
www.ncdc.noaa.gov/oa/climate/research/Smith-Reynolds. Também foram utilizados dados
do Índice de Oscilação Sul e Índice Multivariado de El-Niño Oscilação Sul, ambos obtidos
através da NOAA em www.ncdc.noaa.gov/oa/climate/research. A disponibilidade do
período de dados acima citados é de 1955 a 1991.
a) IOS
O IOS que avalia a intensidade da Oscilação Sul, é definido como a diferença
entre os desvios (Dp), em relação à média, das pressões registradas ao nível médio do
mar (PNM) em Tahiti (17ºS, 150° W) e Darwin (12ºS, 130° E) e pode ser representado
como IOS = Dp TAHITI - Dp DARWIN, fórmula a qual pode ser vista em Varejão-Silva
(2001).
A fase fria da OS (La Niña), apresenta-se com o IOS positivo. A PNM em Tahiti
é maior que a média climatológica e, simultaneamente, a PNMM em Darwin é inferior
à média correspondente. A fase quente da OS (El Niño), apresenta-se com o IOS
negativo. A PNMM atmosférica começa a diminuir em Tahiti e a aumentar em Darwin. As
mesmas são exemplificadas na Figura 3.5.
Figura 3.5: Medida do Índice de Oscilação Sul (IOS) em períodos de El Niño e La Niña.
Fonte: CDC/NOAA (2002).
I
O
S
A
nos
98
b) IME
IME é o índice multivariado de ENOS e pode ser compreendido como uma média de
suas características principais descritas por seis variáveis: PNM, TSM, componentes zonal
(u) e meridional (v) do vento, fração de cobertura de nuvens e temperatura do ar.
Para a determinação desse índice, monitora-se o caráter do acoplamento oceano-
atmosfera, conforme seu comportamento multivariável nas variáveis principais observadas
sobre o Pacífico tropical. As séries temporais dessas variáveis estão disponíveis no
conjunto de dados COADS (Comprehensive Oceanic and Atmospheric Data Set).
O IME é um índice bimensal calculado, por exemplo, para dez/jan, jan/fev, nov/dez.
É possível estender o IME para a primeira semana do mês seguinte devido ao acesso em
tempo real aos dados coletados por bóias e navios de observação. Depois de filtrar
espacialmente os campos de cada variável em grupos (“clusters”), o IME é calculado
tomando-se a primeira componente principal não-rotacionada de todos os seis campos de
variáveis combinados. Isto é obtido a partir da normalização da variância total de cada
campo e, posteriormente, extraída a primeira componente principal da matriz de co-
variâncias dos campos combinados (Wolter, 1987).
Maiores detalhes ver o site www.cdc.noaa.gov/~kew/MEI/mei.html. A série temporal
do IME para o período de 1950 a 2002 é mostrada na Figura 3.6, a título de visualização.
Figura 3.6: Série temporal do IME de 1950-2002. Fonte CDC/NOAA/ENSO (2002).
Fase Positiva - El Niño
I
M
E
Fase Negativa - La Niña
Anos
99
c) ODP
É frequentemente considerado o índice médio da Oscilação Decadal do Pacífico
(ODP) no intervalo novembro-março. Considera-se:
1º) uma fase positiva ou quente (“warm”) caracterizada por anomalias positivas ao
longo da Costa Oeste da América do Norte e negativas no restante da bacia do Pacífico
Norte, desde aproximadamente 20°N na direção do pólo (neste caso, a forma de cálculo do
índice conduz a valores positivos);
2º) uma fase negativa ou fria (“cool”) quando o aquecimento/resfriamento nas duas
áreas se inverte (neste caso o índice resultante é negativo), conforme a Figura 3.7.
FASE POSITIVA FASE NEGATIVA
(ou FASE QUENTE) (ou FASE FRIA)
Figura 3.7: Fases da ODP (Fonte : Mantua / PDO-Internet page).
Utilizou-se nesse trabalho o índice de ODP de Mantua o qual deriva-se da primeira
componente principal das ATSMs no Pacífico Norte, entre as latitudes 20° N e 90° N
(pólo).
A Figura 3.8 mostra os valores da ODP de Mantua, de 1900-2003, que revela
claramente a alternância dos períodos, ou mais exatamente, das fases predominantemente
“quentes” (positivas) e as predominantemente “frias” (negativas), de longas durações.
Na referida figura são nítidas as seguintes fases:
1. quente (“warm”) ou positiva: 1925-46.
2. fria (“cool”) ou negativa: 1947-76.
3. quente (“warm”) ou positiva: 1977 até meados da década dos anos 90.
100
Figura 3.8: Períodos predominantemente “quentes” ou “frios” da ODP (Fonte : Mantua
/PDO-Internet page).
3.4.2 Regressão linear simples, múltipla e não linear
O método de regressão é geralmente usado para se estudar a relação entre variáveis
independentes, tentando-se obter uma relação que possa ser utilizada nas estimativas ou
previsões de uma variável particular (Charba, 1975; 1979).
As correlações lineares e múltiplas entre as variáveis meteorológicas podem
determinar o grau de relação entre elas. Por exemplo, correlações entre as TSM do Pacífico
e as vazões do posto de Iguatu (costa do Peru), as quais são negativas, e entre as TSM do
Atlântico e precipitação no NEB e a costa africana, as quais formam o dipolo, são provas de
como as variáveis se interrelacionam e podem causar influência uma sobre a outra. Através
das correlações serão geradas equações lineares previsoras de precipitação.
Segundo Spiegel (1972), a correlação entre duas variáveis X
J
e X
K
é dada pela taxa
entre a covariância e o produto de seus desvio-padrão e o coeficiente de determinação
(r
2
J,K
) é dado pelo quadrado do coeficiente de correlação e estima a proporção de variação
em comum entre duas variáveis.
Se duas variáveis estiverem padronizadas r
2
J,K
e r
J,K
têm suas fórmulas
simplificadas. Portanto,
£
-
1
r
J,K
£ 1, ou seja, o valor do coeficiente de correlação varia
de –1 a +1. Se r
J,K
= 0, não há relação de uma variável com a outra; se r
J,K
= 1, a relação é
funcional e positiva; se r
J,K
= -1, a relação é funcional e negativa.
Anos
O
D
P
Fase Quente-Positiva
Fase Fria-Negativa
101
Deve-se acentuar que o valor de r, calculado em qualquer caso, mede o grau de
relação correspondente ao tipo de equação que é realmente admitida. Portanto se o valor de
r for próximo de zero, isso significa que quase não há correlação linear entre as variáveis.
Entretanto, não significa que não há nenhuma correlação, porque pode realmente existir
uma forte correlação não-linear entre as variáveis (Spiegel, 1977).
Uma equação de regressão múltipla é uma expressão utilizada para avaliar uma
variável dependente, por exemplo X
1
, em função das independentes, X
2
, X
3
, ... e é
determinada equação de regressão de X
1
para X
2
, X
3,
... . No caso de três variáveis, a
equação de regressão mais simples de X
1
para X
2
e X
3
tem a forma X
1
= b
1,23
+ b
12,3
X
2
+
b
13,2
X
3
, em que b
1,23
, b
12,3 ,
b
13,2
são constantes.
Em virtude do fato de X
1
variar parcialmente por causa da variação de X
2
e também
por causa da de X
3
, b
12,3
, b
13,2
serão denominados, respectivamente, coeficiente de
regressão parcial de X
1
para X
2
quando X
3
se mantém constante, e de X
1
para X
3
quando X
2
se mantém constante (Spiegel, 1977).
Neste trabalho, as regressões múltiplas foram feitas através do modelo Stepwise do
Software SPSS versão 9.0. Esse método promoveu correlações entre todas as variáveis,
simultaneamente.
Alguns autores, ao utilizarem equações não lineares, consideram que estimativa de
modelos não lineares, é um bom exemplo de que a despeito de se obter os resultados no
computador, não significa que os resultados sejam corretos ou razoáveis.
Os índices climáticos mensais foram correlacionados (linear, múltipla e não linear)
com a variável meteorológica no sentido de determinar relação entre a variabilidade
observada na bacia hidrográfica com a variabilidade observada nos Oceanos Pacífico e
Atlântico e como os eventos de dipolo do Atlântico, ODP e ENOS interferem nas chuvas
locais.
Essas regressões foram feitas para os períodos de ano, quadra (4/12 ou 1/3 de ano) e
meses, simples e cruzadas, defasadas ou lags através do software SPSS (Statistical Package
for the Social Sciences) versão 9.0. Deste modo, com os coeficientes de determinação pode
quantificar a contribuição da cada variabilidade específica sobre a bacia hidrográfica do rio
Mundaú.
102
As melhores correlações produziram equações matemáticas as quais foram usadas
como “modelo previsor” para estimar anomalias de precipitação (depois se serem
submetidos ao teste de t-Student) nas regiões em diferentes anos, seco ou chuvoso, e as
mesmas foram comparadas com valores observados para testar a eficiência das equações.
3.4.3 Teste de significância de t-Student
Tal teste foi usado nesse trabalho para considerar significativas ou não, as melhores
correlações as quais posteriormente foram apontadas como previsoras através de suas
equações. Só após essa aplicação, foram realizadas as previsões das anomalias de chuva.
Para amostras de tamanho N > 30, denominadas grandes amostras, as distribuições
amostrais de várias estatísticas são aproximadamente normais e melhores como o
crescimento de N. Para amostras de tamanho N < 30, denominadas pequenas amostras, essa
aproximação não é boa e torna-se pior com o decréscimo de N, de modo que devem ser
introduzidas as modificações convenientes.
Uma das mais utilizadas distribuições para pequenas amostras é a “t-Student”, a qual
é bastante utilizado nos estudos de meteorologia (Kousky e Kayano,1994; Kayano e
Kousky, 1996; Figueroa, 1997; Castro, 2002), e pode ser calculado da seguinte forma:
2
)2(/ tntt
c
+-=
(3.9)
Sendo: t
c
= valor do percentil e
c
é o grau de liberdade. Foi usado
p
= 0,95 ou 95%; t = valor
do percentil tabelado de acordo com υ (n-1); n é o número de dados.
3.5 ANÁLISE AGROECONÔMICA
O primeiro passo dessa análise foi fazer um breve levantamento temporal e espacial
da produção agrícola no âmbito da bacia hidrográfica do rio Mundaú com dados de área
média de cana-de-açúcar plantada e colhida em mil hectares (mil ha), carvão vegetal
produzido em tonelada (tn), quantidade de laranja colhida em tonelada (tn), leite produzido
em Alagoas e Pernambuco em mil litros (mil l), quantidade de mel produzido em quilo
(kg), produção potencial e realizada de arroz, feijão e milho para Alagoas e Pernambuco em
103
mil toneladas (mil tn) e perdas até a pré-colheita de arroz, feijão e milho para Alagoas e
Pernambuco em porcentagem (%).
O termo produção potencial, nesse trabalho refere-se à produção que pode ser
atingida, diferente da produção realizada que é a quantidade que foi atingida. A diferença
entre ambas mostra o quanto a produção foi acima ou abaixo do esperado, previsto ou do
potencial produtor.
Nessa etapa foi calculada a produção média de cada cultivo agrícola para cada uma
das três sub-regiões da bacia hidrográfica e a correlação linear entre as produções do
mesmo cultivo das diferentes regiões. Essas informações foram geradas através do
Software SPSS versão 9.0. Por fim, a distribuição espacial da produção agrícola foi
mostrada em um mapa para simples visualização.
Adicionalmente à essa análise pode-se associar as variações nas precipitações locais
às áreas propícias ao melhor desempenho da agricultura, a influência de períodos secos e/ou
chuvosos sobre a produção agrícola e a escolha do cultivo em determinada área.
Todos os dados foram obtidos através do Instituto Brasileiro de Geografia e
Estatística (IBGE) no site http://www.ibge.gov.br/ para o período de 1990 a 2005 e os
nomes das localidades utilizadas para análise de cada produção formam mostrados na
legenda de cada figura.
3.6 ANÁLISE AMBIENTAL
Diante da importância sócio-econômico e ambiental do CELMM foi analisada nesse
item, a sua biodiversidade, o potencial de sustentabilidade, impactos ambientais presentes
na região e o manejo local adequado.
Para a identificação de áreas ameaçadas por processo de degradação ambiental e
ocupação desordenada foram utilizadas imagens de satélite do Google Earth e fotografias
tiradas in loco.
A partir de resultados encontrados na análise climatológica, tentou-se associar as
variações das chuvas locais a aspectos ambientais como qualidade de água e distribuição
dos macrocrustáceos, as quais, através da literatura citada no Capítulo 2, apresentam
relação direta.
104
3.6.1 Formas de uso e ocupação do solo no CELMM
Identificou-se as paisagens ou regiões distintas, verificada a forma de uso ou ocupação
do local, se há impactos ambientais ou não, e foram apontadas formas de manejo para
minimização das ações dos impactos. Comprovando o uso e os impactos sobre os recursos
naturais foram regristradas imagens nos locais.
3.6.2 Verificação de ocupação desordenada e aplicação de lei florestal
Em adição aos outros procedimentos para a análise sócio-ambiental, foram
averiguadas se as áreas de ocupação antrópicas estão dentro da lei. Para tanto, as áreas de
degradação ambiental foram apontadas segundo a Lei nº 4771 de 1965, Art.2º, Código
Florestal Brasileiro, que define as áreas de preservação permanente (APP) (CONAMA,
2002).
De acordo com esta lei, APP é área protegida nos termos dos artigos 2º e 3º desta Lei,
coberta ou não por vegetação nativa, com a função ambiental de preservar os recursos
hídricos, a paisagem, a estabilidade geológica, a biodiversidade, o fluxo gênico de fauna e
flora, proteger o solo e assegurar o bem estar das populações humanas.
A lei rege que para cursos d’água, a área situada em faixa marginal (APP), medida a
partir do nível mais alto alcançado pela água por ocasião da cheia sazonal do curso d’água
perene ou intermitente, em projeção horizontal, deverá ter larguras mínimas de:
- 30 m, para cursos d’água com menos de dez metros de largura;
- 50 m, para cursos d’água com dez a cinqüenta metros de largura;
- 100 m, para cursos d’água com cinqüenta a duzentos metros de largura;
- 200 m, para cursos d’água com duzentos a seiscentos metros de largura;
- 500 m, para cursos d’água com mais de seiscentos metros de largura.
No entorno de lagos e lagoas naturais, a faixa deve ter largura mínima de:
- 30 m, para os que estejam situados em áreas urbanas consolidadas;
- 100 m para os que estejam em áreas rurais, exceto os corpos d’água até com 20 ha
de superfície, cuja faixa marginal será de 50 m.
105
(Em 1989 foi feita um a nova redação, Redação da alínea "a" dada pela Lei nº
7.803/89).
3.6.3 Análise de parâmetros de qualidade da água
Para se avaliar a qualidade ambiental como um todo, é preciso obter informações que
estejam integradas entre os fatores bióticos e abióticos que regem o funcionamento do
ecossistema. Na intenção de verificar a qualidade da água na bacia hidrográfica foram
analisados os seguintes parâmetros: profundidade do rio, temperatura da água, pH
(potencial hidrogeniônico, condutividade elétrica e oxigênio dissolvido (OD) nas três sub-
regiões da bacia em dois dias distintos, um com a presença de chuva e outro, sem chuva.
Ambas as amostras foram coletadas no ano de 2007 e os dados utilizados neste
trabalho foram obtidos através da Agência Nacional das Águas (ANA). Posteriormente
foram gerados gráficos das variáveis de qualidade de água através do Excel.
Nas 3 sub-regiões da bacia hidrográfica, as estações de coleta foram:
- No Baixo Mundaú (BM): Atalaia e Rio Largo;
- No Médio Mundaú (MM): São José da Lage e Santana do Mundaú;
- No Alto Mundaú (AM): Garanhuns e Panelas (entorno da bacia hidrográfica).
As coordenadas geográficas desses postos são mostradas nos Anexos 2, página 2.
3.6.4 Distribuição espaço-temporal dos crustáceos no CELMM
Foram utilizados dados de números de espécies de crustáceos decápodas pescados na
região do CELMM na década de 90, coletados por Teixeira e Sá (1998) e disponibilizado
pela Universidade Federal do Espírito Santo (UFES).
As seis espécies foram distribuídas espacial e temporalmente na tentativa de adquirir
conhecimentos sobre a biodiversidade local e como as ações antrópicas e naturais
interagem com o meio.
Primeiramente estes dados foram tratados estatísticamente para serem gerados
gráficos das amostras através do Excel. Foram feitos gráficos da distribuição dos crustáceos
106
por região (1 a 4), espacial (no CELMM) e temporalmente (ao longo do ano). As espécies
de crustáceos decápodas distribuíram-se ao longo da área mostrada na Figura 3.9.
Figura 3.9: Área da distribuição espacial das espécies de crustáceos no CELMM.
Legenda: Área 1: Lagoa Manguaba; Área 2: Lagoa Mundaú; Área 3: Área de Manguezal;
Área 4: Canais entre as duas lagoas.
3.6.5 Proposta de manejo no CELMM
De acordo com Barroso (1987), toda a pressão antrópica exercida sobre a vegetação
nativa de uma bacia hidrográfica, que implique em sua diminuição espacial é seguida por
um conjunto de consequências sempre negativas que serão tanto maiores quanto mais
numerosos forem os fatores que resultarem em tal diminuição. A desarmonia de um dos
componentes do sistema água-solo-planta resulta, invariavelmente, no desequilíbrio de
outros componentes, o que será notado com maior ou menor rapidez em função da forma
como o homem atua nesse meio em busca de benefícios (expansão agrícola, pecuária e
exploração de madeira).
Hidalgo (1989), concluiu que a elaboração de um plano de manejo ambiental não é
suficiente para solucionar os problemas da natureza e do homem. O problema é muito mais
107
complexo. É necessário ter um respaldo político e uma real participação da sociedade,
sendo também fundamental dispor de uma metodologia simples de caráter multidisciplinar
e interinstitucional e um respaldo financeiro, a fim de cumprir com os objetivos do plano.
Após a verificação do uso e ocupação no CELMM (por imagens de satélite e in loco),
foi elaborada uma tabela explicativa, composta por quatro colunas, as quais mostraram os
locais ou paisagens encontrados no CELMM, as formas de uso e ocupação, os impactos
ambientais detectados e a proposta de manejo sugerida para cada área (paisagem).
108
4. RESULTADOS E DISCUSSÕES
______________________________________________________________________
4.1 ANÁLISE CLIMATOLÓGICA
A Figura 4.1 mostra as médias anuais da precipitação das três sub-regiões da bacia
hidrográfica do rio Mundaú desde 1955 a 1991. Nela foi possível verificar que o MM e BM
apresentam maiores valores de precipitação que o AM, e que no período de 1976 a 1983
houve um aumento (diminuição) nas médias do MM (BM). O fato do AM apresentar
menores valores de precipitação também pode ser observado a partir da climatologia das
sub-regiões (Figura 4.2), onde se pode observar também que a quadra chuvosa se estende de
abril a julho no MM e BM, e no AM o período de chuva se distribui, praticamente do mesmo
modo, mas se estende de março a julho. Já os meses mais secos para o BM e MM ocorrem
de outubro a janeiro e no AM de setembro a dezembro. Os meses de julho, agosto e setembro
podem levar o MM a apresentar médias climatológicas mensais altas ou até maiores que as
do BM, devido a mecanismos meteorológicos como linhas de instabilidade e ondas de leste
associadas às brisas.
Comparando as três sub-regiões, os maiores valores de precipitação ocorreram no BM
até 1974 e após esse ano, no MM. De acordo com SUDENE (1999), é nesta última sub-
região que ocorreu com mais freqüência eventos de enchentes. Quanto à variação temporal
da precipitação anual, o período de 1974 a 1983 apresentou uma diminuição da precipitação
nas três sub-regiões.
Outro fator importante para diferenças das médias climatológicas das sub-regiões é o
fator da altitude, maior desde o MM. A partir dessas informações, verificou-se que a sub-
região do AM, a qual apresentou menor índice pluviométrico e período seco na
primavera/verão, é uma área que necessita de uso de irrigação em períodos de escassez
hídrica, devendo também ser observado o tipo de cultivo que foi plantado. No BM, devido
aos maiores valores de precipitação, a agricultura é mais beneficiada, no sentido do uso da
irrigação em menores período do ano e na maior disponibilidade hídrica. Já no MM,
atentou-se para o fato da sub-região apresentar histórico de enchentes, o que pode
prejudicar sócio-economicamente as plantações e os pequenos produtores.
109
Figura 4.1: Média das precipitações anuais de
1955 a 1991 para as três sub-regiões.
Figura 4.2: Médias climatológicas para as três
sub-regiões.
A quadra chuvosa para o BM se estende de abril a julho (cor clara na Figura 4.3) e
os meses mais secos ocorrem de outubro a janeiro. A Figura 4.4 mostra as médias
climatológicas dos municípios do BM que foram utilizados neste estudo. Flexeiras e Rio
Largo apresentaram-se climatologicamente como os mais chuvosos, enquanto que Atalaia,
em boa parte do ano, permaneceu com seus valores de precipitação abaixo da média.
Figura 4.3: Médias climatológicas da
precipitação no Baixo Mundaú.
Figura 4.4:
Precipitação média mensal dos
municípios do Baixo Mundaú (AL) no período
1955-1991.
A quadra chuvosa para o MM é de abril a julho (cor clara na Figura 4.5) e a quadra
menos chuvosa se estende de outubro a janeiro, semelhante ao BM. A Figura 4.6 mostra as
médias climatológicas dos municípios do MM que foram utilizados nesse estudo.
110
Ibateguara apresentou, climatologicamente, os maiores valores de chuva enquanto que
União dos Palmares e Santana do Mundaú foram os mais secos.
Figura 4.5: Médias climatológicas da
precipitação no Médio Mundaú.
Figura 4.6:
Precipitação média mensal dos
municípios do Médio Mundaú (AL) no período
1955-1991.
Na Figura 4.7, pode-se visualizar a variabilidade anual da precipitação no AM, com
quadra mais chuvosa entre abril a julho (cor clara na Figura 4.7), tendo o mês de março
uma forte contribuição nos totais anuais. Já no quadrimestre setembro-dezembro são
registrados os menores valores mensais de chuva.
A Figura 4.8 mostra as médias climatológicas dos municípios do AM que foram
utilizados neste estudo. As médias climatológicas nessa sub-região apresentam maior
variabilidade entre os seus municípios, coincidindo aumento de precipitação em maio,
junho e julho. As localidades de Garanhuns e Caetés apresentaram valores climatológicos
maiores e Bom Conselho, as menores médias climatológicas.
111
Figura 4.7: Médias climatológicas da
precipitação no Alto Mundaú.
Figura 4.8:
Precipitação média mensal dos
municípios do Alto Mundaú (AL) no período
1955-1991.
4.1.1 Análise da variabilidade espaço-temporal da precipitação local
A Figura 4.9 mostra o IAC do BM, onde os valores negativos representam anos secos
e os valores positivos, os anos chuvosos ou úmidos. Antes do ano de 1974, ocorreram no
BM, 10 anos chuvosos e 9 anos secos; depois desse ano, foram 8 anos úmidos e 10 anos
secos, deste modo, o primeiro período é mais úmido que o posterior a 1974, tornando esse
ano um “ponto de inversão” (marcado por seta) de uma possível modificação no padrão de
precipitação local. Dos 37 anos da série de IAC no BM, 18 anos foram úmidos e 19 anos
foram secos.
Esse “ponto de inversão” também foi observado na vazão do rio Mundaú por Da
Silva et al. (2005), e na precipitação da bacia hidrográfica do rio Paraíba por Araújo et al.
(2007).
Na Figura 4.10 percebeu-se também que no período de 1956 a 1960, ocorreu uma
diminuição de chuva, a qual possivelmente provocou uma diminuição na distribuição e
disponibilidade da água para agricultura, a qual sem a prática da gestão pode ter levado à
ocorrência de perdas.
O período de 1955 a 1958 apresentou o menor número de dias com chuva (Figura
4.10), como também pode ser verificado com o IAC na Figura 4.9. Após esse período, o
número de dias com chuva aumenta e oscila entre 70 e 140 dias.
112
Dentre os anos da série de IAC, foram escolhidos dois anos secos (1983 e 1987) e
dois anos úmidos (1975 e 1977) para analisar o comportamento desses anos e as diferenças
entre suas quadras chuvosas.
Figura
4.9
: IAC anual para o Baixo Mundaú
.
Figur
a
4.10
: Média
do número de dias com e
sem chuva no Baixo Mundaú de 1955-1991.
Na Figura 4.11 tem-se o IAC mensal para os anos secos no BM (AL), 1983 e 1987.
Ao longo desses anos, poucos meses apresentaram precipitações mensais acima da média,
destacando-se o período de janeiro a março, onde esse acréscimo da precipitação pode ter
sido ocasionado pela atuação de VCANs e pela convecção e instabilidade devido ao
aquecimento da superfície no verão. O total de precipitação na quadra chuvosa desses anos
foi de 370 mm em 1983 e de 578 mm em 1987. Esses valores equivaleram a 47% e 58% do
total médio anual, respectivamente (Figura 4.11).
A Figura 4.12 mostra o IAC mensal para os anos de 1975 e 1977, nos quais o IAC
anual apresentou-se positivo, ou seja, anos chuvosos. Percebe-se que nesses anos chuvosos
a contribuição da quadra chuvosa é muito significativa, colaborando fortemente com o total
anual. Neste período é comum ocorrerem precipitações mais acentuadas devido a
mecanismos de circulação de brisa que advecta bandas de nebulosidade para o continente e
a ação de frentes frias ou seus remanescentes, que se propagam ao longo da costa, além das
Ondas de Leste, que atua no NEB durante o inverno, e das POAS, que atuam
principalmente de junho a agosto. A quadra chuvosa nos anos de 1975 e 1977 contribuiu
com 1387 mm e 1452 mm, respectivamente; ou seja, a quadra chuvosa de 1975 equivaleu a
113
75% do total médio anual e a quadra chuvosa de 1977 a 74% do total médio anual (Figura
4.12).
Figura 4.11: IAC mensal de anos secos
(conforme IAC anual) para o Baixo Mundaú.
Figura 4.12: IAC mensal de anos úmidos
(conforme IAC anual) para o Baixo Mundaú.
Figura 4.13: IAC anual para o Médio Mundaú.
Figura 4.14: Média do número de dias com e
sem chuva no Médio Mundaú de 1963-2004.
Na Figura 4.13 visualiza-se o IAC do MM, onde dos 37 anos da série, 21 anos foram
úmidos e 16 anos foram secos, fato que reforça as conclusões da SUDENE (1999). Nessa
sub-região é mais visível o ponto de inflexão em 1974, onde antes disso ocorreram 12 anos
secos e 8 anos úmidos, e após 1974, ocorreram 4 anos secos e 13 úmidos, o contrário foi
observado no BM. Essa “peculiaridade temporal” com um período de IACs positivos e
outro negativos também foi encontrado em Mauget (2005) e Araújo et al. (2007).
114
O número de dias com chuva aumentou a partir de 1974, onde também é visível o
ponto de inflexão nessa série (Figura 4.14). O número de dias com chuva variou entre 30 e
140 dias, limite semelhante ao da sub-região anterior.
Durante os anos secos de 1957 e 1962, mesmo durante a quadra chuvosa (abril a
julho), a maioria dos IACs foram negativos, onde ocorreram chuvas abaixo da média
mensal, com exceção de abril de 1957 e junho de 1962, no qual ocorreram sistemas
meteorológicos causadores de chuva (Figura 4.15).
Os IACs mensais de 1978 e 1986, anos úmidos, foram positivos ao longo de todo
período exceto em janeiro de 1986 (Figura 4.16). As maiores chuvas ocorreram fora da
quadra chuvosa, entre setembro e fevereiro, ao contrário do BM. Possivelmente, esses
maiores valores foram ocasionados pela atuação de VCANs (dezembro), linhas de
instabilidade (setembro/outubro), sistemas de convecção local e atividades de brisa. Em
1978 e 1986 (anos úmidos), o total anual foi de 2123 mm para o primeiro ano e 1777 mm
para o segundo, quando a quadra chuvosa contribuiu com 51% e 49% dos totais médios
anuais, respectivamente. O total anual para os anos de 1957 e 1962 (anos secos) foram 576
mm e 706 mm, respectivamente.
Figura 4.15: IAC mensal de anos secos
(conforme IAC anual) para o Médio Mundaú.
Figura 4.16: IAC mensal de anos úmidos
(conforme IAC anual) para o Médio Mundaú.
A Figura 4.17 mostra o IAC do AM de 1955 a 1991. O aumento de ocorrência de
anos úmidos depois de 1974 como ocorrido no MM, também foi observado no AM, onde
antes de 1974, ocorreram 13 anos secos e 6 anos úmidos, e após 1974, houveram 9 anos
secos e 9 anos úmidos; ou seja, diminuíram o número de anos secos. A média do número
115
de dias com chuvas no AM variou entre 50 e 130 dias, inferior ao das sub-regiões
anteriores. Até 1962 foram registrados os maiores valores de número de dias sem chuva
(Figura 4.18).
Figura 4.17: IAC anual para o Alto Mundaú.
Figura 4.18: Média do número de dias com e
sem chuva no Alto Mundaú de 1955-1991.
Durante os anos secos de 1979 e 1990 (Figura 4.19), somente os meses de janeiro,
abril e maio de 1979 apresentaram IAC positivo. Esse resultado reforça o argumento de
Aragão (1975), no qual é afirmado que, durante os períodos de seca no NEB há suficiente
umidade nos baixos níveis da atmosfera, mas inexiste um mecanismo dinâmico capaz de
provocar movimentos ascendentes que tenham como resultado formação de nuvens
suficientementes desenvolvidas para produzir precipitação. Deste modo, o IAC, em anos
secos, tende a ser negativo, até mesmo na quadra chuvosa, não sendo, necessariamente, em
anos úmidos. Em ambos anos secos, o total anual atinge a metade do valor dos anos úmidos
(1975 e 1985), com 334 mm em 1979 e 252 mm em 1990. A quadra chuvosa contribui com
aproximadamente 68% do valor anual em ambos os casos.
Os IACs mensais de 1975 e 1985 (Figura 4.20), anos úmidos, apresentaram-se
negativos na quadra mais seca, em ambos os anos. Já na quadra chuvosa (abril a julho),
foram atingidos os máximos valores, com exceção de maio de 1985, que foi negativo e em
junho e julho de 1985, quando o IAC apresentou uma queda nos valores se comparado a
1975.
A quadra chuvosa de 1975 contribuiu para o total anual com 739 mm de chuva, o que
corresponde a 75% do valor médio anual. Já 1985, quando se verificou uma notável
116
diminuição desses valores, foi registrado 562 mm de chuva, o que totaliza 51% do total
médio anual.
Os principais mecanismos que propiciam a ocorrência de chuvas são as brisas que
levam bandas de nebulosidade até a parte alta da bacia, a ação de frentes frias ou seus
remanescentes, Ondas de Leste, que atuam durante o inverno, e das POAS, que atuam
principalmente de junho a agosto.
Figura 4.19: IAC mensal de anos secos
(conforme IAC anual) para o Alto Mundaú.
Figura 4.20: IAC mensal de anos úmidos
(conforme IAC anual) para o Alto Mundaú.
4.1.2 Análise wavelet
O pico dominante para o BM é da escala de 20,2 - 22 anos (Figura 4.21c). O EPG
mostra outro pico dominante na escala de 4,6 - 5 anos. Picos não significativos ocorrem em
escala mais curta de aproximadamente 2 anos. Essas informações são mais visíveis se
acompanhadas do relatório gerado pelo Software Matlab ao realizar-se as análises de
ondeletas e através do espectro global de wavelet.
Os picos significativos são resultantes de altos valores do EPW (Figura 4.21b) em
1935-1990 para o pico de aproximadamente 22 anos e em 1913-1918 e 1933-1940 para o
pico de 5 anos. Nesses últimos períodos ocorreram os máximos valores do índice Prp no
BM.
117
a) Índice de Prp do BM
b) Espectro de energia (EPW) c) Espectro global de wavelet (EPG)
Figura 4.21: a) Índice de precipitação para BM (Prp) normalizado pelo desvio padrão; b)
Espectro de energia local para Prp. Contornos sombreados correspondem a valores de variância
normalizados. Contornos tracejados correspondem a variâncias significativas ao nível de 95%. A
curva em forma de U, representado o cone de influência, sob o qual o efeito de borda é
importante; c) Espectro global de wavelet, o contorno tracejado indica que o espectro de wavelet
global é significativo ao nível de confiança de 95%.
No período antes de 1977, a atmosfera apresentava-se influenciada pela fase fria da
ODP, a qual propiciou maior número de La Niñas. Após 1977, aumentou o número de
ocorrência de El Niño, que provocou diminuição de chuvas para o NEB. A influência dessa
oscilação é claramente verificada no gráfico de Prp (Figura 4.21a), onde antes de 1977 os
valores foram maiores que os do período posterior.
Para o MM, o pico dominante ocorre na escala de 18,5 anos que é devido a altos
valores de EPW (Figura 4.22b) em quase todo o período de análise. Um pico secundário
(não significativo) ocorreu na escala aproximada de 5 anos, que é devido a altos valores de
EPW no período de 1960-1980 e de 1985-1995. Novamente enfatiza-se o fato de que essas
22 anos
24 anos
22 anos
118
informações são mais visíveis se acompanhadas do relatório gerado pelo Software Matlab
ao gerar as análises de ondeletas e através do espectro global de wavelet.
a) Índice de Prp do MM
b) Espectro de energia (EPW) c) Espectro global de wavelet (EPG)
Figura 4.22: a) Índice de precipitação para MM (Prp) normalizado pelo desvio padrão; b)
Espectro de energia local para Prp. Contornos sombreados correspondem a valores de variância
normalizados. Contornos tracejados correspondem a variâncias significativas ao nível de 95%. A
curva em forma de U, representado o cone de influência, sob o qual o efeito de borda é
importante; c) Espectro global de wavelet, o contorno tracejado indica que o espectro de wavelet
global é significativo ao nível de confiança de 95%.
As escalas interanual e interanual curta apresentaram variâncias não significativas
estatisticamente no EPG (Figura 4.22c), resultantes dos eventos de 1963 e 1992, por
exemplo. Esses anos apresentaram altos valores no índice Prp. O período 1985-98
apresentou altos valores de Prp apesar da fase de ODP quente.
O pico dominante na EPG para o AM ocorreu na escala de 11 anos. O EPG (Figura
4.23c) mostrou também um pico dominante na escala de 22 anos. De acordo com a
18 anos
119
literatura, citados em Da Silva (2003), períodos de aproximadamente 21 anos, podem estar
relacionados com ciclos de atividade solar, variações de atração gravitacional entre Terra-
Lua-Sol ou variações internas do sistema Terra-oceano-atmosfera. Já os de 11 anos são
associados ao ciclo de manchas solares (Kerr, 1996 e Molion, 2005).
a) Índice de Prp do AM
b) Espectro de energia (EPW) c) Espectro global de wavelet (EPG)
Figura 4.23: a) Índice de precipitação para AM (Prp) normalizado pelo desvio padrão; b)
Espectro de energia local para Prp. Contornos sombreados correspondem a valores de variância
normalizados. Contornos tracejados correspondem a variâncias significativas ao nível de 95%. A
curva em forma de U, representado o cone de influência, sob o qual o efeito de borda é
importante; c) Espectro global de wavelet, o contorno tracejado indica que o espectro de wavelet
global é significativo ao nível de confiança de 95%.
Os picos estatisticamente não significativos ocorrem principalmente para as escalas
de tempo de 5 anos e de aproximadamente 2 anos. Os picos de 11 e 22 anos são resultantes
de altos valores de EPW (Figura 4.23b) na maior parte do período de estudo. Já os eventos
de escala de tempo interanual decorreram de altos valores de EPW em 1960-1965, 1973-
11 anos 11 anos
120
1990 para a escala de 5 anos e em 1955-1958, 1962-1965, 1972-1975, 1990-1992 para as
escalas mais curtas. É importante notar que as variações de escalas mais curtas podem ser
importantes na pluviometria, contribuindo para os altos valores de Prp (Figura 4.23a). Esses
resultados são semelhantes aos encontrados por Andreoli et al. (2004) para Fortaleza.
Para as três sub-regiões da bacia hidrográfica as variações em escalas média e
interanual contribuem positivamente para as precipitações locais. Esses resultados indicam
que a variabilidade de precipitação na bacia é definida por multi-escalas temporais
localizadas em certos intervalos de tempo; no entanto, a variância significativa dominante
ocorre na escalas decadal para as três sub-regiões da bacia.
Verificou-se que principalmente a variabilidade interanual ligada ao ciclo de ENOS e
a variabilidade decadal influenciam na variabilidade pluviométrica local. Esses resultados
encontram-se de acordo com os observados por Andreoli et al. (2004), Markham (1974),
Chu (1984) e Hastenrath e Kaczmarczyk (1981), todos realizados para Fortaleza, também
no NEB.
Diante do fato de que eventos de escala temporal de 5 e 20 anos, no BM, de 18,5, no
MM e de 11 e 22 anos no AM, pode-se planejar o armazenamento e aproveitamento das
águas de chuva, além de prevenir a população ribeirinha e agricultores para eventos
extremos e enchentes no AM. Essas escalas temporais que dominam sobre escalas de
eventos meteorológicos atuantes são contribuintes para aumento do total pluviométrico e,
através do acompanhamento pluviométrico, pode-se máximar o aproveitamento de água de
chuva na gestão agrícola, pesqueira, social e energética, dentre outras.
121
4.2 EFEITOS DA VARIABILIDADE CLIMÁTICA GLOBAL NA PLUVIOMETRIA
DA BACIA HIDROGRÁFICA DO RIO MUNDAÚ
Neste sub-item associaram-se as precipitações locais à variabilidade climática através
de correlação linear, não-linear e múltipla entre anomalias de precipitação na bacia
hidrográfica e 4 índices climáticos. Deste modo, quantificou-se tal relação, e como a
mesma pode influir sobre vários fatores nos setores agrícola, social e econômico da bacia
hidrográfica.
4.2.1 Regressão linear para previsão anual da anomalia de precipitação
De acordo com o IAC, os anos escolhidos para gerar previsões foram: Para o BM:
ano seco, 1983 e o ano úmido, 1977; Para o MM: ano seco, 1957 e o ano úmido, 1978; Para
o AM: ano seco, 1990 e o ano úmido, 1985.
4.2.1.1 Baixo Mundaú
Foram feitas regressões lineares entre os valores reais de anomalias de precipitação
no BM e índices climáticos, no entanto, foram melhores as correlações entre anomalias de
precipitação no BM e índices climáticos durante ano seco, ou seja, tais índices podem gerar
equações previsoras de anomalias de precipitação. Como resultado foram encontrados os
valores da Tabela 4.1:
Tabela 4.1: Valor do coeficiente de determinação, correlação e percentual de determinação
(r
2
) entre anomalias de precipitação no BM e quatro índices climáticos.
Índices Ano
Coeficiente
de correlação
Coeficiente de
determinação r
2
(%)
IME
seco 0,469 0,21996 21,996
úmido -0,656 0,4303 43,03
IOS seco 0,786 0,61779 61,779
úmido -0,22 0,0484 4,84
ODP seco 0,85* 0,7225 72,25
úmido -0,25 0,0625 6,25
TSM
seco
-
0,322
0,103684
10,36
úmido
-
0,11
0,0121
1,21
* Melhor valor significativo de acordo com o teste de t-Student.
122
Os melhores valores de coeficiente de determinação (r
2
), os quais podem gerar as
melhores previsões, estão marcados em negrito. No ano seco, há 85% de correlação (r) ao
utilizar o índice de ODP, e para o úmido, as correlações foram negativas em todos os casos,
porém o IME apresentou-se correlacionado inversamente as chuvas do ano úmido em 65%.
Posterior ao teste de t-Student, ao nível de confiança de 95%, são válidas e confiáveis as
correlações que forem iguais ou maiores que 0,41 em ano seco. Contudo, as correlações
com anomalias de TSM para ano úmido não foram significativas.
O índice ODP pode explicar (r
2
) 72,25% das anomalias de precipitação em anos secos
no BM. Abaixo (Tabela 4.2) têm-se valores do teste do modelo previsor utilizando o índice
ODP como previsor.
Tabela 4.2: Previsão da anomalia de precipitação no BM utilizando o índice da ODP para
ano seco (1983)-conforme IAC.
ODP usado Mês previsto
Diferença entre anomalia
prevista e real (mm) Sinal da anomalia*
ago jan 18,78767 E
out jan 7,39178 E
nov jan
3,69368
E
dez jan -6,21176
A
fev mar -6,93352 E
jun mar 23,69094
A
mai abr 62,1753 E
mai jun 76,7858 E
jul jun 25,91416 E
jun ago
5,2831
E
mai set 48,28933 E
jun set 39,81257 E
jul set
0,81138
E
ago set 38,91178 E
out set 61,29055 E
nov set 58,35297 E
dez set 48,86522 E
*E = erro e A = acerto
Com o modelo linear de previsão usando o índice ODP, foi possível prever anomalias
de precipitação de janeiro em outubro do ano anterior, de agosto em junho e de setembro
em julho, por exemplo. A diferença entre valor previsto e real foi pequena em algumas
situações, (linhas 3, 10 e 13), por exemplo; no entanto, é importante o acerto do sinal da
anomalia o que não ocorreu com boa freqüência (Tabela 4.2).
123
4.2.1.2 Médio Mundaú
Foram feitas regressões lineares entre os valores reais de anomalias de precipitação
no MM e os índices climáticos. As correlações para ano seco e ano úmido apresentaram
bons resultados. Os melhores valores de coeficiente de determinação podem gerar
previsões. Os valores encontrados foram (Tabela 4.3):
Tabela 4.3: Valor do coeficiente de determinação, correlação e percentual de determinação
(r
2
) entre anomalias de precipitação no MM e quatro índices climáticos.
Índices Ano
Coeficiente de
correlação
Coeficiente de
determinação r
2
(%)
IME seco 0,944 0,891 89,1
úmido 0,858 0,736 73,6
IOS seco 0,972*
0,944
94,4
úmido 0,893 0,797 79,7
ODP seco 0,552 0,304 30,4
úmido 0,873 0,762 76,2
TSM
seco 0,955 0,912 91,2
úmido 0,909*
0,826
82,6
* Melhor valor significativo de acordo com o teste de t-Student.
Para o MM, o melhor previsor foi o IOS para ano seco com 94,4% dos valores
explicados pelo índice e correlação de 0,97, apesar de o IME e as anomalias de TSM
também apresentarem bons valores de correlação. Para o ano úmido, a melhor correlação
foi entre valor de anomalia de precipitação no MM e anomalias de TSM do Atlântico com
0,909. Os valores de correlação dos outros três índices também apresentaram boas
correlações.
Aplicando a esses valores de correlação o teste de significância t-Student, ao nível de
confiança de 95%, foram encontrados os valores de 0,54 e 0,57 para os eventos de ano seco
e ano úmido, respectivamente, inferindo que ambos índices podem servir como previsores,
pois as correlações mostraram-se significativas.
O IOS explicou aproximadamente 94,5% dos valores das anomalias de precipitação
em ano seco e as anomalias de TSM do Atlântico em ano úmido com 82,6%, ou seja, em
124
ano seco a ocorrência de chuva foi influenciada pelo sinal do IOS, fases do ENOS
influencia evidentemente o MM. Na Tabela 4.4 são mostrados os valores do teste do
modelo previsor utilizando o IOS como previsor em ano seco e úmido.
Tabela 4.4: Previsão da anomalia de precipitação no MM utilizando o índice IOS para ano
seco (1957) e ATSM para ano úmido (1978)-conforme IAC.
IOS
usado
Mês
previsto
Diferença entre
anomalia
prevista e real
(mm)
Sinal de
Anomalia*
ATSM
usado
Mês
previsto
Diferença
entre
anomalia
prevista e real
(mm)
Sinal de
Anomalia*
nov fev
16,9242 A
jan abr -19,8206 E jan abr -27,0698 E
jun abr -26,3476 E jul abr -20,2154 E
ago abr -9,248 E ago abr -27,1112 E
nov abr -7,3892 E ago jun
-95,9462 A
dez abr -22,436 E jan jul
-116,028 A
nov mai 56,6985 E fev jul
-122,442 A
dez ago
134,9627 A
jun jul
-132,627 A
jan nov
28,6289 A
ago jul
-117,304 A
jan dez
44,74977 A
out dez
-55,2074 A
*E = erro e A = acerto
Com o IOS em ano seco, ainda no mês de novembro, pode-se prever as anomalias de
precipitação de abril (linha5) do ano seguinte com uma diferença subestimada de
aproximadamente 7 mm de chuva no MM, por exemplo. As equações que utilizaram o IOS
como previsor apresentaram maiores diferenças que na sub-região anterior.
Na Tabela 4.4, também visualizaram-se os valores do teste do modelo previsor
utilizando o índice TSM como previsor em ano úmido. Já os valores previstos com TSM
apresentaram maiores diferenças entre valor real e previsto, no entanto, o acerto do sinal da
anomalia foi melhor.
4.2.1.3 Alto Mundaú
Foram feitas regressões lineares entre os valores reais de anomalias de precipitação
no AM e índices climáticos. Para o índice IME e TSM, durante o ano úmido, as correlações
foram melhores que em ano seco, porém, ainda baixas. Dos 37 anos da série, 22 anos foram
secos e 15 úmidos.
125
Tanto para o ano seco, quanto para o ano úmido, os valores dos coeficientes de
correlação e determinação foram os melhores utilizando o índice de ODP, o qual pode
explicar entre 85% e 89% das chuvas no Alto Mundaú.
Aplicando o teste de significância t-Student, o mínimo considerável de coeficiente de
correlação para a amostra seria 0,612, quando foi apresentado 0,79 e 0,73, respectivamente,
tornando a correlação significativa estatisticamente. Na Tabela 4.5, são mostrados valores
de coeficiente de determinação e correlação entre anomalia de precipitação do AM e
índices climáticos. Em negrito, têm-se os melhores valores os quais podem resultar em
previsões.
Tabela 4.5: Valor do coeficiente de determinação, correlação e percentual de determinação
(r
2
) entre anomalias de precipitação no AM e quatro índices climáticos.
Índices Ano
Coeficiente de
correlação
Coeficiente de
determinação r
2
(%)
IME seco -0,26 0,509 50,9
úmido -0,5 0,7 70
IOS seco 0,692 0,831 83,1
úmido 0,29 0,538 53,8
ODP seco 0,791*
0,889
88,9
úmido 0,732*
0,855
85,5
TSM seco 0,166 0,407 40,7
úmido 0,486 0,697 69,7
* Melhor valor significativo de acordo com o teste de t-Student.
Na Tabela 4.6, visualizaram-se os valores do teste de previsão utilizando o índice ODP
em ano seco e úmido, mostrando o índice de ODP usado, o mês previsto, a diferença entre
anomalia prevista e real e o acerto ou erro do sinal da anomalia. Pode-se observar que os
valores previstos para o AM não são próximos dos reais, tanto em ano seco quanto em ano
úmido. Contudo, para ano úmido, o acerto do sinal foi o dobro do observado para ano seco.
126
Tabela 4.6: Previsão da anomalia de precipitação no AM utilizando o índice ODP para ano
seco (1990) e ano úmido (1985)-conforme IAC.
ODP
usado
mês
previsto
Diferença
entre
anomalia
prevista e real
(mm)
Sinal de
anomalia*
ODP
usado
mês
previsto
Diferença entre
anomalia
prevista e real
(mm)
Sinal de
anomalia*
fev mar 80,542 E fev mar -70,1508 E
nov mar 67,6297 E
nov mar -95,2704 A
dez mar 54,33786 E dez mar -76,2106 E
jan abr 19,7061 E jan abr -195,11 E
dez mai 25,88327 A
dez mai 58,55754 E
mai ago 9,667612 E
mai ago -57,4364 A
jun ago 8,79828 E
jun ago -60,2633 A
out ago 18,61378 A out ago -60,8671 A
*E = erro e A = acerto
Para cada sub-região foi escolhido um índice climático como previsor de anomalias
de chuva. Além de explicar aproximadamente o quanto a variabilidade climática global
interfere na local, tais resultados podem auxiliar no gerenciamento de vários setores
econômicos e sociais.
4.2.2 Regressão linear múltipla para previsão mensal de anomalia de precipitação
4.2.2.1 Baixo Mundaú
Todos os meses foram submetidos a regressões lineares múltiplas pelo método
Stepwise do software SPSS com os quatro índices previsores e somente os meses de abril,
junho, julho, agosto e setembro apresentaram correlações múltiplas (Tabela 4.7). Os meses
de abril e julho apresentaram equações com mais de uma variável independente e os
maiores valores de correlação entre os cinco meses. A junção dos índices ODP, anomalia
de TSM e IOS explicou aproximadamente 40% das chuvas de abril.
127
Tabela 4.7: Valor do coeficiente de correlação e percentual de determinação (r
2
) entre
anomalias de precipitação (mm) no BM e quatro índices climáticos.
Mês
previsto
Índice
usado
Equação
Previsora
r r
2
(%)
abril ODP mai ,
ano.TSM jan ,
IOS ago
1) y = -3,703 - 37,498 X (ODP Mai)
+109,005 X (Anomal.TSM Jan) -
29,611 * (IOS Ago)
0,628 39,5
junho ODP jul
2) y = -0,411 - 31,664 X (ODP jul) 0,337 11,4
julho
IME jul/ago
3) y = 0,320 - 45,091 X (IME jul/ago)
+ 120,913 * (Anomal.TSM fev)
0,54
29,2
agosto
ODP mai,
ano.TSM fev
4) y = -0,161 - 9,915 X
(ODP mai)
0,383
14,7
setembro
IME ago/set
5) y = -0,0823 - 7,929 X
(IME ago/set)
0,342
11,7
Os valores de coeficientes de correlação acima de 0,49 são significativos pelo teste de
t-Student, dessa maneira, as duas melhores correlações mostradas na Tabela 4.2.7 foram
significativamente válidas. Suas previsões foram mostradas na Tabela 4.8. Os menores
erros foram apresentados em agosto e setembro e os acertos do sinal de anomalia foram de
100% para ambas situações.
Tabela 4.8: Teste da previsão de anomalias de precipitação através de equações lineares
múltiplas para o BM durante ano seco (1983) e ano úmido (1977)-conforme IAC.
Equação
usada (ver
Tabela 4.2.7)
Mês
previsto
Diferença
entre
anomalia
prevista e
valor real
(mm)
Sinal da
anomalia*
Mês
revisto
Diferença
entre
anomalia
prevista e
valor real
(mm)
Sinal da
anomalia*
1 abril 50,86 A abril 243,35 A
2 junho 140,47 A junho 118,69 A
3
julho
76,45
A
julho
172,63
A
4 agosto 25,4 A agosto 1,182 A
5 setembro
4,26 A setembro
21,43 A
*E = erro e A = acerto
128
4.2.2.2 Médio Mundaú
Todos os meses foram submetidos a regressões lineares múltiplas pelo método
Stepwise do Software SPSS 9.0 com os quatro índices previsores. Somente os meses
janeiro, maio, setembro e dezembro não geraram equações de regressões múltiplas. Os
meses de fevereiro, junho e novembro (Tabela 4.9) apresentaram equações com mais de
uma variável independente e os maiores valores de r
2
(coeficiente de determinação).
Tabela 4.9: Valor do coeficiente de correlação e percentual de determinação (r
2
) entre
anomalias de precipitação (mm) no MM e quatro índices climáticos.
Mês previsto Equação Previsora Índice usado
r r
2
(%)
fevereiro
1) y = 58,326 + 19,423
X (ODP Fevereiro) -
59,397 X (Anomalia
TSM Março) + 37,375 X
(ODP Outubro) -22,683
X (ODP Novembro)
ODP fev / TSM mar
/ ODP out / ODP
nov
0,679 46,2
março
2) y = 108,221 + 25,476
X (ODP Abril)
ODP abril
0,391 15,3
abril
3) y = 157,155 + 24,732
X (ODP Setembro)
ODP set
0,374 14,0
junho
4) y = 0,326 + 83,705 X
(Anomalia TSM Agosto)
- 24,560 * (IOS julho)
TSM ago / IOS jul
0,461 21,3
julho
5) y = 0,957 + 110,684
X (Anomalia TSM
Agosto)
TSM ago
0,346
12
,
0
agosto
6) y = -3,666 - 24,220 X
(IOS Dezembro)
IOS dez
0,389 15,2
outubro
7) y = 2,379 + 15,949 X
(ODP Outubro)
ODP out
0,352
12
,
4
novembro
8) y = 2,383 + 10,042 X
(ODP nov) - 22,412 X
(IME mar/abr) + 14,600
X (ODP abr)
ODP nov /
IMEmar/abr / ODP
abr
0,36 13,0
Como no caso da previsão para o BM, as regressões múltiplas também explicaram
menos de 50% das chuvas mensais. As previsões de anomalias de precipitação para o MM
129
não apresentaram bons resultados, mas a quantidade de acerto do sinal nos dois casos
mostrados foi satisfatório (Tabela 4.10).
Tabela 4.10: Teste da previsão de anomalias de precipitação através de equações lineares
múltiplas para o MM durante ano seco (1957) e ano úmido (1978)-conforme IAC.
Equação
usada
(ver
Tabela
4.9)
Mês
previsto
Diferença
entre
anomalia
prevista e real
(mm)
Sinal da
anomalia*
Mês
previsto
Diferença
entre
anomalia
prevista e
real (mm)
Sinal da
anomalia*
1 fevereiro 44,83 A fevereiro 54,45 A
2 março 12,57 A março 106,94 A
3 abril 44,91 A abril 28,65 A
4 junho 32,01 A junho 44,05 A
5 julho 161,9 A julho 117,29 A
6 agosto 98,62 A
agosto 8,44 A
7 outubro 67,7 A outubro 20,04 A
8 novembro
6,01 A novembro 4,56 A
*E = erro e A = acerto
4.2.2.3 Alto Mundaú
Para o AM, as regressões múltiplas apresentaram r
2
superiores. Em abril, quatro
variáveis (TSM fev, IOS fev, TSM jul e ODP fev) explicaram 61,5% das chuvas desse mês,
sendo modelo mais confiável. Dentre os doze meses do ano, somente os cinco mostrados na
Tabela 4.11 apresentaram regressão múltipla entre anomalia de precipitação e índices.
Correlações significativas devem ser maiores ou iguais a 0,49.
130
Tabela 4.11: Valor do coeficiente de correlação e percentual de determinação (r
2
) entre
anomalias de precipitação no AM (mm) e quatro índices climáticos.
Mês
previsto
Equação Previsora Índice usado r r
2
(%)
Março 1) y = 6,834 + 62,726 X
(Anomal.TSM jul) +
17,205 * (ODP dez)
TSM jul, ODP
dez
0,479 23,0
Abril 2) y = 8,404 + 79,202 X
(Anomal.TSM fev) +
22,406 X (IOS fev) +
52,792 X (Anomal.TSM
jul) + 15,223 X (ODP fev)
TSM fev, IOS
fev, TSM jul,
ODP fev
0,784 61,5
Junho 3) y = -1,029 - 21,743 X
(ODP set) + 45,313 X
(Anomal.TSM jun)
ODP set, TSM
jun
0,498 24,9
Agosto 4) y = -0,161 - 9,915 X
(ODP mai)
ODP mai 0,383 14,7
Setembro
5) y = -0,0823 - 7,929 X
(IME mai/jun)
IME mai/jun 0,342 11,7
Para essa sub-região, quanto mais variáveis independentes foram aplicadas maior foi
o coeficiente de determinação, tendo como exemplo os meses de abril, março e junho. As
previsões para o ano úmido no AM apresentaram melhores resultados do que os obtidos
para o ano seco. Os meses de abril e março mostraram as melhores correlações, porém não
apresentaram os melhores valores previstos na Tabela 4.12.
Tabela 4.12: Previsão de anomalias de precipitação (mm) através de equações lineares
múltiplas para o AM durante ano seco (1990) e ano úmido (1985)-conforme IAC.
Equação
usada
(ver
Tabela
4.11)
Mês
previsto
Diferença
entre
anomalia
prevista e real
(mm)
Sinal da
anomalia*
Mês
previsto
Diferença entre
anomalia
prevista e real
(mm)
Sinal da
anomalia*
1 março 131,74 A março 176,13 A
2 abril 115,85 A abril 71,47 A
3 junho 43,00 A junho 48,52 A
4 agosto 57,431 A agosto 18,71 A
5 setembro
16,239 A setembro
15,51 A
*E = erro e A = acerto
131
4.2.3 Regressão linear para previsão da anomalia de precipitação durante a
quadra chuvosa
4.2.3.1 Baixo Mundaú
Para a quadra chuvosa do BM, o melhor previsor foi o índice da anomalia de TSM,
para os dois tipos de anos. Aplicando o teste de significância t-Student, o mínimo valor de
correlação significativa seria de 0,49. Em ambos os casos a correlação foi significativa
(0,65 e 0,656, respectivamente) (Tabela 4.13).
Tabela 4.13: Valor do coeficiente de determinação, correlação e percentual de
determinação (r
2
) entre anomalias de precipitação (mm) da quadra chuvosa no BM e quatro
índices climáticos.
Índices Ano
Coeficiente de
correlação
Coeficiente de
determinação r
2
(%)
IME seco 0,1 0,0102 1,02
úmido 0,03 0,0009 0,09
IOS seco 0,215 0,0465 4,65
úmido 0,473 0,2244 22,44
ODP seco 0,414 0,172 17,2
úmido 0,047 0,0023 0,23
TSM seco 0,650* 0,4233 42,23
úmido 0,656* 0,4311 43,11
* Melhor valor significativo de acordo com o teste de t-Student
As anomalias de TSM podem explicar 42,23% (ano seco) e 43,11% (ano úmido) das
chuvas da quadra chuvosa do BM (Tabela 4.13). Na previsão para a quadra chuvosa do BM
(Tabela 4.14), os erros foram menores ao utilizar as anomalias de TSM do Atlântico como
previsor para o ano úmido, havendo quase totalidade do acerto do sinal da anomalia
ocorrida, sendo esse um resultado muito importante. Já a previsão para o ano seco
apresentou maiores diferenças entre valor previsto e real, superestimando-o na maioria dos
casos.
132
Tabela 4.14: Previsão da anomalia de precipitação (mm) da quadra chuvosa no BM
utilizando o índice de anomalia de TSM para ano seco (1983) e úmido (1977)-conforme
IAC.
Mês
previsto
ATSM
usado
Diferença entre
anomalia
prevista e real
(mm)
Sinal da
anomalia*
Mês
previsto
ATSM
usado
D
iferença
entre
anomalia
prevista e
real (mm)
Sinal da
anomalia*
Abr mai -0,170 A abr mai -1,195 A
Abr jun -0,145 A abr jun -1,182 A
Abr jul -0,100 A abr jul -1,228 A
Mai abr 3,152 E
mai abr -0,949 A
Mai
j
un
3,158
E
mai jun -0,916 A
mai jul 3,148 A
mai
jul
-
0,961
E
jun abr 1,149 E
jun abr -1,131 A
jun
m
ai
1,169
E
jun mai -0,978 A
jun jul 1,197 E
jun jul -1,162 A
jul
a
br
0,833
E
jul abr -0,899 A
jul mai 0,847 E
jul mai -0,803 A
jul jun 0,874 E
jul jun -0,816 A
*E = erro e A = acerto
4.2.3.2 Médio Mundaú
Tabela 4.15: Valor do coeficiente de determinação, correlação e percentual de
determinação (r
2
) entre anomalias de precipitação (mm) da quadra chuvosa no MM e quatro
índices climáticos.
Índices Ano
Coeficiente de
correlação
Coeficiente de
determinação r
2
(%)
IME seco 0,652* 0,4263 42,63
úmido 0,387 0,1504 15,04
IOS seco 0,307 0,0944 9,44
úmido 0,309 0,0957 9,57
ODP seco 0,223 0,050 5,0
úmido 0,296 0,0878 8,78
TSM seco 0,435 0,19 19,0
úmido 0,18 0,0324 3,24
* Melhor valor significativo de acordo com o teste de t-Student.
133
A partir do teste de significância t-Student para a amostra acima (Tabela 4.15), as
correlações consideradas significativas devem apresentar coeficiente de correlação maior
ou igual a 0,49. Desse modo, só pode considerada significativa a correlação do IME para o
ano seco (r = 0,652), apesar de que a previsão para o ano úmido apresentou bons resultados
(r = 0,387). Conclui-se que o IME pode explicar 42,63% das chuvas da quadra chuvosa do
MM em ano seco.
A previsão de anomalia de precipitação com IME foi melhor para o ano seco, pois as
diferenças foram menores. Para o ano úmido, as previsões também foram muito boas, mas
de acordo com o teste de significância não é confiável. Em ambos os casos, o modelo teve
75% de acerto para todos os meses testados o sinal da anomalia, podendo ser gerada
previsão (Tabela 4.16).
Durante o ano seco, por exemplo, pode-se prever a anomalia de precipitação da
quadra chuvosa com antecedência e superestimada em 0,106 mm acima do real. Essa
informação é importante para os setores de gestão dos recursos hídricos, principalmente
por se tratar de um ano seco.
Tabela 4.16: Previsão da anomalia de precipitação (mm) da quadra chuvosa no MM
utilizando o índice de IME para ano seco (1957) e úmido (1978)-conforme IAC.
Mês
previsto
IME
usado
Diferença
entre
anomalia
prevista e
real (mm)
Sinal da
anomalia*
Mês
previsto
IME
usado
Diferença entre
anomalia
prevista e real (mm)
Sinal da
anomalia*
Abr mai 0,292 A abr mai -0,552 A
Abr jun 0,1999 A abr jun -0,463 A
Abr jul 0,106 A abr jul -0,484 A
Mai abr -0,871 A mai abr -0,41 A
Mai jun -0,876 A
mai jun -0,502 E
Mai jul -0,931 A
mai jul -0,4579 E
Jun
abr
-
1,09
E
jun
abr
-
1,172
E
Jun mai -1,138 E
jun mai -1,095 A
Jun jul -1,218 E
jun jul -1,064 A
Jul abr -1,6647 A
jul
abr
0,2478
E
Jul mai -1,599 A jul mai 0,221 A
Jul jun -1,605 A jul jun 0,1995 A
*E = erro e A = acerto
134
4.2.3.3 Alto Mundaú
Tabela 4.17: Valor do coeficiente de determinação, correlação e percentual de
determinação (r
2
) entre anomalias de precipitação (mm) da quadra chuvosa no AM e quatro
índices climáticos.
Índices Ano
Coeficiente de
correlação
Coeficiente de
determinação r
2
(%)
IME seco - 0,577 0,334 33,4
úmido 0,498 0,2486 24,86
IOS seco - 0,203 0,0416 4,16
úmido 0,052 0,0028 0,28
ODP seco - 0,467 0,2183 21,83
úmido 0,596 0,3561 35,61
TSM
seco - 0,111 0,0125 1,25
úmido 0,724* 0,5251 52,51
* Melhor valor significativo de acordo com o teste de t-Student.
As correlações com valores maiores que 0,37 são significativas, segundo o teste t-
Student aplicado à amostra. Em ano seco, verifica-se que o IME não pode ser usado como
previsor e os outros índices apresentaram correlações negativas entre o valor real e o valor
previsto, ou seja, há relação inversa entre eles. Enfim, a quadra chuvosa do ano seco no AM
não possui um modelo previsor adequado (Tabela 4.17).
No AM, em ano úmido, as anomalias de TSM, explicam 52,51% (r = 0,724) das
chuvas da quadra chuvosa, mostrando a maior influência do Atlântico nessa época. As
previsões usando TSM são mostradas na Tabela 4.18:
135
Tabela 4.18: Previsão da anomalia de precipitação (mm) da quadra chuvosa no AM
utilizando o índice de TSM para ano úmido (1985)-conforme IAC.
Mês
previsto
TSM
Usado
Diferença entre anomalia
prevista e real (mm) Sinal da anomalia*
mar Abr 1,44542 A
mar mai 1,455 A
mar jun 1,532 A
mar jul 1,4544 A
abr mar 3,614 A
abr mai 3,655 A
abr jun 3,4783 A
abr jul 3,596 A
mai mar -1,401 A
mai abr -1,47 A
mai jun -1,47 E
mai jul -1,46 A
jun mar 0,613 A
jun abr 0,638 A
jun mai 0,683 A
jun jul 0,59009 A
jul mar 0,5863 A
jul abr 0,5756 A
jul mai 0,5888 A
jul jun 0,609 A
*E = erro e A = acerto
As melhores previsões foram feitas para os meses de junho e julho com as menores
diferenças entre previsto e real, ou seja, 40% da previsão testada apresentou diferença em
relação ao real, menor que uma unidade (Tabela 4.2.18). As maiores diferenças ocorreram
para abril e os únicos valores subestimados foram os previstos para maio. Quase que na
totalidade de 100% das previsões as equações previsoras acertaram o sinal (+) ou (-) da
anomalia gerando resultados muito bons.
4.2.4 Regressão linear para previsão da anomalia de precipitação durante a
quadra seca
4.2.4.1 Baixo Mundaú
Aplicando o teste de significância t-Student para a amostra, foram considerados
significativos os valores de coeficiente de correlação maiores que 0,49. Isso tornou todos os
136
índices inadequados para a previsão de anomalias de precipitação no BM em ano seco
sendo IME o mais próximo desse valor (r = 0,443). Para o ano úmido o melhor índice
previsor foi o de ODP, onde r = 0,631. Para a quadra seca, em ano úmido, o índice de ODP,
ou seja, a variabilidade do Oceano Pacífico no sentido Norte-Sul explicou até 39,9% das
anomalias de precipitação locais (Tabela 4.19).
Tabela 4.19: Valor do coeficiente de determinação, correlação e percentual de
determinação (r
2
) entre anomalias de precipitação (mm) da quadra seca no BM e quatro
índices climáticos.
Índices Ano
Coeficiente de
correlação
Coeficiente de
determinação r
2
(%)
IME seco 0,443 0,197 19,7
úmido 0,427 0,183 18,3
IOS seco 0,403 0,1626 16,26
úmido 0,423 0,1791 17,91
ODP
seco 0,13 0,017 1,7
úmido 0,631* 0,399 39,9
TSM
seco 0,334 0,112 11,2
úmido 0,571 0,327 32,7
* Melhor valor significativo de acordo com o teste de t-Student.
Na Tabela 4.20, foi mostrada a previsão das anomalias de precipitação para o ano
úmido de 1977 no BM utilizando o índice de ODP. Para essa amostra, 75% dos valores
previstos apresentaram bons resultados, de novembro a janeiro, com acertos do sinal das
anomalias em 25% dos casos se considerado todos os meses do ano.
Merecem atenção as precipitações de dezembro e janeiro. As diferenças entre valores
previstos e reais foram mínimas, tendo o modelo acertado também o sinal da anomalia
(Tabela 4.20). Como tais meses, estão dentro da quadra seca, o fato ganha mais méritos,
pois tanto a população como órgãos gestores podem planejar suas atividades com
antecedência justamente no período crítico na ímpar área do CELMM (Baixo Mundaú).
137
Tabela 4.20: Previsão da anomalia de precipitação (mm) da quadra seca no BM utilizando
o índice ODP para ano úmido (1977)-conforme IAC.
*E = erro e A = acerto
4.2.4.2 Médio Mundaú
Os valores de coeficiente de correlação confiáveis para tornarem-se modelos de
previsão devem ser maiores que 0,49 (teste de t-Student); no entanto, tanto em ano seco
quanto úmido, os índices não resultaram em bons modelos de previsão. As melhores
previsões para o MM foram através do índice da ODP (Tabela 4.21).
Tabela 4.21: Valor do coeficiente de determinação, correlação e percentual de
determinação (r
2
) entre anomalias de precipitação (mm) da quadra seca no MM e quatro
índices climáticos.
Índices Ano
Coeficiente de
correlação
Coeficiente de
determinação r
2
(%)
IME
seco
-
0,644
-
0,416
41,6
úmido -0,137 0,019 1,9
IOS
seco
-
0,443
-
0,197
19,7
úmido
-
0,135
0,0184
1,84
ODP seco 0,238 0,057 5,7
úmido 0,11 0,0123 1,23
TSM seco -0,151 0,023 2,3
úmido -0,443 0,197 19,7
Mês
previsto
ODP
usado
Diferença entre anomalia
prevista e real (mm)
Sinal da
anomalia*
Out
nov
1,316931 A
Out
dez
1,325905 A
Out jan 1,376135 E
Nov out
-0,64539 A
Nov dez
-0,65445 A
Nov
jan
-0,53222 A
Dez out
0,004846 A
Dez
nov
0,00648 A
Dez
dez
0,00372 A
Jan out
0,063152 A
Jan nov
0,0937 A
Jan dez
0,097978 A
* Melhor valor significativo de acordo com o teste de t-Student.
138
Primeiramente, de acordo com o teste de t-Student, as correlações que tornaram o
índice de ODP como previsor, não foram significativas. O modelo de previsão para o MM
utilizando ODP não apresentou boas correlações, ficando isso explícito na coluna da
diferença entre anomalias previstas e reais (Tabela 4.22). Entretanto, as diferenças entre
anomalia prevista e real não ultrapassaram uma unidade, em ambos anos. Já a previsão do
sinal de anomalia foi de aproximadamente 50% para os dois casos, valor não razoável.
Tabela 4.22: Previsão da anomalia de precipitação da quadra seca no MM utilizando o
índice da ODP para ano seco (1957) e ano úmido (1978)-conforme IAC.
Mês
previsto
ODP
usado
Diferença entre
anomalia
prevista e real
(mm)
Sinal da
anomalia*
Mês
previsto
ODP
usado
Diferença entre
anomalia prevista
e real (mm)
Sinal da
anomalia*
Out nov -0,87432 E
out nov 0,333 A
Out dez -0,8207 A
out dez 0,433 E
Out jan -0,75566 A
out jan 0,4432 E
Nov out -1,38865 E
nov out 0,38 A
Nov dez -0,83804 A
nov dez 0,48 E
Nov jan -0,91531 E
nov jan 0,45203 A
Dez
out
-
0,9972
E
dez out 0,9376 A
Dez nov -0,86327 E
dez nov 0,9424 A
Dez dez -0,73462 A dez dez 0,9124 A
Jan out -0,4107 A
jan out 0,244 E
Jan nov -0,56664 A
jan
nov
0,261
E
Jan
dez
-
0,61154
E
jan dez 0,2014 A
*E = erro e A = acerto
4.2.4.3 Alto Mundaú
Na quadra seca do AM somente no ano úmido as correlações entre anomalia de
precipitação e índices climáticos foram significativas e maiores que 0,49 (teste de t-
Student). O melhor modelo de previsão utiliza o IME o qual explica somente 40,5% das
chuvas. No ano seco não há correlações entre esses valores ou são insignificantes (Tabela
4.23).
139
Tabela 4.23: Valor do coeficiente de determinação, correlação e percentual de
determinação (r
2
) entre anomalias de precipitação (mm) da quadra seca no AM e quatro
índices climáticos.
Índices Ano
Coeficiente de
correlação
Coeficiente de
determinação r
2
(%)
IME
seco
0
0
0
úmido 0,636* 0,405 40,5
IOS seco 0,187 0,035 3,5
úmido
0,365
0,1335
13,35
ODP seco 0,104 0,011 1,1
úmido 0,578 0,335 33,5
TSM
seco
0,3
0,09
9,0
úmido 0,341 0,1166 11,66
* Melhor valor significativo de acordo com o teste de t-Student.
Tabela 4.24: Previsão da anomalia de precipitação (mm) da quadra seca no AM utilizando
o índice IME para ano úmido (1985)-conforme IAC.
Mês
previsto
IME
usado
Diferença entre valor
previsto e real (mm)
Sinal de
anomalia*
Set
Jul/ago -0,70843 A
Set
Set/out -0,70126 A
Set
Out/nov -0,72809 A
Out
Jul/ago -0,27579 A
Out Ago/set -0,30022 E
Out Out/nov -0,307 E
Nov
Jul/ago -0,56663 A
Nov
Ago/set
-
0,57436
E
Nov Set/out -0,59088 E
Dez
Jul/ago -0,61997
A
Dez
Ago/set -0,65613 A
Dez
Set/out -0,65979 A
*E = erro e A = acerto
O IME foi satisfatório como previsor para anomalia de precipitação no AM
conforme mostrado na Tabela 4.24. Além de seus valores previstos não ultrapassarem uma
unidade para anomalias, as equações preveram com 75% de acerto para o sinal da anomalia
de chuva.
140
4.2.5 Regressão não-linear para previsão da anomalia de precipitação durante a
quadra chuvosa
4.2.5.1 Baixo Mundaú
Para o BM, também foram geradas funções não lineares (inversa, quadrática e cúbica)
entre os índices previsores (IME, IOS, anomalia de TSM do Atlântico Sul e ODP) e as
anomalias de precipitação durante a quadra chuvosa do BM. Os valores encontrados estão
na Tabela 4.25:
Tabela 4.25: Valores de percentagem do coeficiente de determinação (r
2
) e do coeficiente
de correlação (R) entre anomalia de precipitação (mm) no BM durante a quadra chuvosa
em 1977 (ano úmido) e 1983 (ano seco)-conforme IAC, respectivamente.
Função R r
2
Função R r
2
(%)
Inversa 0,063 0,004 Inversa 0,306 9,4
Quadrática 0,58* 0,337
Quadrática 0,008 0,007
Cúbica 0,104 0,011 Cúbica 0,223 5,0
* Melhor valor significativo de acordo com o teste de t-Student.
Para essa amostra, as correlações (R) significativas e confiáveis devem ter valores
iguais ou maiores que 0,49, levando a indicar como melhor previsor a função quadrática da
quadra chuvosa do ano úmido de 1977 (R = 0,58). Através da função quadrática, pode-se
explicar 33,7% das anomalias de chuva da quadra chuvosa do BM, em 1977. Analisando os
resultados (Tabela 4.26) e apesar dos 66,7% de acerto no sinal da anomalia, sugere-se nesse
caso, que o modelo de previsão não seja usado, devido à grande diferença entre anomalia
prevista e real.
R- o coeficiente de correlação, antes denominado por (r) nas regressões lineares; no entanto nas
funções inversas, quadrática e cúbica é denominado por R.
141
Tabela 4.26: Previsão de anomalia de precipitação do BM feita através de equações não-
linear (quadrática) para a quadra chuvosa do BM em 1977 (ano úmido)-conforme IAC.
Mês
previsto
Índice
usado
Diferença entre
anomalia
prevista e real (mm)
Sinal da
anomalia*
abr ODP mai 11,25381 A
abr ODP jun 11,33729 E
abr TSM jul 11,20198 A
mai ODP abr -372,752 A
mai TSM abr -372,573 A
Mai TSM jun -372,737 A
Jun TSM abr -120,511 A
Jun TSM mai -120,632 A
Jun ODP jul -120,736 A
Jul
TSM abr
-
102,917
E
Jul TSM mai -102,879 E
Jul
TSM jun
-
102,977
E
*E = erro e A = acerto
4.2.5.2 Médio Mundaú
Na Tabela 4.27 estão os valores dos coeficeientes de determinação (r
2
) em
percentagem que o mesmo explica a anomalia de chuva ao qual se correlaciona, e o
coeficiente de correlação entre anomalia de chuva no MM e os índíces climáticos (IME,
IOS, anomalia de TSM do Atlântico Sul e ODP).
Como o teste t-Student considera para a amostra como significativas as correlações
com coeficientes (r) acima ou iguais a 0,49, para o MM, não houve um modelo satisfatório
para previsões de anomalias de precipitação para sua quadra chuvosa a partir de equações
não-lineares. Sugere-se utilizar o modelo de equações lineares.
Tabela 4.27: Valores de percentagem do coeficiente de determinação (r
2
) e coeficiente de
correlação (R) entre anomalia de precipitação (mm) no MM durante a quadra chuvosa em
1957 (ano seco) e 1978 (ano chuvoso)-conforme IAC, respectivamente.
Função R r
2
(%) Função R r
2
(%)
Inversa 0,20 4,4 Inversa 0 0
Quadrática 0,06 0,004 Quadrática 0,246 6,1
Cúbica 0,03 0,1 Cúbica 0,258 6,7
142
4.2.5.3 Alto Mundaú
Foram geradas funções não lineares (inversa, quadrática e cúbica) entre os índices
previsores (IME, IOS, anomalia de TSM do Atlântico Sul e ODP) e as anomalias de
precipitação durante a quadra chuvosa do AM. Os valores encontrados estão na Tabela
4.28:
Tabela 4.28: Valores de percentagem do coeficiente de determinação (r
2
) e coeficiente de
correlação (R) entre anomalia de precipitação (mm) no AM durante a quadra chuvosa em
1975 (ano úmido) e 1979 (ano seco), respectivamente.
Função R r
2
(%) Função R r
2
(%)
Inversa 0,88* 79,1
Inversa 0,23 5,3
Quadrática 0,32 10,8 Quadrática 0,003 0,001
Cúbica 0,33 11,5 Cúbica 0,003 0,001
* Melhor valor significativo de acordo com o teste de t-Student.
Após a aplicação do teste de significância somente a função inversa durante a quadra
chuvosa do ano úmido (1975) pode ser considerada como um possível modelo previsor de
anomalia de precipitação. O teste considerou significativo somente os coeficientes de
correlação (R) acima ou iguais a 0,3757, resultando na exclusão das outras funções como
previsoras. Através das funções inversas, explica-se 79% das chuvas da quadra chuvosa do
AM em ano úmido.
Mesmo usando uma função tida como confiável pelo teste t-Student, os valores
previstos foram muito diferentes dos reais (Tabela 4.29). Sugere-se nesse caso que a
mesma não seja usada.
143
Tabela 4.29: Previsão feita através de equações não-linear (inversa) para a quadra chuvosa
do AM em ano úmido (1957)-conforme IAC.
Mês
previsto
Índice
usado
Diferença entre
anomalia
prevista e real (mm)
Sinal da
anomalia*
mar ODP abr -16,3695 E
mar ATSM mai -16,3478 E
mar ATSM jun -16,3499 E
mar IME jun/jul -16,3536 E
abr ODP mai -16,3540 E
abr ATSM jun -43,4669 A
abr ATSM jun -43,4645 A
abr IME jun/jul -43,4543 A
mai ODP jun -114,002 E
mai ATSM mai -113,476 A
mai ATSM jun -114 E
mai IME jun/jul -114 E
jun ODP jul -83,98 E
jun ATSM mai -83,9975 E
jun ATSM mar -83,9795 A
jun IME jul/ago -83,9815 A
jul ODP mar -144,68 E
jul ATSM mai -144,693 E
jul ATSM abr -144,678 A
jul IME jun/jul -144,679 A
*E = erro e A = acerto
4.2.6 Regressão não-linear para previsão da anomalia de precipitação durante a
quadra seca
4.2.6.1 Baixo Mundaú
Para a quadra seca do ano úmido no BM, todas as funções não-lineares apresentaram
bons resultados do coeficiente de correlação acima do mínimo exigido pelo teste de
significância (r = 0,49).
144
Tabela 4.30: Valores de percentual do coeficiente de determinação (r
2
) e coeficiente de
correlação (R) entre anomalia de precipitação (mm) no BM durante a quadra seca em 1977
(ano úmido) e 1983 (ano seco)-conforme IAC, respectivamente.
Função R r
2
(%) Função R r
2
(%)
Inversa 0,628 39,5
Inversa 0,39 15,6
Quadrática 0,599
35,9 Quadrática 0,238 5,7
Cúbica 0,592
35,1 Cúbica 0,19 3,8
* Melhor valor significativo de acordo com o teste de t-Student (nível de 95%).
Os valores de r
2
para o ano de 1977 (coluna 3) apresentaram maiores que os de 1983
(coluna 6). A previsão das anomalias de precipitação para a quadra seca do ano úmido no
BM na função inversa está na Tabela 4.31. As funções quadrática e cúbica na Tabela 4.32.
Tabela 4.31: Previsão de anomalia de precipitação do BM feita através de funções inversas
para a quadra seca do BM em 1977 (ano úmido)-conforme IAC.
Mês
previsto
Índice
usado
Diferença entre
anomalia prevista e
real (mm)
Sinal da
anomalia*
out TSM nov -1,33242 A
out ODP dez -1,31847 A
out TSM jan -1,335 A
nov TSM out 0,818567 E
nov ODP dez 0,772083 E
nov IOS jan -0,10591 A
dez IME set/out -0,00584 A
dez IME outnov -0,00591 A
dez ODP jan -0,00579 A
jan IME setout -0,22139 A
jan ODP nov -0,20079 A
jan ODP dez -0,24563 A
*E = erro e A = acerto
145
Tabela 4.32: Previsão de anomalia de precipitação (mm) feita através de equações
quadrática e cúbica para a quadra seca do BM em 1977-conforme IAC (ano úmido).
Mês
previsto
Índice
usado
Diferença
entre
anomalia
prevista e real
(mm)
Sinal da
anomalia*
Mês
previsto
Índice
usado
Diferença entre
anomalia
prevista e real
(mm)
Sinal da
anomalia*
Out tsm nov -1,38375 A out tsm nov -1,39669 E
Out odp dez -1,48975 E out odp dez -1,55594 E
Out
tsm jan
-
1,36252
E
out
tsm jan
-
1,24205
A
Nov tsm out 0,946139 E nov tsm out 0,92516 E
Nov odp dez 0,564377 A nov odp dez 0,602737 A
Nov
ios jan
-
0,10225
A
nov
ios jan
-
0,10219
A
dez ime setout
-0,00243 A dez imesetout -0,00213 A
dez imeoutnov
-0,00263 A dez imeoutnov -0,00204 A
dez
odp jan
-
0,00298
A
dez
odp jan
-
0,00041
A
jan ime setout
-0,33574 E jan ime setout -0,14788 A
jan odp nov -0,30509 E jan odp nov -0,36608 E
jan
odp dez
-
0,31
604
E
jan
odp dez
-
0,46285
E
*E = erro e A = acerto
Os resultados de previsões de anomalias de precipitação para quadra seca no BM
(Tabela 4.32) foram excelentes, pois as diferenças aproximaram-se de uma unidade e os
acertos do sinal da anomalia aproximaram-se de 84%. As funções quadrática e cúbica,
também obtiveram bons resultados para o ano úmido, no entanto, ocorreram erros de sinal
da anomalia. A percentagem de acertos desse modelo foi de 83%, considerado bom.
4.2.6.2 Médio Mundaú
Como ocorrido também para a quadra chuvosa no MM, não obteve-se um modelo
confiável para previsões de anomalias de precipitação a partir de funções não-lineares. O
coeficiente de correlação da função cúbica para o ano seco de 1957, R = 0,478, apresentou
valor próximo ao ideal sugerido pelo teste t-Student (0,49). A função cúbica do ano seco
(Tabela 4.33) explicou 22,9% das chuvas da quadra seca (valor baixo).
146
Tabela 4.33: Valores de percentagem do coeficiente de determinação (r
2
) e do coeficiente
de correlação (R) entre anomalia de precipitação (mm) no MM durante a quadra seca em
1957 (ano seco) e 1978 (ano úmido)-conforme IAC, respectivamente.
Função R r
2
(%) Função R r
2
(%)
Inversa 0,189 3,6 Inversa 0,34 11,6
Quadrática 0,192 3,7 Quadrática 0,161 2,6
Cúbica 0,478 22,9
Cúbica 0,173 3,0
* Melhor valor significativo de acordo com o teste de t-Student.
Na previsão apresentada na Tabela 4.34, o modelo não gerou bons resultados,
distantes dos valores reais, explicado até mesmo pelo fato da correlação não ser a mínima
significativa; contudo, obteve 66,67% de acerto do sinal da anomalia de chuva para quadra
seca do ano seco.
Tabela 4.34: Previsão de anomalia de precipitação do MM feita através de equações não-
linear (cúbica) para a quadra seca em 1957 (ano seco)-conforme IAC.
Mês
previsto
Índice
usado
Diferença entre anomalia
prevista e real (mm)
Sinal
da anomalia*
out ODP nov 41,30123 A
out ODP dez 41,3816 A
Out ODP jan 41,54301 E
nov ODP out 24,14527 E
nov ODP dez 23,90741 A
nov IOS jan 24,11373 E
dez TSM out 37,87732 A
dez TSM nov 38,40657 A
dez ODP jan 38,01616 A
Jan TSM out -23,6812 E
jan ODP nov -23,3116 A
jan ODP dez -22,6451 A
*E = erro e A = acerto
147
4.2.6.3 Alto Mundaú
Para o AM, na quadra seca, não foi observada nenhuma função não-linear que
pudesse servir seguramente como modelo previsor de anomalia de precipitação, pois o teste
t-Student sugere o valor mínimo de r = 0,49 (Tabela 4.35).
Tabela 4.35: Valores de percentagem do coeficiente de determinação (r
2
) e do coeficiente
de correlação (R) entre anomalia de precipitação (mm) no AM durante a quadra seca em
1985 (ano úmido) e 1990 (ano seco)-conforme IAC, respectivamente.
Função R r
2
(%) Função R r
2
(%)
Inversa 0,03 0,1 Inversa 0,206 20,6
Quadrática 0,23 5,3 Quadrática 0,286 8,2
Cúbica 0,158 2,5 Cúbica 0,173 3,0
148
4.3 ANÁLISE AGROECONÔMICA DE DADOS DA PRODUÇÃO AGRÍCOLA DA
BACIA HIDROGRÁFICA DO RIO MUNDAÚ
Os maiores valores de área média plantada de cana-de-açúcar em hectares (Figura
4.24) estão presentes no Baixo Mundaú, principalmente nos municípios de Rio Largo,
Atalaia, Capela e região metropolitana de Maceió. Já em Santa Luzia do Norte, Satuba e
Coqueiro Seco, a área média plantada foi inferior a 25 mil hectares (lê-se daqui para frente
mil ha). O valor máximo para essa sub-região foi cerca de 23 mil ha em Rio Largo.
Figura 4.24: Área média plantada de cana-de-açúcar (mil ha) por municípios da bacia
hidrográfica do rio Mundaú no período de 1990-2005 (Fonte de dados: site do IBGE).
Legenda:
Localidades do BM : 1-Atalaia; 2- Capela; 3- Coqueiro Seco; 4- Satuba ; 5- Maceió;
6- Messias; 7- Pilar; 8- Rio Largo. Localidades do MM : 9- Santa Luzia do Norte;
10- Santana do Mundaú; 11- São José da Laje; 12- Ibateguara; 13- Chã Preta; 14-
Branquinha; 15- União dos Palmares. Localidades do AM : 16- Garanhuns; 17-
Canhotinho; 18- Palmeirina.
Os máximos valores de área média plantada de cana-de-açúcar para o Médio
Mundaú, atingiram a quantidade próxima de 13 mil ha, e a área de cana-de-açúcar colhida
no AM foi a menor observada em toda a bacia, com média menor que 3 mil ha de área
plantada.
149
Esse fato se explica por Alagoas ser umas das regiões de maior produção de cana-de-
açúcar do país, onde tal atividade é mais intensa na mata alagoana, abrangendo a parte
baixa da bacia, e se extende até a parte média da bacia, onde a produção diminuiu.
Figura 4.25: Área média plantada de cana-de-açúcar (mil ha) na bacia hidrográfica do
rio Mundaú no período de 1990-2005 (Fonte de dados: site do IBGE).
As áreas médias plantadas de cana-de-açúcar para cada sub-região da bacia
hidrográfica do rio Mundaú são mostradas na Figura 4.25. O BM apresentou os maiores
valores de área média plantada de cana-de-açúcar seguido pelo MM. Já no AM, a cultura
não é a principal da sub-região, apresentando portanto, menores valores.
Os valores para o BM oscilaram entre o mínimo de 5 mil e máximo de 11 mil ha de
área plantada. No MM, entre 4700 e 8800 ha, e no AM entre 800 e 2500 ha. Observou-se,
nas duas primeiras sub-regiões, que houve uma queda na área média plantada de cana-de-
açúcar entre 1992/93, sendo um dos possíveis fatores, um evento de EN, o qual tornou-se
forte neste período. Outros picos de mínimos valores ocorreram no BM em 1996 e 2003
(anos normais), e no MM em 2002 (EN).
Os máximos valores observados no BM, entre 1999 e 2002, se explica pela atuação
de um evento de La Ninã/ano normal somado a um melhor desempenho do setor no
período. Já no AM, os valores permaneceram praticamente os mesmos ao longo da série,
exceto em 1995, que foi um ano de transição de El Niño para La Niña, e 2001, ano normal
antecedecido por LN e seguido por EN. Nestes anos, houve um pequeno incremento nos
BM
MM
AM
EN
LN
150
valores de área média plantada de cana-de-açúcar devido à variabilidade climátic,a
interferindo na produção agrícola.
Tabela 4.36: Valor médio, desvio-padrão e correlação da área média plantada de cana-de-
açúcar em cada sub-região da bacia hidrográfica do rio Mundaú. (Fonte de dados: site do
IBGE).
Sub-região Média (ha)
Desvio-
padrão
Correlação
entre sub-
regiões BM MM AM
BM 8453,28
1296,131
BM
1 0,688 0,309
MM
6298,96 1004,677
MM 0,688
1 0,645
AM
1017,04 579,6529
AM
0,309 0,645 1
A área média plantada de cana-de-açúcar foi maior na sub-região do Baixo Mundaú,
pelo fato da Zona da Mata alagoana ser uma das principais áreas produtoras dessa cultura
no país. O valor médio da variável em análise foi de aproximadamente 8453 hectares no
BM, seguido pelo MM com 6298 hectares e por fim, o AM apresentou o valor médio de
1017 hectares de área média de cana-de-açúcar plantada. Os valores das sub-regiões do BM
e MM correlacionaram-se em 68,8% (Tabela 4.36), mostrando configurações semelhantes
no comportamento temporal dos dados.
Os valores de área média colhida de cana-de-açúcar (Figura 4.26) são coerentes com
a configuração observada no comportamento de área média plantada (Figura 4.24). No
entanto, as perdas de produção existiram, ainda que mínimas, tendo como exemplo o
município de Rio Largo, onde a área média plantada foi de aproximadamente 24 mil ha e a
área média colhida de 23 mil ha.
151
Figura 4.26: Área média colhida de cana-de-açúcar (mil ha) na bacia hidrográfica do
rio Mundaú no período de 1990-2005. (Fonte de dados: site do IBGE).
Legenda:
Localidades do BM : 1- Atalaia; 2- Satuba; 3- Capela; 4- Coqueiro Seco; 5- Maceió;
6- Messias; 7- Pilar; 8- Rio Largo; 9- Santa Luzia do Norte. Localidades do MM :
10- Santana do Mundaú; 11- São José da Laje; 12- Ibateguara; 13- Chã Preta; 14-
Branquinha; 15- União dos Palmares. Localidades do AM : 16- Garanhuns; 17-
Correntes; 18- Canhotinho; 19- São João; 20- Palmerina.
A área média colhida de cana-de-açúcar em cada sub-região é mostrada na Figura
4.27 Os valores para o BM foram próximos do observado para a área plantada (Figura 4.25)
considerando assim, que as perdas na sub-região foram pequenas.
Já as perdas para as outras sub-regiões foram maiores, chegando ao máximo de 1800
ha no AM e de 2700 ha no MM, no início do período observado. O AM perdeu em média
557 mil ha de cana-de-açúcar e 409 mil ha para o MM, enquanto o BM perdeu em média
109 mil hectares.
Ao longo da série (1990-2005) houve a predominância de eventos de EN. De 1990 a
1995, observou-se que os efeitos desse fenômeno dominou o clima, mesmo variando de
intensidade. O evento reapareçeu em 1997 e foi subsitituído por um LN que propicia
aumento nos valores de área média de cana-de-açúcar colhida.
152
Figura 4.27: Área média colhida de cana-de-açúcar (mil ha) na bacia hidrográfica do
rio Mundaú no período de 1990-2005. (Fonte de dados: site do IBGE).
Tabela 4.37: Valor médio, desvio-padrão e correlação da área média colhida de cana-de-
açúcar em cada sub-região da bacia hidrográfica do rio Mundaú (Fonte de dados: site do
IBGE).
Sub-região Média (ha)
Desvio-
padrão
Correlação entre
sub-regiões BM MM AM
BM 8344,68
1238,988
BM
1 -0,019 0,187
MM
5889,50 274,3298
MM
-0,019 1 0,78
AM
460,00 66,1481
AM
0,187
0,78
1
Novamente, houve o predomínio do BM em relação ao cultivo da cana-de-açúcar. A
sub-região colheu em média, para o período de 1990-2005, 8344 hectares de cana-de-
açúcar. Pouco abaixo disso, o MM apresentou o valor médio de 5889 hectares. No entanto,
os valores de área média colhida de cana-de-açúcar entre essas duas sub-regiões não se
correlacionaram, devido às perdas ao longo do período. O comportamento do MM foi
coerente com o do AM, resultando em correlação de 78% entre ambas (Tabela 4.37).
A Figura 4.28 mostra a média da produção de carvão vegetal em toneladas (tn) na
bacia hidrográfica do rio Mundaú. A produção de carvão vegetal no BM não atingiu o valor
de 50 toneladas em nenhum município. Este valor aumentou em algumas localidades do
MM e atingiu o valor máximo de 340 tn no AM, no município de Garanhuns, nas
cabeceiras do rio Mundaú.
BM
MM
AM
153
Figura 4.28: Quantidade média de carvão vegetal (tn) produzido na bacia hidrográfica
do rio Mundaú por localidade no período de 1990-2002 (Fonte de dados: site do
IBGE).
Legenda:
Localidades do BM : 1- Atalaia; 2- Capela; 3- Chã Preta; 4- Coqueiro Seco; 5-
Satuba; 6- Maceió; 7- Messias; 8- Pilar; 9- Rio Largo; 10- Santa Luzia do Norte.
Localidades do MM : 11- Santana do Mundaú; 12- São José da Laje; 13- Ibateguara;
14- Branquinha; 15- União dos Palmares. Localidades do AM : 16- Garanhuns; 17-
Angelim; 18- Brejão; 19- Caetés; 20- Calçado; 21- Canhotinho; 22- Capoeiras; 23-
Correntes; 24- Jucati; 25- Jupi; 26- Lagoa do Ouro; 27- Palmeirina; 28- São João.
Os resultados mostrados na Figura 4.28 foram ressaltados na Figura 4.29, onde ainda
observou-se que a produção de carvão diminuiu ao longo da série. Entre 1990-1993
ocorreram valores, de aproximadamente 45 a 90 tn de carvão no AM (período de EN). A
diminuição também ocorreu nas outras duas sub-regiões, e após 1993, continuou a reduzir a
quantidade do derivado.
Como o fato foi observado em toda a bacia, acredita-se não haver a influência direta
do clima, e sim, uma opção dos agricultores devido a fatores como mudança das práticas
agroeconômicas, encarecimento dos procedimentos, diminuição dos rendimentos etc.
154
Figura 4.29: Quantidade média de carvão vegetal (tn) produzido na bacia
hidrográfica do rio Mundaú no período de 1990-2002 (Fonte de dados: site do
IBGE).
De acordo com a Tabela 4.38, o AM produziu em média, 48,47 toneladas de carvão
vegetal, o MM, 21,58 toneladas e o BM pouco mais de 7 toneladas.
Tabela 4.38: Valor médio, desvio-padrão e correlação da quantidade de carvão vegetal
produzido em cada sub-região da bacia hidrográfica do rio Mundaú (Fonte de dados: site do
IBGE).
Sub-região Média (tn)
Desvio-
padrão
Correlação entre
sub-regiões BM MM AM
BM
7,1692 4,4993
BM
1 0,934
0,977
MM
21,58 16,8943
MM
0,934
1 0,914
AM 48,47
24,0136
AM
0,977
0,914 1
A produção de laranja na bacia do rio Mundaú se concentrou praticamente no MM
(Figuras 4.30 e 4.31). Nas outras sub-regiões os valores de produção de laranja são muito
pequenos, não ultrapassando 1 mil tn no BM e 3 mil tn no AM. Já no MM, por exemplo,
variou de 2 mil tn em Ibateguara e São José da Laje a 33 mil tn em Santana do Mundaú
(Figura 4.30).
AM
MM
BM
155
Figura 4.30: Produção média de laranja colhida (mil tn) na bacia hidrográfica do rio
Mundaú por localidade no período de 1990-2005 (Fonte de dados: site do IBGE).
Legenda:
Localidades do BM : 1- Atalaia; 2- Capela; 3- Maceió; 4- Pilar; 5- Rio Largo.
Localidades do MM : 6- Chã Preta; 7- Santana do Mundaú; 8- União dos Palmares;
9- Ibateguara; 10- São José da Laje. Localidades do AM : 11- Brejão; 12- Calçado;
13- Garanhuns; 14- Correntes; 15- Jupi; 16- Lagoa do Ouro; 17- Palmeirina; 18- São
João; 19- Terezinha.
Analisando a variabilidade temporal da produção de laranja (Figura 4.31), notou-se
que, no AM, de 1997 a 2001 os valores apresentaram um incremento significativo, sendo o
mesmo período o fim de um evento de EN, ocorrência de LN e posteriormente, um ano
normal, o que pode influenciar a produção agrícola positivamente.
Como afirmado anteriormente, a produção de laranja na bacia hidrográfica em estudo
se concentrou praticamente no MM, dados que atestaram a tradição local. Os menores
valores foram encontrados no BM, seguido pelo AM, onde a produção média não
ultrapassou três mil toneladas. Essas outras sub-regiões têm tradição no cultivo de cana-de-
açúcar e carvão vegetal, respectivamente.
156
Figura 4.31: Quantidade média de laranja colhida (mil tn) na bacia do rio Mundaú no
período de 1990-2005 (Fonte de dados: site do IBGE).
De acordo com a Tabela 4.39, a quantidade média de laranja colhida na sub-
região do MM (8534,66 tn) foi maior que nas outras regiões, chegando a ser 14 vezes
maior que do AM e 45 vezes maior que a produção de laranja do BM. Tal produção do
MM não apresentou correlação significativa com as outras sub-regiões, pois como
observou-se os comportamentos nas sub-regiões são diferentes.
Tabela 4.39: Valor médio, desvio-padrão e correlação da quantidade de laranja colhida
em cada sub-região da bacia hidrográfica do rio Mundaú (Fonte de dados: site do
IBGE).
Sub-região
Média (tn)
Desvio-
Padrão
Correlação
entre sub-
regiões BM MM AM
BM
190,11 178,8084
BM
1 0,55 0,223
MM 8534,66
10256,09
MM
0,55 1 -0,037
AM
584,89 410,7124
AM
0,223 -0,037
1
Os litros de leite produzidos em Alagoas e Pernambuco apresentaram
semelhanças na maior parte da série (Figura 4.32). Observou-se uma tendência de
aumento nessa produção, em ambos os Estados. Em algumas ocasiões, como de 1998 a
2000 (final de EN com predominância de LN), e de 2003 a 2004, a produção de leite
MM
AM
BM
LN
157
em Alagoas foi um pouco maior que no outro Estado. Já entre 2002/2003 e em meados
de 2005 a produção de leite foi maior em Pernambuco.
Figura 4.32: Litros de leite (mil litros) produzidos em Alagoas e Pernambuco no
período de 1997-2006 (Fonte de dados: site do IBGE).
A quantidade média de leite produzido em Alagoas foi maior que a de Pernambuco,
tendo uma diferença no valor médio de 9906 mil litros de leite. A correlação entre a
produção dos dois Estados foi de 82,9% (Tabela 4.40).
Tabela 4.40: Valor médio, desvio-padrão e correlação da quantidade de litros de leite
produzidos nos Estados que compõem a bacia hidrográfica do rio Mundaú (Fonte de dados:
site do IBGE).
Estados Média (litros)
Desvio-
padrão
Correlação
entre estados AL PE
AL 85581
1651,315
AL
1 0,829
PE
75675 2582,589
PE
0,829 1
As Figuras 4.33 e 4.34 mostram as médias da quantidade de mel produzido na bacia
hidrográfica do rio Mundaú. No BM, a maior produção foi observada em Maceió, com
aproximadamente 7 mil kg de mel. Nos outros municípios, a produção apresentou-se
menor. No MM, a produção variou entre 1 mil e 3 mil kg de mel, um pouco mais que no
AM, onde o município de Palmeirina atingiu o máximo de aproximadamente 3 mil tn, valor
também observado no MM (Figura 4.33).
158
Figura 4.33: Quantidade de mel (mil kg) produzida na bacia hidrográfica do rio
Mundaú por localidade no período de 1990 a 2004 (Fonte de dados: site do IBGE).
Legenda:
Localidades do BM :1- Coqueiro Seco; 2- Maceió; 3- Pilar; 4- Branquinha; 5- Satuba;
Localidades do MM : 6- Chã Preta; 7-
União dos Palmares; Localidades do AM :
8- Garanhuns; 9- Angelim; 10- Canhotinho; 11- Capoeiras; 12-Garanhuns; 13-
Palmeirina; 14- São João.
Quanto à produção de mel em cada sub-região (Figuras 4.34), foi evidente que a sub-
região do BM apresentou maior produção de mel de abelha, com uma média de 2 mil Kg
para o período de 1990 a 2004. O MM e AM mostraram valores próximos, com uma
pequena diferença de 300 Kg a mais para a primeira sub-região supracitada, podendo
verificar isto também na Tabela 4.41.
159
Figura 4.34: Média da quantidade de mel (Kg) produzida na bacia hidrográfica do rio
Mundaú no período de 1990 a 2004 (Fonte de dados: site do IBGE).
Tabela 4.41: Valor médio, desvio-padrão e correlação da média da quantidade de mel (kg)
produzidos em cada sub-região da bacia hidrográfica do rio Mundaú (Fonte de dados: site
do IBGE).
Sub-região
Média (kg)
Desvio-
padrão
Correlação
entre sub-
regiões BM MM AM
BM 2287,333
74,4819
BM
1 1 -1
MM
1811,667 202,2325
MM
1 1 -1
AM
394 5,6569
AM
-1 -1 1
A Figura 4.35 expõe a produção potencial e realizada de arroz nos Estados de
Alagoas e Pernambuco de 1996 a 2002. Para Alagoas, a produção potencial e realizada de
arroz foram maiores que as observadas no Estado de Pernambuco. A produção poderia ser
máxima (potencial) de 55 mil toneladas no ano de 2000, e entre 1999 e 2001, ter um
aumento muito significativo; no entanto; esse fato não ocorreu de tal maneira. A produção
nesses três anos citados variou de 33 mil a 41 mil toneladas de arroz, apresentando uma
perda potencial de até 14000 toneladas, apesar do aumento. Esse incremento na produção
pode ser explicado pelo fato de o período foi submetido a um LN, o qual produziu chuvas
nesta parte da bacia hidrográfica.
160
Figura 4.35: Produção potencial e realizada de arroz (mil tn) em Alagoas e Pernambuco
no período de 1996 a 2002. (Fonte de dados: site do IBGE).
Em Pernambuco, observou-se maiores valores de produção realizada em 1996
(transição de La Niña para ano normal), e produção potencial máxima em 1999, ainda
assim, a produção realizada para esse ano não apresentou-se como esperada, tendo somente
um leve aumento nos seus valores. A produção realizada em Alagoas oscilou entre 15 mil e
35 mil toneladas de arroz e em Pernambuco entre 17 mil e 21 mil toneladas (Figura 4.35).
As Tabelas 4.42 e 4.43 mostram valor médio, desvio e correlação da produção
potencial e realizada de arroz (tn) nos estados de Alagoas e Pernambuco, para o período de
1996 a 2002. Tanto na produção potencial quanto na produção realizada, os valores para
Alagoas foram os maiores. Para o período, 2648 tn, em média, deixaram de ser produzidas.
Ambas variáveis foram inversamente correlacionadas.
Tabela 4.42: Valor médio, desvio-padrão e correlação da média da produção potencial de
arroz produzidos nos Estados que compõem a bacia hidrográfica do rio Mundaú (Fonte de
dados: site do IBGE).
Estados Média (tn)
Desvio-
padrão
Correlação
entre estados
AL PE
AL 32639,14
11982,89
AL
1 -0,339
PE
17900,43 1917,619
PE
-0,339 1
AL
AL
PE
PE
Fim EN
161
Tabela 4.43: Valor médio, desvio-padrão e correlação da produção realizada de arroz
produzidos nos Estados que compõem a bacia hidrográfica do rio Mundaú (Fonte de dados:
site do IBGE).
Estados
Média (tn)
Desvio-
padrão
Correlação
entre estados
AL
PE
AL 29990,43
9262,5941
AL
1,000 -0,667
PE
17120,85 1750,2146
PE
-0,667 1,000
As perdas indicadas na Figura 4.36 são em relação à produção potencial, ou seja,
existia a possibilidade de atingir tal nível de produção e o mesmo não o foi feito gerando
uma “perda” até a pré-colheita.
Como induzido na Figura 4.35, as perdas de Alagoas deram-se entre os anos de 1999
e 2001 e no ano de 2002, chegando a ter 25% a menos de sua produção, e em Pernambuco,
nos anos de 1996 e 1999, com 4% e 14% a menos do esperado, respectivamente (Figura
4.36).
Figura 4.36: Perdas da produção até a pré-colheita de arroz (%) em Alagoas e
Pernambuco no período de 1996 a 2002 (Fonte de dados: site do IBGE).
O valor médio das perdas da produção do arroz em Alagoas foi de 2648 toneladas em
Alagoas e bem menor em Pernambuco, 779,57 toneladas. Isso foi resultado da maior
produção no primeiro Estado (Tabela 4.44), não havendo correlação linear entre ambas.
PE
(%)
AL (%)
162
Tabela 4.44: Valor médio, desvio-padrão e correlação das perdas da produção de arroz até a
pré-colheita nos Estados que compõem a bacia hidrográfica do rio Mundaú no período de
1996 a 2002 (Fonte de dados: site do IBGE).
Estados
Média (tn)
Desvio-
padrão
Correlação
entre estados
AL
PE
AL 2648,71
5119,2307
AL
1,000 0,172
PE
779,57 944,6816
PE
0,172 1,000
Em relação à produção da cultura de feijão (Figura 4.37), no estado de Pernambuco
apresentou-se maior que em Alagoas. Em Pernambuco, o potencial de produção de feijão
teve mínimo valor de 63 mil toneladas em 1998 (fim de EN para LN) e máximo de
aproximadamente 18 mil toneladas em 1996 (fim de LN para ano normal). O aumento
expressivo no ano de 2000 (ano de La Niña) fez o Estado voltar a gerar rendimentos no
setor.
Figura 4.37: Produção potencial e realizada de feijão (mil tn) em Alagoas e
Pernambuco no período de 1996 a 2002. (Fonte de dados: site do IBGE).
A produção média de feijão (predominante em Pernambuco) foi muito maior que a de
arroz (predominante em Alagoas). Em Pernambuco, no período, poderia ser colhido, em
média 114535 tn de feijão, ao passo que em Alagoas a média foi de 46893 tn. No entanto,
foi produzido em Alagoas, em média, 5627 tn a menos do possível, em Pernambuco, 33688
tn (Tabelas 4.45 e 4.46).
PE
PE
AL
AL
LN
163
Tabela 4.45: Valor médio, desvio-padrão e correlação da produção potencial de feijão nos
Estados que compõem a bacia hidrográfica do rio Mundaú no período de 1996 a 2002
(Fonte de dados: site do IBGE).
Estados Média (tn)
Desvio-
padrão
Correlação
entre estados AL PE
AL
46893,57 7617,747
AL
1 0,765
PE 114535,00
39384,49
PE
0,765 1
Tabela 4.46: Valor médio, desvio-padrão e correlação da produção realizada de feijão nos
Estados que compõem a bacia hidrográfica do rio Mundaú no período de 1996 a 2002
(Fonte de dados: site do IBGE).
Estados
Média (tn)
Desvio-
padrão
Correlação
entre estados AL PE
AL
41266,28 7442,3796
AL
1,000 0,360
PE 80846,57
45867,3001
PE
0,360 1,000
Em Alagoas, a produção potencial e realizada de feijão foram muito próximas, com
exceção no ano de 1996, quando as perdas potenciais chegaram a 30% até a pré-colheita
(Figura 4.38). No período de 1998 a 2000 (período com ocorrência de La Niña),
Pernambuco poderia ter produzido 60% a mais, e em 2001, 50%.
Figura 4.38: Perdas da produção até a pré-colheita de feijão (%) em Alagoas e
Pernambuco no período de 1996 a 2002 (Fonte de dados: site do IBGE).
AL (%)
PE (%)
164
Percebeu-se que as perdas na produção de feijão foram maiores para Pernambuco;
seis vezes maior que em Alagoas. Os valores de perdas da produção não se correlacionaram
linearmente (Tabela 4.47).
Tabela 4.47: Valor médio, desvio-padrão e correlação das perdas da produção de feijão até
a pré-colheita nos Estados que compõem a bacia hidrográfica do rio Mundaú no período de
1996 a 2002 (Fonte de dados: site do IBGE).
Estados Média (tn) Desvio-
padrão
Correlação
entre estados
AL PE
AL
5627,28 5156,1324
AL
1,000 -0,396
PE 33688,42
8324,1988
PE
-0,396 1,000
O comportamento da produção de milho foi próximo ao observado na produção de
feijão, com pequenas alterações. O potencial em Pernambuco prevaleceu maior durante o
período, totalizando uma média de 50 mil tn, em média, de perdas de milho (Figura 4.39).
A produção potencial variou de 70 mil a 260 mil toneladas, a maior entre as culturas de
arroz, feijão e milho. Os máximos ocorreram em 1996 e 2000, ao passo que acontecia um
evento de LN, seguido de normalidade. Os mínimos ocorreram em 1998, 1999 e 2001.
Figura 4.39: Produção potencial e realizada de milho (mil tn) em Alagoas e
Pernambuco no período de 1996 a 2002. (Fonte de dados: site do IBGE).
Como ocorrido com o cultivo do feijão, a produção potencial e realizada do milho
apresentou maiores valores em Pernambuco. A média do valor potencial de sua produção
P
P
A
A
165
atingiu 148339 toneladas, a qual se correlacionou em 65,9% com a mesma produção de
Alagoas (Tabela 4.48).
Tabela 4.48: Valor médio, desvio-padrão e correlação da produção potencial de milho nos
Estados que compõem a bacia hidrográfica do rio Mundaú no período de 1996 a 2002
(Fonte de dados: site do IBGE).
Estados Média (tn)
Desvio-
padrão
Correlação
entre estados AL PE
AL
43163,57 11349,3
AL
1 0,659
PE 148339,30
76917,31
PE
0,659 1
Já a produção realizada de ambos Estados foi menor que os totais que cada um
poderia produzir. Para Pernambuco estava “previsto” o dobro do total colhido, em valores
médios, enquanto Alagoas apresentou somente 4,39% a menos que a produção potencial de
milho (Tabela 4.49).
Tabela 4.49: Valor médio, desvio-padrão e correlação da produção realizada de milho nos
Estados que compõem a bacia hidrográfica do rio Mundaú no período de 1996 a 2002.
(Fonte de dados: site do IBGE).
Estados
Média (tn)
Desvio-
padrão
Correlação
entre estados
AL
PE
AL
41266,28 7442,3796
AL
1,000 0,360
PE 80846,57
45867,3001
PE
0,360 1,000
As perdas para a cultura do milho foram maiores em Pernambuco, chegando a quase
80% do valor potencial em 1998 (final de El Niño) e 2001 (ano normal). Em Alagoas, esses
anos também foram marcantes para os rendimentos da cultura, mas em menor proporcão
(Figura 4.40).
166
Figura 4.40: Perdas da produção até a pré-colheita de milho (%) em Alagoas e
Pernambuco no período de 1996 a 2002 (Fonte de dados: site do IBGE).
Diante da diferença entre os valores de produção potencial e realizada de milho em
Pernambuco, as perdas para este Estado foram maiores. Em média, perdeu-se 45479
toneladas no período de 1996 a 2002 (Tabela 4.50).
Tabela 4.50: Valor médio, desvio-padrão e correlação das perdas da produção de milho até
a pré-colheita nos Estados que compõem a bacia hidrográfica do rio Mundaú no período de
1996 a 2002 (Fonte de dados: site do IBGE).
Estados
Média (tn)
Desvio-
padrão
Correlação
entre estados
AL
PE
AL
8083,8571 7405,3105
AL
1,000 0,689
PE 45479,7143
15202,9438
PE
0,689 1,000
Sintetizando as análises anteriores, foi criado um mapa para visualização espacial das
diversas produções que ocorreram na bacia hidrográfica (Figura 4.41).
Na parte alta da bacia hidrográfica (AM) houve notável produção de carvão vegetal,
feijão e milho. Essas culturas necessitam de boa quantidade e distribuição de chuva, sendo
então de extrema importância a previsão e monitoramento pluviométrico, até mesmo
através de resultados sugeridos nos itens anteriores. Conhecendo-se a climatologia local,
quadras chuvosas e secas, planeja-se o plantio e a colheita de formas mais adequada.
AL (%)
167
Contudo, principalmente as carvoarias agridem ecologicamente a sub-região, o que também
precisa ser monitorado e gerido.
Figura 4.41: Distribuição dos cultivos analisados no âmbito da bacia hidrográfica do rio
Mundaú. Lê-se AM para Alto Mundaú, MM para Médio Mundaú e BM para Baixo
Mundaú (Fonte de dados: site do IBGE).
168
Na área central da bacia hidrográfica, destacou-se o cultivo da laranja, leite e arroz, os
quais precisam constantemente de água e no Baixo Mundaú, a cana-de-açúcar, mel, leite e
arroz, sugerindo que em tal sub-região sejam plantados cultivos que necessitam de maiores
volumes de água, principalmente na quadra chuvosa. Nesta, além de ser necessário
conhecer a climatologia local para auxilio nos períodos de plantio e colheita, essas
informações são também necessárias para irrigação e ecomonia de água (Figura 4.41).
Neste sentido, as informações meteorológicas e climatológicas apresentadas no item
4.1 mostram-se muito importantes para os setores agrícola, econômico e de irrigação.
169
4.4 ANÁLISE AMBIENTAL
Foram mostradas imagens de satélite extraídas do modelo MDE Google Earth, no
sentido de exemplificar as formas de uso e ocupação nas cinco paisagens do CELMM.
a) Lagoa Mundaú
Figura 4.42: Vista maior da Lagoa Mundaú. Uso e ocupação presentes na Lagoa. (Fonte:
Google Earth).
Figura 4.43: Vista aproximada da Figura 4.42 com uso e ocupação presentes na Lagoa
Mundaú (Fonte: Google Earth).
Nas imagens 4.42 e 4.43 pode ser visto forte poluição hídrica na Lagoa Mundaú
produzida pelo município de Maceió. Ao lado de uma área de vegetação nativa, há zona
residencial do município. Notou-se ainda a formação de assoreamento.
170
De outro ponto de vista, na saída da cidade de Maceió, podem ser vistas construções
inadequadas, como o DETRAN, e nas margens da lagoa a antropização da paisagem, com
suas áreas verdes reduzidas e a deposição de sedimentos (Figura 4.44). De acordo com a
Lei 4.771 de 1965, a faixa marginal da Lagoa Mundaú deveria ter 30 m, fato não
observado.
Figura 4.44: Uso e ocupação do solo próximo à Lagoa Mundaú/canais entre as lagoas.
(Fonte: Google Earth).
b) Lagoa Manguaba
Figura 4.45: Uso e ocupação do solo próximo à Lagoa Manguaba (Fonte: Google Earth).
Próximo à Lagoa Manguaba avistou-se área desmatada e erodida devido ações
antrópicas. O plantio e as ocupações irregulares se manifestaram em áreas de vegetação
nativa (Figura 4.45).
171
c) Regiões de canais entre as lagoas
Figura 4.46: Uso e ocupação do solo na região dos canais que ligam as duas lagoas (Fonte:
Google Earth).
Figura 4.47: Uso e ocupação do solo na região dos canais que ligam as duas lagoas (Fonte:
Google Earth).
Na região dos canais que ligam as duas Lagoas (Figura 4.46), próximo a áreas de
vegetação nativa foram encontrados bares, restaurantes e pontos de lazer, prejudicando o
local. A área também sofreu com o avanço de empreendimentos mobiliários (contra a Lei
Lei 4.771 de 1965), crescimento da população às margens do rio e assoreamento do rio no
local. Todas essas ações interferem no desenvolvimento sustentável.
Ainda na região dos canais (Figura 4.47), foi verificado plantio de forma incorreta
que afeta o solo. As presenças de uma indústria e de tubulação de gás natural contribuem
para a poluição hídrica.
172
d) Região de Manguezal
Figura 4.48: Uso e ocupação do solo na região de manguezal (Fonte: Google Earth).
Na região de manguezal, na margem esquerda do rio, verificou-se forte poluição
hídrica, sendo alguns dos motivos a presença da indústria química e de um emissário
submarino (Figura 4.48).
e) Praia e pós-praia
Na região de praia e pós-praia, as zonas residenciais e ocupações irregulares do solo
se destacaram (Figura 4.49 e 4.50), inferindo as leis de proteção às APPs.
Figura 4.49: Uso e ocupação do solo na região de praia e pós-praia. (Fonte: Google Earth).
173
Figura 4.50: Uso e ocupação do solo na região de praia e pós-praia (Fonte: Google Earth).
Diante do quadro mostrado, com crescimento de zona residencial e de lazer às
margens das lagoas, as informações geradas nos itens anteriores e monitoramento
pluviométrico e da vazão são imprescindíveis para evitar desastres e até perdas de vidas
humanas.
No entanto, tal situação leva, entre outros impactos sobre o ambiente, à poluição dos
recursos hídricos e diminuição da biodiversidade. Serão mostradas posteriormente as
formas de uso e ocupação local e uma simples análise de parâmetros de qualidade de água,
a qual indicará o resultado das ações antrópicas no local.
4.4.1 Formas de uso e ocupação no CELMM
A seguir, para fortalecer a idéia que a região necessita de uma proposta de manejo
adequado, fotografaram-se cenas que comprovam várias formas de degradação ambiental
no CELMM.
De acordo com a Lei nº 4771 de 1965, Art.2º do Código Florestal Brasileiro deveriam
ser protegidos 30 m nas margens das lagoas. Baseado nesse argumento pode ser visto
através das fotos (Figuras 4.51 a 4.57), áreas irregulares de ocupação nas quais a lei não foi
cumprida.
Um dos principais conflitos gerados pela ocupação urbana das margens da Lagoa
Manguaba foi a perda de beleza cênica e a conseqüente desvalorização dessas áreas para o
174
turismo. A ocupação irregular e a degradação dos recursos naturais das mesmas
aumentaram os riscos de inundação quando da ocorrência de chuvas fortes, enchentes
fluviais e marés muito altas. A esses, foram acrescidos os riscos que a degradação de
mangue pode representar para a reprodução da fauna costeira e a sobrevivência das
comunidades pesqueiras litorâneas.
Figuras 4.51: (a) e (b) Ocupação irregular na lagoa Manguaba no CELMM.
Figuras 4.52: (a) e (b) Ocupação irregular na lagoa Manguaba e às margens de rodovia.
Figuras 4.53: (a) e (b) Ocupação irregular na Lagoa Manguaba no CELMM.
175
Figuras 4.54: (a) e (b) Ocupação irregular e formação de lixão próximo à Lagoa
Manguaba no CELMM.
Figuras 4.55: (a) e (b) Ocupação irregular e especulação imobiliária, próximo à Lagoa
Manguaba.
Figuras 4.56: (a) e (b) Ocupação irregular e especulação imobiliária próximo à Lagoa
Manguaba.
176
Figuras 4.57: (a) e (b) Lançamento de esgoto residencial na Lagoa Mundaú.
A ocupação irregular vem ocorrendo através da proliferação de loteamentos
residenciais irregulares. A inexistência, nessas áreas, de infra-estrutura compatível com
ocupação urbana, tende a transformar a urbanização das mesmas em fator de degradação do
solo e dos demais recursos naturais. A degradação das praias também se revelou na perda
de qualidade das águas litorâneas através das ações antrópicas e atividade de carnicicultura,
por exemplo.
Completando os conflitos relacionados com o uso do solo cabe mencionar o da
expansão urbana desordenada com uso industrial e o de uso urbano com via expressa, de
trânsito rápido com grande risco de acidentes para os que transitam nessas áreas.
4.4.2 Análise de parâmetros de qualidade da água na bacia hidrográfica do rio
Mundaú
Ante as ações poluidoras locais, foram analisados aspectos de qualidade de água, os
quais mostrarão os resultados do uso e manejo solo vistos anteriormente.
a) Profundidade média do rio
Na Figura 4.58, é mostrada a variação da profundidade do rio Mundaú ao longo da
bacia, na média da observação de dois dias, um com chuva e o outro sem chuva. Em ambos
os casos, a região do AM foi a menos profunda de toda bacia, ao contrário do BM, onde se
encontram as lagoas Mundaú e Manguaba. Esse fato pode ser explicado porque no BM
177
ocorre a entrada e saída de água com fluxo na superfície e refluxo nas profundidades, onde
esse procedimento pode aprofundar o leito do rio apesar de ações de assoreamento. Na
situação de dia com chuva, observou-se que ao longo da bacia, a profundidade aumentou,
no entanto a visibilidade tende à diminuir e os sedimentos do fundo do rio à misturar.
Figura 4.58: Profundidade média do rio nas três sub-regiões da bacia hidrográfica do rio
Mundaú em situações com e sem chuva.
b) Temperatura da água
A menor temperatura da amostra no AM (Figura 4.59) pode indicar que estavam
presentes no local, poluentes os quais não possibilitaram uma mistura das águas com
densidades diferentes, tornando a amostra mais “fria” nessa sub-região. Já no MM, o valor
diminuiu em dia sem chuva e tornou a aumentar no BM, sugerindo que as sub-regiões do
AM e MM sejam as que mais se encontram poluídas. As diferenças entre as temperaturas
em dia com e sem chuva foram míninas na sub-região do MM e maiores no AM. Ao longo
da bacia, a amostra aumentou seus valores à medida que se aproximou de sua foz.
178
Figura 4.59: Temperatura da amostra da água do rio nas três sub-regiões da bacia
hidrográfica do rio Mundaú em situações com e sem chuva.
c) pH (potencial hidrogeniônico)
A Figura 4.60 mostrou a variação do pH da água do rio Mundaú ao longo da bacia
hidrográfica. Notou-se que as três sub-regiões apresentaram pH ácido em dias sem chuva,
sendo o maior pH no AM. O pH muito alto pode estar associado à poluição ocasionada pela
produção de carvão vegetal, mostrada no item 4.3.
Figura 4.60 pH da água do rio nas três sub-regiões da bacia hidrográfica do rio Mundaú em
situações com e sem chuva.
179
Já em dias com chuva, o pH aumentou em direção ao MM. Esse fato reforça a idéia
de que no AM os solos são muito ácidos, possivelmente devido à poluição hídrica e
atividades antrópicas (intervenção na vegetação e solo e atividades agrícolas-produção de
carvão vegetal), pois depois de percorrer essa região o pH no MM teve acréscimo e
posteriormente diminuiu em direção ao BM. A importância das chuvas foi visível no que se
refere ao transporte de sedimentos e poluentes ao longo do rio.
d) Condutividade elétrica
A condutividade elétrica na região do AM (Figura 4.61) apresentou os maiores
valores para a bacia. Devido seu pH alto, ocorreu também alta concentração de íons
dissolvidos, possivelmente devido a lançamentos de resíduos em suas águas.
A condutividade elétrica diminuiu em direção ao MM e depois torna a aumentar na
região baixa da bacia (em dias sem chuva), pois além da presença de atividades poluidoras,
há no local, uma região de manguezal, rica em nutrientes e íons. Já em dias com chuva, os
valores do MM e BM foram similares e um pouco menores e ainda assim, os máximos
valores estiveram presentes no AM.
Figura 4.61: Condutividade elétrica nas três sub-regiões da bacia hidrográfica do rio
Mundaú em situações com e sem chuva.
e) Oxigênio dissolvido (OD)
A partir da Figura 4.62, notou-se que a quantidade de OD na água aumentou à medida
que se aproximou da foz do rio Mundaú, em dias sem chuva.
180
No AM, observou-se que a quantidade de OD na água foi menor que nas outras
regiões devido ao lançamento de esgotos domésticos ou industriais locais e atividade
agrícola (carvão vegetal). O OD apresentou-se maior no BM devido à maior
biodiversidade, presença das lagoas Mundaú e Manguaba e fluxo de refluxo entre o mar e
as lagoas.
De acordo com a legislação brasileira do CONAMA de 1986, citado em Tucci
(2004), em caso de rios (água doce) onde a água é utilizada para abastecimento público,
após tratamento convencional da água, recreação e irrigação de hortaliças, esse manancial
deve apresentar concentração de OD > 5,0 mg/L. No entanto, em dias sem chuva, no AM, a
concentração de OD foi pouco abaixo do ideal, indicando poluição hídrica.
Os valores de OD no AM podem apresentar relação com as carvoarias e com a
distribuição de chuvas (menor índice pluviométrico da bacia hidrográfica). Deste modo, os
impactos ambientais locais refletiram as ações naturais e antrópicas.
Figura 4.62: OD nas três sub-regiões da bacia hidrográfica do rio Mundaú em situações
com e sem chuva.
Ao analisar todos os parâmetros da qualidade de água, considerou-se a região do AM
(onde situam-se as cabeceiras do rio) como poluída, afetando diretamente o MM. O AM
precisa de ações reparadoras e preventivas, pois a falta de água em períodos secos reflete na
produção agrícola de culturas como milho e feijão, que por sua vez, afetam ambientalmente
os solos e os recursos hídricos.
181
Já o BM, que é uma área ecologicamente vulnerável e que também está sofrendo com
o processo de poluição hídrica, tem seus impactos amenizados pela biodiversidade local, a
exemplo dos manguezais que filtram parte dos compostos presentes no rio, e pela
localização estratégica próximo ao mar, onde o rio deságua e promove trocas com o
CELMM. Ainda assim, ações preventivas e reparadoras também devem ser aplicadas na
região, pois o cultivo da cana-de-açúcar afeta os solos e rios, e conseqüentemente, o meio
aquático e a renda da população ribeirinha.
4.4.3 Distribuição espaço-temporal dos Macro-crustáceos no CELMM
Como os macro-crustáceos são uma das principais fontes de renda para a população
do CELMM, devido ao processo de degradação ambiental encontrado e à variabilidade do
clima local, decidiu-se analisar como esses fatores podem influenciar na distribuição da
espécie na região.
Na Figura 4.63 foi mostrada as espécies que dominam a região da Lagoa Manguaba
no CELMM. A espécie Palaemon Pandaliformis (camarão de rio) abrange mais da metade
dos macrocrustáceos da região (58%), seguido por outras espécies (16%), por
Macrobrachium Olfersii (camarão branco) com 14% do total e Callinectes Bocourti (siri
fedido) com os 12% restantes.
Figura 4.63: Distribuição das espécies dominantes da região da Lagoa Manguaba no
CELMM na década de 90.
182
Figura 4.64: Distribuição das espécies dominantes da região da Lagoa Mundaú no CELMM
na década de 90.
Na região da Lagoa Mundaú, as espécies Macrobrachium Acanthurus (camarão
canela) e outras espécies de macrocrustáceos dominaram a região com 36% e 32%,
respectivamente (Figura 4.64). As espécies Callinectes Danae (siri azul) e Callinectes
Bocourti (siri fedido) também estiveram presentes na Lagoa em menor número de
exemplares.
Já na região de manguezal (Figura 4.65), entre as duas lagoas e mais próximo da
Lagoa Mundaú, houve o predomínio de quase 100% do total da espécie Palaemon
Pandaliformis (camarão de rio), como ocorrido na Lagoa Manguaba. O restante (2%) das
espécies foram Callinectes Danae (siri azul) e outras espécies que juntas formaram 5% do
total.
Figura 4.65: Distribuição das espécies dominantes na região de manguezal no CELMM na
década de 90.
183
Figura 4.66: Distribuição das espécies dominantes na região dos Canais entre as Lagoas no
CELMM na década de 90.
Nos canais que interligam as lagoas do CELMM, como ocorrido na região de
manguezal e na Lagoa Manguaba, o maior número de macrocrustáceos pertencem à espécie
Palaemon Pandaliformis (camarão de rio), seguida pela Callinectes Danae (siri azul).
Nessa área (Figura 4.66) observou-se maior variabilidade de espécies. Também há a
presença da espécie de siri Callinectes Ornatus e do camarão canela Macrobrachium
Acanthurus.
Macrobrachium Acanthurus e Palaemon Pandaliformis são “os pescados” que mais
se desenvolvem no local que também é conhecido como “Lama Grande” devido a grande
quantidade de camarão.
Na Figura 4.67 foi montado um mapa de distribuição espacial das espécies
dominantes no CELMM, de acordo com os resultados acima citados.
184
Figura 4.67: Distribuição espacial das espécies dominantes no CELMM.
Na área contornada de verde, equivalente a Lagoa Manguaba, Canais e Manguezal
(regiões 1, 4 e 3, respectivamente), houve a preeminência da espécie de camarão Palaemon
Pandaliformis (camarão de rio), e na área contornada em azul, Lagoa Mundaú (região 2), a
espécie Macrobrachium Acanthurus (camarão canela).
Contudo, segundo Granja (1969) a espécie que predomina na área 2 é o molusco M.
falcata (sururu), pois na região do CELMM, somente as águas da Lagoa Mundaú oferecem
as condições de salinidade necessárias para o seu desenvolvimento.
Já de acordo com Teixeira e Sá (1998), esse fato se explica porque as espécies que
ocupam a Lagoa Mundaú estão mais sujeitas a trocas bruscas dos fatores abióticos,
especialmente no que se refere à salinidade, enquanto as espécies que ocupam a Lagoa
Manguaba encontram um ambiente mais estável. Devido ao sistema de canais, a água do
oceano não consegue atingir a Lagoa Manguaba em uma maior proporção, sendo a mesma
menos turbulenta.
Desse modo, a Lagoa Mundaú torna-se um “microecossistema aquático” mais
adequado ao Macrobrachium Acanthurus, enquanto as outras regiões são refúgio
principalmente de Palaemon Pandaliformis.
185
A distribuição média-temporal das duas espécies que mais se destacaram em
quantidade no CELMM (Figura 4.68), mostra a superioridade do número de Palaemon
Pandaliformis (camarão de rio) na região, pois ela está presente em uma extensão maior (1,
4 e 3) que a Macrobrachium Acanthurus (camarão canela), como mostrado na Figura 4.67.
Figura 4.68: Distribuição média-temporal das espécies dominantes no CELMM.
O aumento do número dos exemplares de camarão Palaemon Pandaliformis ocorreu
em menor proporção entre o trimestre março-maio (outono) e em maior proporção em
julho, agosto, setembro e novembro (parte do inverno e primavera). Possivelmente as altas
temperaturas das águas no verão afetam a sobrevivência da espécie (Figura 4.68). A
disponibilidade ou escassez de água em períodos extremos coloca em risco o
desenvolvimento das espécies aquáticas e lacustres, por isso é de extrema importância o
monitoramento climatológico e pluviométrico local. Em tais situações, os aspectos
ambientais, sociais e econômicos encontram-se interligados em um problema delicado, o
qual pode gerar até migração da população ribeirinha para outras cidades.
4.4.4 Proposta de manejo no CELMM
Diante dos resultados encontrados uma das principais propostas de manejo no
CELMM foi a implantação de ações de educação ambiental nas escolas, nas associações de
moradores e nas áreas freqüentadas por turistas. Através de um programa interdisciplinar e
de campanhas informativas, pode-se chegar à conscientização da população em relação à
186
preservação do meio ambiente, apontando os problemas existentes e discutindo soluções
praticáveis.
Os projetos de educação ambiental devem atingir vários públicos, possuindo
objetivos diferentes para cada um deles. Assim, através de ações conjuntas da sociedade,
podem-se mobilizar os visitantes e os residentes sobre limpeza urbana, propondo-se uma
coleta seletiva dos resíduos sólidos. Com a participação da comunidade podem-se construir
hortas comunitárias, realizar arborização urbana, fazer um resgate da cultura local,
promover cursos e oficinas ressaltando a importância da preservação e da conservação dos
recursos naturais e dos ecossistemas locais.
Visando o incremento na renda da população devem ser estimuladas as pescas
comercial e esportiva, de modo a não perder a sustentabilidade e que sejam ambientalmente
corretas. Nestas podem utilizar-se de instrutores locais para indicar aos visitantes os
melhores pontos de pesca.
A realização de oficinas com os catadores de caranguejo complementaria essas ações,
ressaltando a importância de evitar a captura durante o período reprodutivo das espécies e
de não capturar fêmeas.
A atividade turística planejada de forma sustentável constitui outra alternativa de
renda para a população local, pois pode conciliar educação ambiental com lazer através de
passeios de barco nos manguezais e caminhadas em trilhas ecológicas na praia.
Várias ações amenizadoras dos impactos ambientais foram mostradas na Tabela 4.51.
Tabela 4.51: Local, forma de uso e ocupação do solo, impactos ambientais e propostas de
manejo sugeridas para o CELMM.
Local ou
paisagem
Formas de uso e
ocupação do solo
Impactos
ambientais
Proposta de manejo
A) Lagoa
Mundaú
A) Zona residencial,
ocupação irregular,
vegetação nativa,
lazer, rodovia,
grandes construções,
agricultura de
subsistência no
entorno e pesca de
subsistência.
A) Deposição de
sedimentos e
assoreamento,
antropização da
paisagem, alteração
do microclima,
impermeabilização
do solo e poluição
hídrica.
A) Macrodrenagem,
monitoramento da qualidade
hídrica, plantio de espécies
arbóreas nativas, reintrodução
de espécies nativas,
planejamento urbano e
turístico, controle de
especulação imobiliária e
projetos de educação
ambiental.
187
Continuação.
B) Lagoa
Manguaba
B) Ocupação
irregular, zona
residencial, vegetação
nativa, plantio,
carçinicultura,
agricultura de
subsistência no
entorno, lazer e pesca
de subsistência.
B) Poluição
hídrica,
desmatamento,
alteração do
microclima,
impermeabilização
do solo, erosão,
assoreamento e
antropização da
paisagem.
B) Monitoramento da
qualidade hídrica,
macrodrenagem, plantio de
espécies arbóreas nativas,
reintrodução de espécies
nativas, planejamento urbano e
turístico, controle de
especulação imobiliária e
projetos de educação
ambiental.
C) Canais
entre as
lagoas
C) APA, especulação
imobiliária, zona
residencial, ocupação
irregular, vegetação
nativa, lazer, rodovia,
extrativismo vegetal e
plantio e pesca de
subsistência.
C) Poluição
hídrica, formas de
uso e ocupação
impedem a
dinâmica natural,
erosão,
antropização da
paisagem,
desmatamento,
assoreamento,
diminuição da
biodiversidade.
C) Monitoramento da
qualidade hídrica,
deslocamento de indústrias,
plantios e construções, plantio
de espécies arbóreas nativas,
reintrodução de espécies
nativas, planejamento urbano e
turístico, macrodrenagem,
controle de especulação
imobiliária e projetos de
educação ambiental.
D)
Manguezal
D) Indústria
química,
rodovia, zona
residencial no
entorno, vegetação
nativa e plantio.
D) Poluição
hídrica,
assoreamento ou
deposição de
sedimentos,
antropização da
paisagem e perda
da biodiversidade.
D) Deslocamento de indústrias,
plantios e construções,
monitoramento da qualidade
hídrica, plantio de espécies
arbóreas nativas, reintrodução
de espécies nativas,
planejamento urbano e
turístico.
E) Praia /
Pós-praia
E) Vegetação nativa,
ocupação irregular,
lazer, zona
residencial.
E) Antropização da
paisagem e formas
de uso e ocupação
impedem a
dinâmica natural.
E) Deslocamento de ocupações
imprópias, monitoramento da
qualidade hídrica,
planejamento urbano e
turístico, controle de
especulação imobiliária e
projetos de educação
ambiental.
Fonte: Elaboração própria
188
Entre outras ações propõem-se: criar praças públicas e áreas de lazer, com parques
infantis e quadras poliesportivas para o uso comunitário; construir mirantes em pontos
estratégicos que possibilitem apreciações paisagísticas; realizar estudos dos ecossistemas e
monitorar a qualidade hídrica do estuário. É necessário instituir um projeto de
reflorestamento da vegetação de mangue, buscando a recuperação do ambiente.
É imprescindível a presença da administração pública para o gerenciamento dessas
questões, efetuando ações como implantação de sistemas de esgotamentos sanitários e de
coleta de lixo sistemática, obras de calçamento e drenagem das ruas e execução de projeto
de arborização e implantação de vegetação nas encostas do rio e lagoas.
O poder público tem um papel fundamental na ordenação da zona costeira, através do
cumprimento da Legislação Ambiental vigente. É função da administração política
fiscalizar as fontes poluidoras, regulamentar as extrações de argilas e areias, proibir
efetivamente o desmatamento. Deve-se ainda, proclamar o princípio da acessibilidade
pública ao litoral, intervindo na privatização das áreas de praia e proibindo o constante
tráfego de automóveis na faixa praial e nos campos de dunas. Ressaltando se as questões
fundiárias, faz-se necessário inibir a especulação imobiliária em áreas ecologicamente
instáveis e reexaminar a dotação das propriedades fundiárias, intimidando a prática dos
grileiros, com o intuito de promover a sua regularização.
As propostas de manejo sustentável só poderão ser efetivamente executadas a partir
do envolvimento das várias instâncias sociais: das instituições acadêmicas, do poder
público, das comunidades e de outras possíveis organizações civis.
189
5. CONCLUSÕES
_____________________________________________________________________
Foi detectado, através do IAC anual, um “ponto de inversão” na série de precipitação.
No Baixo Mundaú, o período antes de 1974 é mais úmido que o posterior a 1974. Já para o
Médio e Alto Mundaú, o período depois de 1974 foi mais úmido que o anterior a esse ano,
o contrário da região litorânea. Esse fato explica-se, possivelmente, pela junção de ações
antrópicas e naturais. Na região litorânea do BM, o crescimento das cidades e a redução da
cobertura vegetal geraram um elevação nas temperaturas locais, propiciando, ao longo do
tempo, uma diminuição de chuvas. Nas demais regiões, mais distantes do litoral, o fato dos
anos se tornarem mais úmidos, pode ser explicado pelo crescimento de projetos de
irrigação, construção de açudes e aumento da vegetação, tornando a região mais úmida.
Não pode-se esquecer do fator altitude. Em adição, a Oscilação Decadal do Pacífico, antes
de 1974, apresentou-se na sua fase fria, quando ocorreram mais eventos de La Niña, o que
pode ter influenciado na distribuição positivamente anômala do BM. Após 1974, o período
mostrou-se influenciado pela fase quente da ODP, na qual ocorreu mais eventos de El Niño.
Analisando o IAC mensal determinou-se que a quadra chuvosa de anos secos
contribuíram com 50% do total anual precipitado, em média. Nos anos úmidos a quadra
chuvosa contribuiu com 75% do total anual precipitado. O IAC mensal, em anos secos,
tende a ser negativo, até mesmo durante sua quadra chuvosa.
Verificou-se para a bacia hidrográfica do rio Mundaú, através da análise de ondeletas,
que principalmente a variabilidade interanual ligada ao ciclo de ENOS e a variabilidade
decadal influenciaram na variabilidade pluviométrica local. Esses resultados estavam de
acordo com os observados por Andreoli et al. (2004), Markham (1974), Chu (1984) e
Hastenrath e Kaczmarczyk (1981), todos para Fortaleza, também no NEB. Verificou-se
também que a ODP influenciou temporalmente na distribuição de chuvas na região. No
BM, através das análises de ondeletas, encontrou-se a escala temporal dominante de
aproximadamente 22 anos. No MM, a escala dominante foi de 18 anos e no AM, houve o
intervalo médio de 11 anos, entre cada evento de chuva extrema. Essas escalas temporais
dominam sobre os mecanismos meteorológicos de escalas temporais menores.
190
A partir dessas informações, conhecendo-se a climatologia local, as regiões mais
úmidas e as mais secas no âmbito da bacia hidrográfica, os períodos de ocorrências de
quadras seca e chuvosa, os principais mecanismos meteorológicos associados às chuvas e
dispondo-se de um monitoramento pluviométrico, pode-se otimizar o uso múltiplo dos
recursos hídricos, seja no setor agrícola, pesqueiro, social e energético.
Bons resultados foram obtidos através de correlação com anomalias de precipitação
anual, mas as previsões foram melhores através de regressão linear para previsões das
anomalias de precipitação durante as quadras seca e chuvosa. Verificou-se a influência dos
Oceanos Atlântico e Pacífico Sul sobre as chuvas da bacia hidrográfica. Para o Baixo
Mundaú as anomalias da temperatura de superfície do mar se correlacionaram muito bem
com as anomalias de precipitação da quadra chuvosa. Em anos secos, o coeficiente de
correlação foi 0,65 e de 0,66 para os anos úmidos. Ressalta-se que o acerto do sinal de
anomalias foi quase de 100%, um resultado extremamente essencial para modelos de
previsão. Para o Médio Mundaú, o índice IME apresentou boa correlação para os anos
secos e úmidos. Em ambos os casos, o modelo de previsão de anomalia obteve 75% de
acerto do sinal de anomalia para todos os meses testados. No Alto Mundaú, as melhores
correlações foram entre as anomalias de temperatura da superfície do mar do Atlântico e
anomalias de precipitação do AM durante o ano úmido. Para o ano seco, as anomalias de
precipitação se correlacionaram melhor com o índice IME, as quais geraram boas
previsões. Cerca de 40% delas apresentou diferença menor que uma unidade em relação ao
valor real.
Deste modo, futuras previsões de anomalias de precipitação podem utilizar equações
lineares, criadas aqui, com os índices de ATSM do Atlântico para a quadra chuvosa do
BM, com o IME para o MM, com ATSM do Atlântico para anos úmidos do AM e com o
IME para anos secos do AM. Tais resultados podem ser usados no controle de enchentes,
perdas agrícolas, pesca e turismo.
A partir da análise agroeconômica, o AM destacou-se como produtor de carvão
vegetal, feijão e milho. No MM, salientou-se o cultivo da laranja, leite e arroz, e no BM, a
cana-de-açúcar, mel, leite e arroz.
Enfatizou-se que é de extrema importância a previsão, monitoramento pluviométrico
e estudo da climatologia local, quadras chuvosas e secas, para auxiliar o planejamento do
191
plantio, estocagem de chuva e a colheita de formas mais adequada. Contudo,
principalmente as carvoarias no AM e o cultivo da cana-de-açúcar no BM agridem
ecologicamente a região, o que também precisa ser monitorado e gerido.
Ao analisar todos os parâmetros de qualidade de água, considerou-se a região do Alto
Mundaú como poluída devido ações antrópicas e produção de carvão vegetal, podendo
afetar diretamente o Médio Mundaú. Já o Baixo Mundaú tem seus impactos amenizados
pela presença dos mangues e pela localização estratégica próximo ao mar, onde o rio
deságua e promove trocas com o CELMM.
Verificou-se que a poluição hídrica, a distribuição pluviométrica, o uso e manejo do
solo, principalmente no que se refere à agricultura, interferem na distribuição dos
macrocrustáceos decápodas do CELMM. Na Lagoa Manguaba, região de canais entre as
lagoas e maguezais observou-se a predominância da espécie Palaemon Pandaliformis e na
Lagoa Mundaú da Macrobrachium Acanthurus, distribuição esta em decorrência da Lagoa
Mundaú está mais sujeitas nessa área a trocas bruscas dos fatores abióticos, especialmente
no que se refere à salinidade. Além dos aspectos de qualidade da água afetarem a
distribuição dessas espécies, os aspectos climatológicos como temperatura e precipitação
também o fazem. Contudo, o próprio cultivo de camarões também afeta ambientalmente a
região através de produtos químicos e perca da biodiversidade marinha.
No CELMM, foram identificados os impactos ambientais e para tais problemas,
foram sugeridas algumas ações como macrodrenagem, monitoramento da qualidade
hídrica, plantio de espécies arbóreas nativas, reintrodução de espécies nativas,
planejamento urbano e turístico, controle de especulação imobiliária, deslocamento de
indústrias, plantios e construções e projetos de educação ambiental.
Este trabalho mostrou que as informações climatológicas e meteorológicas geradas
para a bacia hidrográfica do rio Mundaú são úteis em vários aspectos do setor agrícola,
ambiental e sócio-econômico. Ao mesmo tempo, verificou-se que a variabilidade
pluviométrica interfere na produção de vários cultivos e na biodiversidade local. Os
aspectos ambientais também se mostraram dependentes das ações humanas como uso,
ocupação do solo e agricultura, as quais comprovadamente poluem os recursos hídricos
locais. Deste modo, a pesquisa julgou-se como interdisciplinar, com grande aplicabilidade
e inédita para a região.
192
A Lei nº 9.433/97 (lei das águas) estabelece que a gestão de recursos hídricos deve
associar-se a aspectos de quantidade e qualidade, ao mesmo tempo que deve integrar-se
com a gestão ambiental, o que foi almejado neste trabalho; deste modo, o presente estudo
trouxe informações imprescindíveis para o gerenciamento da bacia hidrográfica do rio
Mundaú, de um modo geral.
193
6. REFERÊNCIAS BIBLIOGRÁFICAS
________________________________________________________________________
ABREU SÁ, L.D.; SAMBATTI, S.B.M.; GALVÃO, G.P. Ondeleta de Morlet aplicada ao estudo
da variabilidade do Nível do rio Paraguai em Ladário, MS; Número Especial, p.1775-1785,
Pesquisa Agropecuária Brasileira, Brasília, vol.33, out. 1998.
ACEITUNO, P. On the functioning of the Southern Oscillation in the South American Sector. Part
1: surface climate, Mon. Wea. Rev., v.116, p.505-524, 1988.
Agência Nacional das Águas – ANA/MINISTÉRIO DO MEIO AMBIENTE. Plano de Ações e
Gestão Integrada do Complexo Estuarino-Lagunar Mundaú/Manguaba (CELMM), 2006.
Disponível em: www.ana.gov.br. Acesso em: 20 de junho de 2006.
ALLEN, M.R.; SMITH, L.A. Investigating the origins and significance of low frequency modes of
climate variability. Geophysical Research Letters, Washington, v.21, n.10, p.883-886, 1994.
ALLEY, W.M. The Palmer Drought Severity Index: Limitations and Assumptions, Journal of
Climate and Applied Meteorology, v. 23, 1100-1109, 1984.
ALLEY, W.M. The Palmer Drought Severity Index as a Measure of Hidrologic Drought, Water
Resources Bulletin, 21 (1), 105-114, 1985.
ALVES, J. M. B.; SOUZA, B. E. A. A relação entre os fenômenos El Niño e La Niña e a
distribuição interanual da precipitação no Estado do Ceará. Notas técnicas, Monitor Climático,
vol.11, nº127, 1997.
ALMEIDA, M. A. P. Indicadores de Salubridade Ambiental em Favelas Urbanizadas: O caso
de favelas em áreas de proteção ambiental. São Paulo. (CD-Rom) Tese (Doutorado em
Engenharia) - Departamento de Engenharia de Construção Civil, Escola Politécnica, Universidade
de São Paulo, 2000.
Ambiente Brasil, 2008. Disponível em:
http://www.ambientebrasil.com.br/composer.php3?base=./agua/doce/index.html&conteudo=./agua/
doce/artigos/qualidade.html Avaliação da qualidade da água, Acesso em 26 de janeiro de 2008.
AMBRIZZI, T.; SOUZA, E.B.; PULWARTY, R.S. The Hadley and walker regional circulations
and associated ENSO impacts on South American seasonal rainfall. In:
THEHADLEYCIRCULATION: PRESENT, PASTANDFUTURE, Diaz H.F. and Bradley R.S.
(Eds.). Kluwer Publishers, Chapter 7, p. 203-235, 2004.
ANDREOLI, R.V.; KAYANO, M.T. Evolution of the equatorial and dipole modes of the sea-
surface temperature in the Tropical Atlantic at decadal scale. Meteorol Atmos Phys, 83, 277-285,
2003.
194
ANDREOLI, R.V., KAYANO, M.T., GUEDES, R.L., OYAMA, M.D., ALVES, M.A.S. A
influência da temperatura da superfície do mar dos Oceanos Pacífico e Atlântico na variabilidade de
precipitação em Fortaleza, Revista Brasileira de Meteorologia, v.19, n.3, 337-344, 2004.
ANDREOLI, R.V.; KAYANO, M.T. Multi-scale variability of the sea surface temperature in the
Tropical Atlantic, Journal of Geophysical Research, 109, C05009, 2004.
ANDREOLI, R.V.; KAYANO, M.T. Enso-Related Rainfall Anomalies in South America and
Associated Circulation Features During Warm and Cold Pacific Decadal Oscillation Regimes,
International Journal of Climatology. Internacional Journal Climatology, 25: 2017–2030, 2005.
ANDREOLI, R.V.; KAYANO, M.T. Tropical Pacific and South Atlantic effects on rainfall
variability over northeast Brazil, International Journal of Climatology, 26: 1895-1912, 2006.
ANDREOLI, R.V.; KAYANO, M.T. A importância relativa do Atlântico Tropical sul e Pacífico
leste na variabilidade de precipitação do nordeste do Brasil, Revista Brasileira de Meteorologia,
v.22, n.1, 63-74, 2007.
AQUINO JR., F. Carcinicultura, 2008. Disponível em:
http://www.adital.com.br/site/noticia.asp?lang=PT&cod=14086
Acesso em 04/03/2008.
ARAGÃO, J.O.R. Um estudo da estrutura das perturbações sinóticas do Nordeste do Brasil.
Dissertação de Mestrado em Meteorologia - São José dos Campos - SP, INPE, 47 p., 1975.
ARAGÃO, J.O.R. A general circulation model investigation of the atmospherie response to El
Niño, NCAR/CT-100, 144 pp., 1986.
ARAGÃO, J. A. R. Fatos sobre o fenômeno de El Niño e sua relação com as secas no NEB.
Boletim da Sociedade Brasileira de Meteorologia – SBMET. Vol.14, nº1, p.2-8, 1990.
ARAGÃO, J. O. R. ROUCOU, P.; HARZALLAH, A.; FONTAINE, B.; JANICOT, S. Variabilité
atmosphérique sur lê Nordeste Brásilien dans lê modele de circulation génerale de LMD (1970-
1988), Publications de l’Association Internationale de Climatologie, vol. 7, p.432-438, Toulose-
França, 1994.
ARAÚJO, L. E. Análise estatística de chuvas intensas na bacia hidrográfica do rio Paraíba.
Dissertação de Mestrado em Meteorologia. UFCG-PB. 2006.
ARAÚJO, L. E.; DA SILVA, D. F.; MORAES NETO, J. M.; SOUSA, F. A. S. de. Análise da
Variabilidade Espaço-Temporal da precipitação na Bacia do rio Paraíba usando IAC. Revista de
Geografia, UFPE, Recife-PE, vol.1, 2007.
ASBURY, C. E. Salinity of Mundaú lagoon, Brazil, in relation to disappearance of sururu, (Mytella
falcata). B. Núcl. Ests. Cis Mar, 1: 17-26, 1979.
195
ATLAS GEOGRÁFICO MELHORAMENTOS, São Paulo, Editora Melhoramentos, 2002.
BAKUN, A. Patterns in the Ocean: OceanProcesses and Marine Population Dynamics. San
Diego, University of California Sea Grant Program, 1996.
BARBOSA, E.B.M.; ROSA, M.M.; VIJAYKUMAR, N.L.; BOLZAN, M.J.A.; TOMASELLA, J.
Caracterização por Ondeletas de Processos Físicos Não-Lineares na Micro-bacia Amazônica,
INPE, São José dos Campos, 2004.
BARROSO, L.V. Diagnóstico ambiental da Lagoa de Araruana, RJ. Boletim da Fundação
Brasileira para a conservação da Natureza – FBCN, 1987.
BERLATO, M. A. As condições de precipitação pluvial no Estado do Rio Grande do Sul e os
impactos das estiagens na produção agrícola. In: Bergamaschi, H (coord.) Agrometeorologia
Aplicada à irrigação. Porto Alegre: Editora da universidade/UFRGS, p.11-23, 1992.
BERLATO, M. A. The climate forecasting applications in the decision-making process for the
southern region of Brazil. In: Workshop report ENSO and seasonal to interannual climate
variability, socio-economic impacts, forecasting and applications to the decision making
process. 14-16 de Setembro. Florianopolis, Brasil, 1992.
BJERKNES, J. Atmospheric Teleconnections from the Equatorial Pacific. Monthly Weather
Review, v. 97, p. 163-172, 1969.
BIONDI, F.; GERSHUNOY, A.; CAYAN, D. R. North Pacific Decadal Climate Variability Since
AD 1661, Journal of Climate, Vol. 14, N. 1, pp. 5-1, 2001.
BORGES, L. Z.; SABBAG FILHO, O. Reassentamentos Humanos em Programas de
Recuperação de Mananciais sob a ótica do Desenvolvimento Sustentável. Curitiba, 22 f.
Monografia (I Concurso de Monografias – Desenvolvimento Sustentável no Paraná: Uma realidade
Possivel) – Núcleo Interdisciplinar de Meio Ambiente e Desenvolvimento – NIMAD, Universidade
Federal do Paraná–UFPR, 2001.
BUCHMANN, J. Aspectos Humanos, Geográficos e Meteorológicos do Nordeste Brasileiro.
Anuário do Instituto de Geociências, v. 21, 1998.
CALBETE, N.O.; LEMOS, C.F. Sistemas Frontais que aturam no litoral de 1987 a 1995,
Climanálise edição comemorativa de 10 anos, 1996.
CANE, M. A. Tropical Pacific ENSO models: ENSO as a model of the coupled system. In: Climate
System Modeling (Ed. Thenberth, K.E.), Cambridge, 1992.
CASARIN, D. P. & V. E. KOUSKY Anomalias de precipitação no sul do Brasil e variações na
circulação atmosférica. Rev. Bras. Met., 1, 83-90, 1986.
196
CASTRO, C.A.C. Interações Trópicos-Extratrópicos na escala de tempo intra-sazonal durante
o verão austral e seus efeitos na América do Sul. Dissertação de Mestrado. Instituto Nacional de
Pesquisas Espaciais, São Paulo, 2002.
CETESB – 2005. Relatório de qualidade de água de São Paulo, 2005. Acesso em 14 de abril de
2008. Disponível em http://www.cetesb.org.br.
CHAGNON, S.A. Removing the confusion over droughts and floods: the interface between
scientists and policy makers, Water Internacional, 10-18 p, 1980.
CÓDIGO FLORESTAL BRASILEIRO, LEI Nº 4.771, DE 15 DE SETEMBRO DE 1965,
Disponível em: http://www.enge.com.br/lei4771_65.pdf. Acesso em: 14 de abril de 2008.
CONFALONIERI, U. E. C. Clima e Saúde Pública, in: II Curso de Ecologia e Ciclo do Carbono.
Brasília, 2002.
COSTA, M C.; OLIVEIRA, M. C. F.; MORAES, J. C.; BARRETO, P. N.; DANTAS, V. A.;
CARVALHO, S. P. Comportamento e relação entre PRP e vazão na bacia do rio Mundaú, Alagoas
e Pernambuco. XIV Congresso de Brasileiro de Agrometeorologia, Anais..., Campinas-SP, julho
2005.
CPTEC/INPE. El Niño. Boletim Informativo do Instituto Nacional de Pesquisas Especiais, 2000.
Disponível em: http://www.cptec.inpe.br/enos/globo_elnino.shtml. Acesso em: 12 de Setembro,
2000.
CPTEC/INPE. La Niña. Boletim Informativo do Instituto Nacional de Pesquisas Espaciais, 2002.
Disponível em: http://www.cptec.inpe.br/products/laninha/laninha3p.html. Acesso em: 12 de
Setembro, 2002.
CRUZ, F. N.; BORBA, G. L.; ABREU, L. R. D. Poluição, Ciências da natureza e realidade:
interdisciplinar, EDUFRN, Editora da UFRN, v.2, 2005.
CHARBA, J.P.: Operational scheme for short range forecasts of severe local weather. Preprint
Ninth Conference on Severe Local Storms Norman – Oklahoma. Americ.Meteo.Soc., 51-57, 1975.
CHARBA, J.P.: Two to six hour severe local storm probabilities an operational forecasting system.
Mon.Wea.Rev., 107, 268-282, 1979.
CHU, P. S. Time and space variability of rainfall and surface circulation in the northeast Brazil –
Tropical Atlantic sector, J. Meteor. Soc. Japan, v.26, n.2, p.363-369, 1984.
CONAMA - CONSELHO NACIONAL DO MEIO AMBIENTE. Resolução nº 303, Dispõe sobre
parâmetros, definições e limites de Áreas de Preservação Permanente, de 20 de março de 2002.
197
CUNHA, G. R. El Niño Oscilação Sul e perspectivas climáticas aplicadas no manejo de culturas no
sul do Brasil. Revista Brasileira de Agrometeorologia, v.7, nº2, p.277-284, 1999.
DARIO, G. J. Instruções sumárias para a cultura do trigo no Estado de São Paulo. Piracicaba:
ESALQ, p. 9-14, 1998.
DA SILVA, D.F. Influência da Variabilidade Climática Interanual na Hidrologia da Bacia do
rio São Francisco, Trabalho de Conclusão de Curso (Bacharelado em Meteorologia), Universidade
Federal de Alagoas – UFAL, 2003.
DA SILVA, D.F.; BORBA, J.C.C.; ALMEIDA, H.R.R.C.; LOPES, Z.F. Influência do Clima na
Variabilidade Espaço-Temporal da bacia do rio Mundaú (localidades de Pernambuco). I
Simpósio Internacional de Climatologia, Fortaleza-Brasil, Outubro de 2005.
DA SILVA, D. F; SANTOS, M. J.; ARAÚJO, L. E.; SANTOS, R. B.; SOUSA, F. de A. S. de. A
Influência da variabilidade climática na bacia do rio Mundaú (AL e PE), VIII Simpósio de Recursos
Hídricos do Nordeste, Anais do VIII Simpósio de Recursos Hídricos do Nordeste, Gravatá-PE,
2006.
DIEGUES, A. C. Costa do Brasil-Áreas úmidas costeiras e litorâneas. São Paulo, NUPAUB-SP,
1987.
DOUGLAS, J.E.; SWANK, W.T. Effects of management practices on water quality and quantity:
Coweeta Hydrologic Laboratory, North Caroline. In: MUNICIPAL WATERSHED
MANAGEMENT SYMPOSIUM, 13, Carolina da Norte. Anais… Carolina do Norte: USDA
Forest Service, p.1-13, 1975.
ENFIELD, D.B.; MAYER D.A. Tropical Atlantic SST variability and its relation to El Niño-
Southern Oscillation. J. Geophys. Res., v.102, n.C1, p.929-945, 1997.
ENFIELD, D.B.; MESTAS-NUÑEZ, A.M.; MAYER, D.A.; CID-SERRANO, L. How ubiquitous is
the dipole relationship in tropical Atlantic sea surface temperature?. J. Geophys. Res., v.104, n.C4,
p.7841-7848, 1999.
ESPINOZA, E. S. Distúrbios nos ventos de leste no Atlântico tropical. Dissertação de Mestrado.
São José dos Campos, INPE, 1996.
FARGE, M.: Wavelet transforms and their applications to turbulence. Ann.Rev.Fluid Mech., 24,
395-457, 1992.
FERREIRA, M. L. Teoria do Meio ambiente, 2004. Disponível em:
ww.anppas.org.br/gt/teoria_meio_ambiente/Marcia%20Lucia%20Guilherme.pdf. Acesso em: 15 de
abril de 2008.
198
FIGUEROA, S.N. Estudo dos sistemas de circulação de verão sobre a América do Sul e suas
simulações com modelos numéricos. Tese de Doutorado do Instituto Nacional de Pesquisas
Espaciais (INPE-7121-TDI/672). São José dos Campos, 1997.
FONTANA, D. C.; BERLATO, M. A. Influência do ENOS sobre a precipitação e rendimento
de milho no Estado do Rio Grande do Sul. Pesquisa Agropecuária Gaúcha, v.2, nº1, p.39-46,
1996.
FREITAS, M. A. S. A Previsão de Secas e a Gestão Hidroenergética: O Caso da Bacia do Rio
Parnaíba no Nordeste do Brasil. In: Seminário Internacional sobre Represas y Operación de
Embalses, 2004, Puerto Iguazú. Anais do Seminário Internacional sobre Represas y Operación de
Embalses. Puerto Iguazú : CACIER, v. 1, p. 1-1, 2004.
FREITAS, M. A. S. Um Sistema de Suporte à Decisão para o Monitoramento de Secas
Meteorológicas em Regiões Semi-Áridas. Revista Tecnologia, Fortaleza, v. Suplem, p. 84-95,
2005.
FRICKMANN YOUNG, C. E.; STEFFEN, P. G. Consequências econômicas das mudanças
climáticas. Com Ciência, Revista Eletrônica de Jornalismo Científico (SBPC), 2007. Disponível
em: http://www.comciencia.br/comciencia/ . Acesso em: agosto de 2007.
GALVÍNCIO, J.D. Impactos dos eventos El Niño na precipitação da Bacia do rio São
Francisco. Dissertação de Mestrado em Meteorologia, Campina Grande. Universidade Federal da
Paraíba (PB), 117p, 2000.
GERSHUNOV A, BARNETT, T.P. Interdecadal modulation of ENSO teleconnections. Bulletin of
the American Meteorological Society, 79: 2715–2725, 1998.
GHOSE, S.K. Hyrometeorological Studies in Northeastern Brazil, Report n. 2,
SUDENE/DEMET/WMO, 1971.
GOMES FILHO, M. F. Inter-relações entre TSMs Globais, Sistemas Atmosféricos de Meso e
Grande escalas e Anomalias de Volume dos Principais Reservatórios de Água da Paraíba.
Campina Grande, PB, 117 p. Tese (Doutorado). Departamento de Meteorologia, Universidade
Federal da Paraíba, 2000.
GOMES, H.B., GOMES H.B., AMORIM, R C. F, Di PACE, F. T., AMORIM, R. F. C.,
OLIVEIRA, C. P. Estudo dos dados hidrometeorológicos da Bacia do rio Mundaú utilizando
métodos estatísticos. Anais do XIII Congresso Brasileiro de Meteorologia, Fortaleza-CE, 2004.
GONÇALVES, W.A.; CORREIA, M.F.; ARAÚJO, L.E.; DA SILVA, D.F.; ARAÚJO, H.A.
Vulnerabilidade Climática do Nordeste Brasileiro: Uma análise de eventos extremos na Zona Semi-
árida da bacia hidrográfica do São Francisco, XIV Congresso Brasileiro de Meteorologia, Anais....,
Florianopólis, 2006.
199
GORAYEB, A., SILVA, E. V. da, MEIRELES, A. J. de A. Impactos Ambientais e propostas de
manejo sustentável para a planície flúvio-marinha do rio Pacoti, FORTALEZA/CEARÁ. Revista
Sociedade & Natureza, Uberlândia-MG, 17 (33): 143-152, dez. 2005.
GORAYEB, A., SILVA, E. V. da, MEIRELES, A. J. de A. Manejo de uso do solo no Ceará,
Sociedade & Natureza, 17 (33): 143-152, dez 2005.
GRANJA, T. A pesca de sururu é feita com muito primitivismo. O Jornal. Rio de Janeiro, maio
de 1969. Ano VI, Edição 74, Disponível em:
http://www.jangadabrasil.com.br/revista/janeiro74/of74001b.asp, Acesso em 03/08/2008.
GU, D.; PHILANDER, G.H. Secular changes of annual and interannual variability in the Tropics
during the past century. Journal of Climate, 8, 864-876, 1995.
GUTTMAN, N.B. A Sensitivity Analysis of the Palmer Hydrologic Drought Index, Water
Resources Bulletin, 27(5), 797-807, 1991.
GUTZLER D.S.; KANN, D.M.; THORNBRUGH, C. Modulation of ENSO-based long-lead
outlooks of southwestern U.S. winter precipitation by the Pacific decadal oscillation. Weather and
Forecasting, 17: 1163-1172, 2002.
HARE, S.R.; FRANCIS, R.C. Climate Change and Salmon Production in the Northeast Pacific
Ocean, In R.J. Beamish [ed.], Climate Change and Northern Fish Populations, Can. Spec. Publ.
Fish. Aquat. Sci., 121, 1995.
HARVELL, C. D. et al. Climate Warming and Disease Risks for Terrestrial and Marine Biota.
Science’s Compass Review. Vol. 296, Junho de 2002.
HAVENS, A.V. Economic Impact of Drought on Water Systems in Passaic River Basin, J. New
Brunswick, New Jersey Agricultural Experiment Station, 1969.
HASTENRATH, S. Prediction of Northeast Brazil rainfall anomalies. J. Climate, v.3, n.8, p.893-
904, 1990.
HASTENRATH, S.; HELLER, L. Dynamics of Climatic hazards in Northeast Brazil. Quarterly,
Journal of the Royal Meteorological Society, n° 103, v. 435, p.77-92, Jan. 1977.
HASTENRATH, S.; GREISCHAR, L. Further work on the prediction of Northeast Brazil rainfall
anomalies. J. Climate, v.6, n.4, p.743-758, 1993.
HASTENRATH, S., KACZMARCZYK, E. B. On spectra and coherence of tropical climate
anomalies, Tellus, v.33, n.5, p.453-462, 1981.
200
HIDALGO, R.R. Manejo y disposición de resíduos sólidos: Primeras experiências mexicanas,
Movimento Ecologista; 7: 36-37, 1989.
HOUGHTON, R.W.; TOURRE Y.M. Characteristics of low-frequency sea surface temperature
fluctuations in the tropical Atlantic. J. Climate., v.5, n.7, p.765-771, 1992.
IPCC. Intergovernmental Panel on Climate Change. 2001. Working Group I. Third Assessment
Report. Summary for Policymakers. WMO. 17 pp.
http://www.meto.gov.uk/sec5/CR_div/ipcc/wg1/WG1-SPM.pdf
KANE, R. P.; TRIVEDI, N. B. Spectral characteristics of the annual rainfall series for northeast
Brazil, Clim. Change, v.13, p.317-336, 1988.
KANE, R. P. El Niño and La Niña events and rainfall in NE and South Brazil, Rev. Bras. Geofís.,
v.10, n.2, p.49-59, 1992.
KANE, R. P. Prediction of droughts in North-east Brazil: Role of ENSO and use of periodicities,
Inter. J. Climatol., v.17, p.655-665, 1997.
KASHIWABARA, T. On the recent winter cooling in the North Pacific. Tenki, 34, 777-781 (in
Japanese), 1987.
KAYANO, M. T. & V. E. KOUSKY Sobre o monitoramento das oscilações intrasazonais. Rev.
Bras. Met., 7. 593-602, 1992.
KAYANO, M.T. Oscilações de Madden & Julian-Oscilações Intrasazonais ou oscilações de 30-60
dias, Edição comemorativa de 10 anos-Climanálise, 1996.
KAYANO, M. T.; KOUSKY, V. E. Tropical circulation variability with emphasis on interannual
and intraseasonal time scales. Revista Brasileira de Meteorologia, v. 11, n. 1 e 2, p. 06 -17, Jun.
1996.
KAYANO, M.T; ANDREOLI, R.V. Interanual variability of the upper tropospheric circulation.
Meteorology and Atmospheric Physics 68:143–150, 1998.
KAYANO, M.T. Low-level high-frequency modes in the Tropical Atlantic and their relation to
precipitation in the equatorial South America, Meteorol Atmod Phys, 83, 263-276, 2003.
KAYANO, M.T; RAO, V.B.; ANDREOLI, RV. A review of short-term climate variability
mechanisms. Science direct, v.35, p.843-851, 2005.
KERR, R.A. A now dawn for sun-climate links? Science, Washington, DC, v.271, nº5254, p.1360-
1361, 1996.
201
KIYUNA, I.; ASSUMPÇÃO, R. Os Efeitos do ENSO sobre a produção, produtividade e mercado
brasileiro de feijão. Informações Econômicas, São Paulo, v.31, n.6, p.25-44, jun.2001.
KIYUNA, I; ASSUMPÇÃO, R. El Niño-Oscilação Sul e a produção de feijão no Brasil.
Informações Econômicas, São Paulo, v.32, n.2, p. 21-42, fev. 2002.
KRISHNAN, R.; SUGI, M. Pacific deacadal oscillation and variability of the Indian summer
monsoon rainfall. Climate Dynamics 21: 233-242, 2003.
KOUSKY, V.E.; CHU, P.S. Fluctuations in annual rainfall for northeast Brazil, J. Meteor. Soc.
Japan, v.56, p.457-466, 1978.
KOUSKY, V. E.; Frontal influences on northeast Brazil, Monthly Weather Review, v.107, n° 9, p.
1140-1153, 1979.
KOUSKY, V.E.; GAN, M.A. Upper tropospheric cyclonic vortices in the tropical South Atlantic.
Tellus, 36(6): p.538-551, Dec 1981.
KOUSKY, V.; KAYANO, M.; CAVALCANTI, I. F. A. A review of the Southern Oscillation:
oceanic-atmospheric circulation changes and related rainfall anomalies, Tellus, 36A, p. 490-
504, 1984.
KOUSKY, V. E.; KAYANO, M.T. Real-time monitoring of intraseasonal oscillations. Proc.
Eighteennth Annual Climate Diagnostics Workshop, p.1-5, Boulder-CO, November, 1993.
KOUSKY, V. E.;. KAYANO, M.T. Principal modes of outgoing longwave radiation and 250-mb
circulation for the South American sector. J. Climate, 7, p.1131-1143, 1994.
LABAT, D; RONCHAIL, J.; GUYOT, J.L. Recent advances in Wavelet analyses, part 2-Amazon,
Parana, Orinoco and Congo discharges time scale variability. Journal of Hidrology, p.1-23, 2005.
LACAVA, C. I. V. Influências de zonas de convergência na organização da convecção tropical
sobre o NEB. Dissertação de Mestrado em Meteorologia, (Publicação DCA/CMM – TD), Campina
Grande-PB, 117 p., Março de 1995.
LIKENS, G.E; BORMANN, F.H.; JOHNSON, N.M.; PIERCE, R.S. The calcium, magnesium,
potassium and sodium budgets for a small-forested ecosystem. Ecology, Durham, n.48, v.5, p.722-
785, 1967.
LIMA, M. C. De; Variabilidade da precipitação no litoral leste da região Nordeste do Brasil.
(Dissertação de Mestrado em Meteorologia), INPE, São José dos Campos – SP, junho de 1991.
LINHARES, A. G.; NEDEL, J. L. Clima e Germinação do grão de trigo na espiga. In: Mota,
F.S.; Agrometeorologia do trigo no Brasil. Campinas, SP.SBAGRO, p.95-101, 1989.
202
LOMAS, J. Meteorological requiments of the wheat crap. WMO Symposium on
Agrometeorology of the wheat crop. Braunschweig, Federal Republic of Germany, (WMO nº396),
1976.
MADDEN, R.A. & JULIAN, P. R. Detection of a 40-50 day oscillation in the zonal wind in the
tropical Pacific. J. Atmos. Sci, 28, p.702-708, 1971.
MANN, M.E.; LALL, U.; SALTZMANN, B. Decadal-to-centennial-scale climate variability:
insights into the rise and fall of the great salt lake. Geophysical Research Letters, Washington,
DC, v.22, n.8, p.937-940, apr.1995.
MANTUA, N.J.; HARE, S.R.; ZHANG, Y.; WALLACE, J.M.; FRANCIS, R.C. A Pacific
Interdecadal Climate Oscillation with Impacts on Salmon Production, Bulletin of the American
Meteorological Society, Vol. 78, pp. 1069-1079, 1997.
MARIN, F. R.; SENTELHAS, P. C. Análise da Influência dos fenômenos El Niño e La Niña no
clima de Piracicaba. In: X CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, Anais
Sociedade Brasileira de Agrometeorologia, Piracicaba, 1997.
MARQUES, R. C.; SILVA, J. R. da F. e; VIEGAS, O.; NORMANDE, E. B. Manejo y
aprovechamiento Acuicola de lagunas costeiras in America Latina y El Caribe. Trabajos
presentados por Brasil, Colombia, Cuba, México y Venezuela em II Taller Regional sobre Lagunas
Costeiras, México, D.F., 9-12 de febrero de 1993.
MARTINS, A.C.S. Relação das anomalias de TSM do Pacífico e Atlântico Tropicais com
anomalias de temperatura, umidade e vento para a América do Sul, Dissertação de Mestrado
em Meteorologia, UFCG, setembro de 2008.
MARKHAM, C. G. Apparent periodicities in rainfall at Fortaleza, Ceará, Brazil, J. App. Meteor.,
v.13, p.176-179, 1974.
MAUGET, S.U.M. Índice Padronizado de Precipitação (SPI); C. Springer Science, V.1, p.90,
2005.
McCABE, G.B.; DETTINGER, M.D. Decadal variations in the strength of ENSO
teleconnections with precipitation in the western. United States. International Journal of
Climatology 19:1399-1410, 1999.
MEDEIROS, F. C.; MOLION, L. C. B. Influências do clima global nas descargas de bacias
hidrográficas do Estado de Alagoas. In: XII CONGRESSO BRASILEIRO DE METEOROLOGIA,
Anais Sociedade Brasileira de Meteorologia, Foz do Iguaçu, PR, 2002. 1 CD-ROM.
MEHTA,V.; DELWORTH, T. Decadal variability of the Tropical Atlantic ocean surface
temperature in shipboard measurements and in a global ocean-atmosphere model, J. Clim., v.8, n.3,
p.172-190, 1995.
203
MELO, S. C.; TEIXEIRA, R. L., Distribuição, reprodução e alimentação de Cathorops spixii e
Arius rugispinis (Pisces, Ariidae) do complexo Mundaú/Manguaba, Maceió, AL. Revista
Brasileira de Biologia, 52(1): 169-180, 1992.
MILLER A. J; CHAI, F.; CHIBA, S; MOISAN, J. R.; NEILSON, D. J. Decadal-scale climate and
ecosystem interactions in the North Pacific Ocean. J. Oceanogr., 60, 163-188, 2004.
MINISTÉRIO DO MEIO AMBIENTE. Publicações MMA / CPRH-PE - PNMA1, Diagnóstico
Sócio-ambiental Litoral Norte, Qualidade ambiental do Litoral Norte. Conflitos de usos, riscos e
perdas ambientais, 23p., 2008.
MINOBE, S.; SCHNEIDER, N.; DESER, C.; LIU, Z.; MANTUA, N.; NAKAMURA, H.;
NONAKA, M. Pacific Decadal Variability: A Review. Journal of Climate, sep. 2004.
MO, K.C.; HÄKKINEN, S. Interannual variability in the tropical Atlantic and linkages to the
Pacific. J. Climate, v.14, n.12, p.2740-2762, 2001.
MOLION, L. C.; MORAES, J. C. Oscilação Sul e descargas de rios na América do Sul Tropical.
Revista brasileira de Engenharia, Caderno de Recursos Hídricos, v. 5, p. 53-63, 1987.
MOLION, L. C. B.; BERNARDO, S.O. Dinâmica das chuvas sobre o Nordeste brasileiro, In: XI
CONGRESSO BRASILEIRO DE METEOROLOGIA. Anais Sociedade Brasileira de
Meteorologia – SBMET CL00132, Rio de Janeiro, RJ, 1 CD-ROM, 2000.
MOLION, L. C. B.; BERNARDO, S.O. Uma Revisão das chuvas no Nordeste brasileiro, Revista
Brasileira de Meteorologia- SBMET, v.17, nº01, p. 1-10, 2002.
MOLION, L.C.B. Aquecimento Global, El Niños, Manchas Solares, Vulcões e Oscilação Decadal
do Pacífico, Revista Climanálise, 2005.
MONTERO, S. G.; CASTELLON E. S.; RIVERA L. M. M.; RUVALCABA, S. G.; LLAMAS J. J.
Collaborative governance for sustainable water resources management: the experience of the Inter-
municipal Initiative for the Integrated Management of the Ayuquila River Basin, Mexico.
Environment & Urbanization. v. 18, n. 2, p. 297–313, 2006.
MORETTIN, P.A. Ondas e Ondeletas: Da Análise de Fourier à Análise de Ondeletas, edusp,
193 p., 1999.
MOURA, A .D.; SHUKLA, D. On the dynamics of droughts in Northeast Brazil: observations,
theory and numerical experiments with a General Circulation Model. Journal of the Atmosferic
Sciences, v. 38, 2653-2675, 1981.
NEWMAN, M.; COMPO, G.P. ALEXANDER, M.A. Enso-forced variability of the Pacific
Decadal Oscillation, Journal of Climate, v.16, n.23, 3853-3857, 2005.
204
NITTA, T.; YAMADA, S. Recent warming of tropical sea surface temperature and its relationship
to the Northern Hemisphere circulation. J. Meteor. Soc. Japan, 67, 375-383, 1989.
NIEBAUER, H. J. Variability in Bering Sea ice cover as affected by a regime shift in the North
Pacific in the period 1947-96. J. Geophys. Res., 103 (C12), 27,717-27,737, 1998.
NOBRE, C. A.; MOLION, L. C. B. The Climatology of Droughts and Droughts Prediction, In:
Impacts of Climatic Variation on Agriculture, v. 2: Assessements in semi-arid regions, M. P.
PARRY, T.R. CARTER, N.T. KONIJIN (eds.), D. Reidel Pub. Co., p. 764, 1987.
NOBRE, P.; SHUKLAJ. Variations of sea surface temperature, wind stress, and rainfall over the
tropical Atlantic and South America. J. Climate, v.9, n.19, p.2464-2479, 1996.
NOVACEK, M. J., CLELAND, E. E. The current biodiversity extinction event: scenarios for
mitigation and recovery, in: National Academy of Sciences Colloquium The Future of Evolution.
Irvine, Califórnia, 2002. Disponível em www.pnas.orgycgiydoiy10.1073ypnas.091093698. Acesso
em 29 de abril de 2008.
OLIVEIRA, A M. Hidrodinâmica do Complexo. In: Apoio à proteção ambiental em Alagoas:
uma experiência de cooperação técnica. Maceió: SEPLAN/IMA/GTZ, 66-77, 1997.
PEDROSA, V, 2006. Canaviais deixam rios "estressados" Gazeta de Alagoas de 19/03/2006.
PEREIRA-BARROS, J. B., Sobre a ocorrência de siris do gênero Callinectes em Alagoas. Bol.
Estud. Ciên, 1981.
PEZZA, A. B.; AMBRIZZI, T. Cold waves in South America and freezing temperatures in São
Paulo: Historical background (1888-2003) and case studies of cyclones and anticyclones tracks,
Revista Brasileira de Meteorologia: 20(1), 141-158, SBMET, Rio de Janeiro, 2005.
PEZZI, L.P.; CAVALCANTI, I.F.A. The relative importance of and tropical Atlantic sea surface
temperature anomalies for seasonal precipitation over South America: a numerical study. Clim
Dyn., v.17, p.205-212, 2001.
PLATONOV, A. K., OLIVEIRA, A. M de. Harmonic Analysis of the currents and water level
modification in shallow coastal waters: example of Mundau-Manguaba loagoon complex,
Brazil. In: Turbulent diffusion in the Environment. Barcelona, p. 133-140, 2000.
PHILANDER, S. G. El Niño, La Niña and the Southern Oscillation. Academic San Diego, 1990.
PRELA, A. Influência dos fenômenos El Niño/La Niña na produtividade de trigo no Estado do
Paraná. Tese de doutorado em Agronomia, Piracicaba, São Paulo, dezembro de 2004.
205
Rede de Justiça Ambiental. Relatório nacional para o direito humano ao meio ambiente.
Disponível em : http://www.justicaambiental.org.br/conteúdo.asp?conteudo_id=1944sec=destaques.
Acesso em: 20 de junho de 2005.
REPELLI, C. A.; FERREIRA, N. S.; ALVES, J. M. B.; NOBRE, Carlos Afonso. Índice de
anomalia de precipitação para o Estado do Ceará. In: X CONGRESSO BRASILEIRO DE
METEOROLOGIA E VIII CONGRESSO DA FLlSMET, 1998, Brasília DF. Anais do X
Congresso Brasileiro de Meteorologia e VIII Congresso da FLlSMET, 1998.
RIBEIRO, A. C. A. Análise e Planejamento Ambiental do Sistema Hidrográfico
Papicu/Maceió, Fortaleza-CE. Dissertação de Mestrado-Mestrado em Desenvolvimento e Meio
Ambiente (PRODEMA), Universidade Federal do Ceará. Fortaleza, 2001.
ROPELEWSKI, C. F.; JONES, P.D. An extension of the Tahiti-Darwin Southern Oscillation Index.
Monthly Weather Review, Washington, v. 115, p. 2161-2165, 1987.
ROPELEWSKI, C. F; HALPERT, M. S. Global and regional scale precipitation patterns associated
with the El Niño-Southern Oscillation, Journal Climate, vol.2, p.268-283, 1987.
ROBOCK, A.; MAO, J. The volcanic signal in surface temperature observations. Journal of
Climate, Boston, v.8, n.5, p.1086-1103, 1995.
ROBOCK, A.; FREE, M.P. Ice cores as an index of global volcanism from 1850 to the present.
Journal of Geophysical Research: series D, Washington, DC, v.100, n.6, p.11549-11568, june
1995.
ROOY, M.P. VAN. A Rainfall Anomaly Index Independent of Time and Space, Notes, 14, 43,
1965.
SALATA, J.C. et al. Controle de erosões e conservação de solos na açucareira Quatá (SP).
STAB, p.33-89, 1988.
SALATI, E.; LEMOS, H.; SALATI JUNIOR, E. Água e o desenvolvimento sustentável. In:
REBOUÇAS, A. C.; BRAGA, B.; TUNDISI, J. G. Águas doces no Brasil: capital ecológico, uso e
conservação. São Paulo: Ed. Escrituras, p. 237-293, 1999.
SCHNEIDER M., VITORINO, I., SILVA DIAS, P.L. Monitoramento da Intrasazonalidade por
meio da Transformada em Ondeletas, Simpósio Internacional de Climatologia, Anais..., Fortaleza-
2005.
SEAGER, R.; KUSHNIR, Y.; NAIK, N. H.; CANE, M. A.; MILLER, J. Wind-Driven shifts in the
latitude of the Kuroshio-Oyashio extension and generation of SST anomalies on decadal timescales.
J. Climate, 14, 4249-4265, 2001.
206
SERVAIN, J. Simple climatic indices for the tropical Atlantic Ocean and some applications. J.
Res., v.96, n.C8, p.15,137-15,146, 1991.
SILVA, C. S., Distribuição e abundância da fauna macrobentônica do complexo estuarino
Mundaú/ Manguaba (Alagoas, Brasil). Bol. Estud. Ciênc. Mar, 6: 45-64, 1992.
SILVA, J. de F. da El Niño, o fenômeno Climático do Século, Brasília, Editora Thesaurus, 2000,
139 p.
SILVA, A. B. P.; SILVEIRA, V. P.; MOLION, L. C. B. Efeitos de vórtices ciclônicos sobre a
precipitação no Nordeste do Brasil. In: XII CONGRESSO BRASILEIRO DE
AGROMETEOROLOGIA e III REUNIÃO LATINO-AMERICANA DE AGROMETEROLOGIA.
Anais Sociedade Brasileira de Agrometeorologia, Fortaleza, CE, 2001.
SILVA, L. F.; KAYANO, M.T.; FERREIRA, N. J. Evolução das Anomalias de Temperatura da
Superfície do Mar durante anos de El Niño nas duas fases da Oscilação Multi-decadal do Pacífico,
Simpósio Internacional de Climatologia, Anais..., Fortaleza-CE, out.2005.
SILVA DIAS, P.L. De olho no Tempo, Estado de São Paulo, 20 de março de 2005.
SIMPSON, R. H. Evolution of the Kona Storm, a subtropical cyclone. Journal of the
Meteorology, v. 9, p.24-35, 1952.
SMITH, T. M.; REYNOLDS, R. W. Extended reconstruction of global sea surface temperatures
based on COADS data (1854-1997). J. Climate, v.16, p. 1495-1510, 2003.
SOUZA, C. A.; DAMIÃO, M. C.; ALVES; L. M. Atuação de vórtices ciclônicos em altos níveis
nos meses de verão de 2000/2001 (parte a). In: XII CONGRESSO BRASILEIRO DE
AGROMETEROLOGIA e III REUNIÃO LATINO-AMERICANA DE AGROMETEROLOGIA.
Anais Sociedade Brasileira de Agrometerologia, Fortaleza, CE, 2001.
SOUZA FILHO, F. A.; COSTA, A. A.; ALVES, J. M. B. Sobre o impacto do fenômeno El Niño-
Oscilação Sul na afluência de reservatório do sistema hidroelétrico brasileiro, In: XII
CONGRESSO BRASILEIRO DE METEOROLOGIA, Anais Sociedade Brasileira de
Meteorologia, Foz do Iguaçu, PR, 2002. 1 CD-ROM.
SOUZA, R.C.; REIS, R.S.; FRAGOSO JR., C.R.; SOUZA, C.F. Uma análise na Dragagem do
Complexo Estuarino-Lagunar Mundaú/Manguaba em Alagoas através de um Modelo Numérico
Hidrodinâmico Bidimensional-Resultados Preliminares, Revista Brasileira de Recursos Hídricos,
v.9, n.4, Out.2004.
SOUZA, E.B.; AMBRIZZI, T.; COELHO, C.A.S. Two episodes with reversed impacts on the
regional precipitation of the northeastern South America. Meteorologica, v.29, n. 1-2, p. 5-16,
2004.
207
SPIEGEL, M.R Estatística. McGraw-Hill, São Paulo, SP, 580p. 1972.
SPIEGEL, M.R. Estatística. Tradução de Pedro Cosentino, São Paulo-SP, McGraw-Hill do Brasil,
580 p, 1977.
SPERBER, K. R.; HAMEED, S. Phase Locking of Nordeste precipitation with sea surface
temperatures, Geophys. Res. Lett., v.20, n.2, p.113-116, 1993.
STEILA, D. Drought Analysis in Four Southern States by a New Index, PhD Diss., Athens, Ga.,
The University of Georgia, 1971.
STENSETH, N. Ecological Effects of Climate Fluctuations. Science’s Compass Review. Vol. 297,
Agosto de 2002. Disponível em www.sciencemag.org. Acesso em 29 de abril de 2008.
SUDENE. Plano Diretor de Recursos Hídricos da Bacia do Rio Mundaú. Recife-PE, 1999.
TASCHNER, S. P. Favelas e Cortiços no Brasil: 20 Anos de Pesquisas e Políticas. Cadernos de
Pesquisa do LAP, 18. São Paulo: Ed. USP, 1997.
TENÓRIO, R. S. Estudo Hidrometeorológico da Bacia do Rio Mundaú. Universidade Federal de
Alagoas. MET. Maceió - Alagoas, Trabalho de conclusão de curso, Fevereiro, 1985.
TEIXEIRA, R. L. & FALCÃO, G. A. F. Nota sobre os peixes e macrocrustáceos que ocorrem
próximo à desembocadura do complexo lagunar Mundaú/Manguaba (Alagoas, Brasil). 5-12,
1992.
TEIXEIRA, R. L., Abundance, reproductive period, and feeding habits of eleotridid fishes in
estuarine habitats of north-east Brazil. Jour. Fish Biol., 45: 749-761, 1994.
TEIXEIRA, R. L. & HELMER, J. L., Ecology of young mojarras (Pisces, Gerreidae) occupying the
shallow waters of a tropical estuary. Revista Brasileira de Biologia., 57(4): 637-646, 1997.
TEIXEIRA, R. L., Distribution and feeding habits of the young common snook, Centropomus
undecimalis (Pisces, Centropomidae), in the shallow waters of a tropical Brazilian estuary.
Bol. Mus. Biol. Mello Leitão (N. Sér.) 6: 35-46, 1997.
TEIXEIRA, R. L; SÁ, H.S. Abundância de Macrocrustáceos Decápodas nas áreas rasas do
Complexo Lagunar Mundaú/Manguaba, AL, Revista Brasileira de Biologia, v.3, n.58, 393-404,
1998.
TORRENCE, C.; COMPO, G.P.: A practical guide to wavelet analysis. Bull.Amer.Meteor.Soc.,
79, 61-78, 1998.
208
TORRENCE, C.; WEBSTER, P.J. : Interdecadal changes in the ENSO-monsoon system.
J.Climate, 12, 2679-2690, 1999.
TRIGO, R. M. ; GALVÃO, C. O. ; TRIGO, I. F. . Aplicação de Wavelets ao estudo da
variabilidade de caudais diários: uma comparação entre algumas bacias portuguesas e
brasileiras. In: IV Simpósio de Hidráulica e Recursos Hídricos dos Países de Língua Oficial
Portuguesa, 1999, Coimbra. APRH, 1999. p. 1-15.
TUCCI, C. E. M. Impactos da variabilidade climática e o Uso do solo sobre os recursos
hídricos. In: Fórum Brasileiro de Mudanças Climáticas – Câmara Temática de Recursos Hídricos,
Brasília, maio 2002.
TUCCI, C.E.M; BRAGA, B. Clima e Recursos Hídricos no Brasil, Coleção ABRH, p. 348, 2003.
TUCCI, C.E.M. (Organizador). Hidrologia: Ciência e Aplicação, 3ª edição, Porto Alegre, Editora
da UFRGS/ABRH, 2004.
UVO, C. R. B. A zona de convergência intertropical (ZCIT) e sua relação com a precipitação
na região norte e nordeste brasileiro. Dissertação de Mestrado. INPE. São José dos Campos,
1989.
UVO, C.B.; REPELLI, A.; ZEBIAK, S.E.; KUSHNIR, Y. The relationships between Tropical
Pacific and Atlantic SST and Northeast Brazil monthly precipitation. J. Climate, v.11, p.551-562,
1998.
UVO, C. TR. B.; REPELLI, C. A; ZEBIAK, S. E.; KUSHIR, Y. The influence of tropical Pacific
and Atlantic SST on Northeast Brazil monthly precipitation (submetido ao) Journal of Climate,
1994. Disponível em: http://www.cptec.inpe.br/products/climanalise. Acesso em: 25 de Agosto de
2002.
VAREJÃO SILVA, M. A. Meteorologia e Climatologia, 2ª edição, Pax gráfica e editora, 532 p.,
Brasília – DF, julho de 2001.
VARZHEMIN, I.G. Chemical composition of natural waters in the VYG River Basin in
relation to the soil of Central Karelia. Soviet Soil Science, v.4, n.1, p.90-101, 1972.
VIANELLO, R. L.; ALVES, A. R. Meteorologia Básica e Aplicações, Editora UFV, Universidade
Federal de Viçosa, 449 p., 2000.
VITORINO, M.I. Análise das Oscilações Intrasazonais sobre a América do Sul e Oceanos
Adjacentes Utilizando a Análise de Ondeletas, Tese de Doutorado em Meteorologia, INPE, São
José dos Campos, 2003.
209
WALKER, GT. Ceará (Brazil) famines and the general air movement. Beitrage zur Physik der
freien Atmosphare, v.14, p.88-93, 1928.
WEICKMANN, K. M.; LUSSKY, G. R.; KUTZBACH, J. E. Intraseasonal (30-60 day) fluctuations
of outgoing longwave radiation and 250 mb streamfunction during northern winter. Mon. Wea.
Rev., 113, 941-961, 1985.
WENG, H. LAU, K-M. Wavelets, period doubling, and time-frequency localization with
application to organization of convection over the Tropical Western Pacific. Journal of the
Atmospheric Sciences, v.51, n.17, p.2523-2541, 1994.
WILKINSON, 1998. Status of Coral reefs of the World Townsville, Australia, Australian
Institute of Marine Science and the Global Coral Reef Monitoring Network: 184 pp, 1998.
WILKINSON, C. 2000. Status of Coral reefs of the World. Townsville, Australia, Australian
Institute of Marine Science and the Global Coral Reef Monitoring Network: 363 pp, 2000.
WOLTER, K. The Southern Oscillation in surface circulation and climate over the tropical Atlantic,
Eastern Pacific, and Indian Oceans as captured by cluster analysis. J. Climate Appl. Meteor., 26,
540-558. Available from the AMS, 1987.
XAVIER, T.M.B.; XAVIER, A.F.S A ODP- “Oscilação Decadal do Pacífico” (PDO – “Pacific
Decadal Oscillation”) e eventos no Atlântico intertropical e no Nordeste Setentrional do Brasil,
Anais do XIII Congresso Brasileiro de Meteorologia, Fortaleza-CE, 2004.
ZHANG, Y.; WALLACE, J.M.; BATTISTI, D. ENSO-like interdecadal variability: 1900-93, J.
Clim., v.10, p.1004-1020, 1997.
210
ANEXOS
211
Anexo 1 – Lista dos postos pluviométricos usados
Localidade Latitude Longitude Região
Garanhuns
Caetés
Jucati
Jupi
Canhotinho
Bom Conselho
Brejão
Santana do Mundaú
São José da Lage
Ibateguara
União dos Palmares
Atalaia
Capela
Maceió
Rio Largo
Murici
Flexeiras
-8,883º
-8,783º
-8,70º
-8,70º
-8,866º
-9,20º
-9,50º
-9,166º
-9,004º
-8,983º
-9,15º
-9,50º
-9,30º
-9,666º
-9,466º
-9,30º
-9,283º
-36,483º
-36,633º
-36,45º
-36,416º
-36,20º
-36,616º
-36,50º
-36,216º
-36,05º
-35,933º
-36,033º
-36,0166º
-36,133º
-35,70º
-35,85º
-35,933º
-35,716º
AM
AM
AM
AM
AM
AM
AM
MM
MM
MM
MM
BM
BM
BM
BM
BM
BM
Anexo 2 – Lista dos postos de qualidade de água usados
Localidade Latitude Longitude Região
Atalaia
Rio Largo
São José da Lage
Santana do Mundaú
Garanhuns
Panelas
-9,50º
-9,466º
-9,004º
-9,166º
-8,883º
-8,666º
-36,0166º
-35,85º
-36,05º
-36,216º
-36,483º
-36,333º
BM
BM
MM
MM
AM
AM
2
212
Anexo 3 – Valores de correlações lineares entre índices climáticos e anomalias de
precipitação nas três regiões da bacia hidrográfica do rio Mundaú
Correlações entre IME, IOS, ODP e anomalias de TSM do Oceano Atlântico e
anomalias de precipitação no BM
anomalias
X ime jan fev mar abr mai jun jul ago set out nov dez
DECJAN -0,133
0,068
-0,124
-0,197
-0,128
-0,259
0,023
-0,074
0,087
-0,012
-0,293
-0,238
JANFEB
-
0,12
0,066
-
0,131
-
0,253
-
0,175
-
0,284
-
0,046
-
0,084
0,002
-
0,027
-
0,251
-
0,266
FEBMAR -0,145
-0,013
-0,044
-0,303
-0,214
-0,296
-0,139
-0,078
-0,165
-0,026
-0,174
-0,17
MARAPR -0,1
0,005
-0,004
-0,293
-0,217
-0,282
-0,137
-0,086
-0,316
0,029
-0,145
-0,177
APRMAY -0,161
-0,054
-0,031
-0,247
-0,19
-0,235
-0,196
-0,043
-0,413
0,092
-0,016
-0,177
MAYJUN -0,206
-0,024
-0,001
-0,122
-0,119
-0,132
-0,27
0,034
-0,442
0,118
0,079
-0,142
JUNJUL -0,123
0,027
-0,027
-0,072
-0,029
-0,071
-0,378
0,093
-0,399
0,139
0,143
-0,104
JULAUG
-
0,132
0,003
-
0,018
-
0,025
0,003
-
0,013
-
0,398
0,097
-
0,377
0,081
0,233
-
0,057
AUGSEP
-
0,06
-
0,006
0,055
0,027
0,056
0,038
-
0,38
0,091
-
0,357
0,065
0,335
0,
002
SEPOCT -0,1
0,026
0,056
0,07
0,094
0,015
-0,328
0,126
-0,308
0,023
0,292
0,02
OCTNOV -0,101
0,018
-0,018
0,101
0,136
0,001
-0,308
0,132
-0,253
-0,001
0,219
0,034
NOCDEC -0,16
-0,016
-0,025
0,108
0,145
0,011
-0,319
0,125
-0,201
-0,01
0,282
0,027
* Valores em itálico são as melhores correlações e marcadas são correlações que não serão
consideradas. Segundo o teste de Student t correlações maiores que 0,13 são significativas.
anomalias
x ios
jan
fev
mar
abr
mai
jun
jul
ago
set
out
nov
dez
IOS JAN -0,098
-0,128
0,136
0,369
0,083
0,296
-0,123
0,126
-0,010
0,065
0,320
0,317
IOS FEV
0,283
0,112
-
0,019
0,279
0,289
0,182
0,137
0,112
0,043
0,135
0,075
0,024
IOS MAR -0,201
-0,092
-0,072
0,301
-0,019
0,128
0,142
0,099
0,186
-0,014
0,102
0,132
IOS ABR -0,029
-0,216
0,007
0,283
0,077
0,169
0,231
-0,017
0,157
-0,001
-0,040
0,282
IOSMAI 0,051
0,029
0,144
-0,132
-0,167
-0,027
0,173
-0,280
0,132
-0,126
-0,003
0,260
IOS JUN 0,142
-0,062
0,134
-0,103
-0,044
-0,108
0,167
-0,149
0,314
-0,102
0,132
0,102
IOS JUL
0
,118
-
0,051
0,058
-
0,127
0,022
-
0,119
0,306
-
0,160
0,271
-
0,254
0,007
0,195
IOS AGO
0,031
0,008
-
0,008
-
0,142
-
0,101
-
0,028
0,290
-
0,019
0,391
-
0,114
-
0,246
0,043
IOS SET 0,068
-0,085
0,055
-0,055
-0,054
0,002
0,308
-0,194
0,273
-0,088
-0,227
0,093
IOS OUT 0,005
-0,080
-0,039
-0,082
-0,208
-0,047
0,156
-0,133
0,173
0,013
-0,040
-0,110
IOS NOV 0,035
-0,084
-0,010
-0,143 -0,279
-0,062
0,229
-0,071
0,030
0,115
-0,203
-0,057
IOS DEZ
0,288
-0,026
0,026
-0,243
-0,247
-0,016
0,265
-0,225
-0,063
0,027
-0,247
-0,046
* Valores em itálico são as melhores correlações e marcadas são correlações que não serão
consideradas. Segundo o teste de Student t correlações maiores que 0,13 são significativas.
3
213
anomalias
x odp jan fev mar abr mai jun jul ago set out nov dez
odp jan 0,058
0,159
0,171
-0,015
-0,043
-0,117
0,114
-0,116
-0,045
-0,025
-0,137
0,058
odp fev -0,101
0,130
0,296
-0,144
-0,059
-0,127
0,071
-0,161
-0,010
-0,056
-0,089
0,196
odp mar -0,049
0,111
0,334
-0,253
-0,151
-0,178
0,053
-0,163
-0,163
-0,058
0,077
0,050
odp abr
-
0,109
0,110
0,247
-
0,289
-
0,236
-
0,148
-
0,024
-
0,176
-
0,155
-
0,034
0,165
0,083
odp mai
-
0,141
0,030
0,214
-
0,378
-
0,258
-
0,336
0,014
-
0,276
-
0,319
-
0,052
0,144
0,125
odp jun -0,169
-0,061
0,321
-0,229
-0,215
-0,283
0,088
-0,349
-0,304
-0,127
0,085
0,106
odp jul -0,215
0,075
0,188
-0,036
-0,254
-0,337
-0,051
-0,096
-0,443
-0,113
0,119
-0,063
odp ago
-0,304
0,023
0,033
-0,153
-0,199
-0,162
-0,204
-0,040
-0,365
0,064
0,175
-0,167
odp set
-
0,215
-
0,019
0,066
-
0,001
-
0,280
-
0,249
-
0,28
4
0,144
-
0,295
-
0,066
0,191
-
0,033
odp out
-
0,419
0,018
0,217
-
0,082
-
0,215
-
0,163
-
0,150
-
0,076
-
0,301
0,095
0,263
-
0,032
odp nov
-0,453
-0,070
0,209
-0,049
-0,180
-0,043
-0,174
0,005
-0,304
0,076
0,452
-0,108
odp dez
-0,467
0,051
0,171
-0,081
-0,265
-0,215
-0,043
0,027
-0,299
-0,029
0,333
-0,019
* Valores em itálico são as melhores correlações e marcadas são correlações que não serão
consideradas. Segundo o teste de t-Student correlações maiores que 0,13 são significativas.
anomalia x
anom.tsm atl
jan fev mar abr mai jun jul ago set out nov dez
tsm jan -0,200
-0,232
0,008
0,360
-0,011
0,126
0,329
0,230
0,118
-0,004
-0,059
-0,063
tsm fev
-
0,271
-
0,309
-
0,069
0,261
-
0,071
0,111
0,376
0,267
0,028
0,065
0,014
-
0,075
tsm mar
-
0,114
-
0,395
-
0,078
0,255
-
0,047
0,208
0,314
0,276
-
0,095
0,044
0,024
0,039
tsm abr
-
0,054
-
0,330
-
0,158
0,212
0,028
0,263
0,281
0,262
-
0,038
0,012
0,138
-
0,022
tsm mai 0,043
-0,198
-0,070
0,161
0,008
0,294
0,229
0,192
-0,084
0,007
0,149
0,103
tsm jun 0,029
-0,191
-0,034
0,183
0,063
0,292
0,227
0,216
-0,018
-0,089
0,241
0,139
tsm jul -0,026
-0,086
0,071
0,250
-0,007
0,163
0,195
0,285
-0,035
-0,245
0,180
0,136
tsm ago
-
0,008
-
0,193
0,199
0,202
-
0,028
0,222
0,197
0,183
-
0,152
-
0,090
0,241
0,233
tsm set 0,058
-0,146
0,082
0,110
-0,102
0,112
0,067
0,155
-0,224
0,104
0,253
0,174
tsm out
0,067
-
0,118
0,061
0,114
-
0,090
0,079
0,107
0,163
-
0,240
-
0,082
0,213
0,244
tsm nov 0,100
-0,092
0,125
0,160
-0,032
0,097
0,032
0,194
-0,254
-0,244
0,099
0,235
tsm dez -0,128
-0,137
0,014
0,237
-0,012
0,028
-0,034
0,342
-0,185
-0,174
0,175
0,214
* Valores em itálico são as melhores correlações e marcadas são correlações que não serão
consideradas. Segundo o teste de t-Student correlações maiores que 0,13 são significativas.
4
214
Correlações entre IME, IOS, ODP e anomalias de TSM do Oceano Atlântico e
anomalias de precipitação no MM
anomalias
x ios jan fev mar abr mai jun jul ago set out nov dez
IOS JAN 0,003
-0,16
-0,02
0,294
0,069
-0,088
-0,077
0,035
-0,133
-0,032
0,348
0,287
IOS FEV
0,0
77
-
0,229
-
0,189
0,214
0,239
-
0,106
0,103
0,084
-
0,082
-
0,014
0,191
-
0,002
IOS MAR -0,207
-0,243
-0,223
0,073
0,054
-0,144
0,042
-0,179
0,001
-0,031
0,142
0,037
IOS ABR
0,013
-
0,258
-
0,205
0,124
0,088
-
0,161
0,114
-
0,158
-
0,097
-
0,119
0,021
0,074
IOSMAI 0,066
-0,07
0,148
-0,112
0,043
-0,103
0,116
-0,275
0,059
-0,093
0,178
0,194
IOS JUN 0,185
-0,157
0,057
-0,285
-0,007
-0,222
0,064
-0,148
0,081
-0,042
0,182
0,086
IOS JUL 0,116
-0,157
0,061
-0,142
0,122
-0,275
0,156
-0,098
0,087
-0,262
0,154
0,107
IOS A
GO
-
0,02
-
0,159
-
0,023
-
0,326
-
0,135
-
0,24
0,052
-
0,064
0,117
-
0,118
-
0,127
-
0,024
IOS SET
0,035
-
0,223
-
0,004
-
0,212
0,033
-
0,181
0,192
-
0,174
0,12
-
0,088
-
0,009
0,018
IOS OUT
-
0,173
-
0,245
-
0,147
-
0,27
-
0,212
-
0,309
-
0,01
-
0,261
-
0,097
0,016
-
0,027
-
0,
141
IOS NOV -0,019
-0,285
-0,044
-0,344
-0,306
-0,185
0,001
-0,235
-0,12
-0,054
-0,245
-0,126
IOS DEZ 0,038
-0,253
-0,038
-0,347
-0,26
-0,151
0,016
-0,39
-0,203
-0,186
-0,26
-0,222
* Valores em itálico são as melhores correlações e marcadas são correlações que não serão
consideradas. Segundo o teste de Student t correlações maiores que 0,13 são significativas.
anomalia
x ime jan fev mar abr mai jun jul ago set out nov dez
DECJAN 0,166
0,293
0,145
-0,178
-0,143
0,186
0,073
0,151
0,242
0,081
-0,276
-0,122
JANFEB
0,101
0,298
0,128
-
0,198
-
0,179
0,146
0,003
0,075
0,159
0,066
-
0,284
-
0,165
FEBMAR
0,039
0,299
0,207
-
0,118
-
0,158
0,12
-
0,053
0,096
0,072
0,083
-
0,209
-
0,087
MARAPR 0,047
0,304
0,232
-0,057
-0,151
0,146
-0,006
0,145
-0,003
0,119
-0,171
-0,099
APRMAY -0,106
0,254
0,18
0,006
-0,087
0,107
-0,059
0,13
-0,095
0,195
-0,059
-0,077
MAYJUN -0,094
0,287
0,182
0,117
-0,038
0,177
-0,066
0,181
-0,15
0,215
0,021
-0,042
JUNJUL -0,081
0,276
0,135
0,184
0,031
0,19
-0,149
0,199
-0,118
0,25
0,048
0
JULAUG
-
0,105
0,223
0,108
0,221
0,041
0,209
-
0,157
0,17
-
0,123
0,191
0,082
0,031
AUGSEP -0,036
0,209
0,114
0,276
0,072
0,252
-0,128
0,133
-0,113
0,17
0,177
0,104
SEPOCT -0,021
0,244
0,111
0,307
0,107
0,291
-0,093
0,197
-0,042
0,132
0,131
0,122
OCTNOV 0,02
0,243
0,07
0,307
0,152
0,278
-0,094
0,233
-0,011
0,091
0,066
0,109
NOCDEC -0,019
0,227
0,051
0,302
0,169
0,25
-0,09
0,244
0,029
0,117
0,127
0,119
* Valores em itálico são as melhores correlações e marcadas são correlações que não serão
consideradas. Segundo o teste de Student t correlações maiores que 0,13 são significativas.
5
215
anomalias
x odp jan fev mar abr mai jun jul ago set out nov dez
odp jan 0,095
0,217
0,184
0,12
-0,056
0,122
0,147
-0,036
0,254
-0,062
0,002
0,091
odp fev 0,069
0,424
0,372
0,094
-0,051
0,215
0,14
0,078
0,282
0,04
0,049
0,232
odp mar 0,073
0,371
0,389
0,118
0,034
0,154
0,161
0,08
0,232
0,13
0,217
0,13
odp abr
0,043
0,39
0,391
0,079
-
0,093
0,172
0,141
0,042
0,176
0,155
0,234
0,176
odp mai
-
0,057
0,302
0,386
0,045
-
0,041
0,044
0
,117
-
0,003
0,071
0,067
0,218
0,15
odp jun -0,044
0,297
0,279
0,01
-0,16
0,151
0,176
-0,153
-0,005
-0,04
0,107
0,09
odp jul -0,003
0,361
0,288
0,235
-0,074
0,125
0,186
0,107
-0,156
0,07
0,187
0,055
odp ago -0,172
0,262
0,146
0,182
-0,066
0,13
0,034
0,16
-0,089
0,219
0,16
-0,049
odp set
-
0,05
0,207
0,112
0,374
-
0,032
-
0,05
-
0,059
0,214
-
0,036
0,178
0,253
0,091
odp out
-
0,102
0,407
0,336
0,261
0,001
0,228
0,072
0,165
0,034
0,353
0,313
0,087
odp nov -0,174
0,23
0,323
0,166
-0,042
0,247
0,106
0,222
-0,012
0,331
0,412
0,065
odp dez -0,215
0,333
0,324
0,145
-0,11
0,134
0,128
0,131
-0,01
0,245
0,321
0,104
* Valores em itálico são as melhores correlações e marcadas são correlações que não serão
consideradas. Segundo o teste de t-Student correlações maiores que 0,13 são significativas.
anomalia x
anom. tsm atl
jan
fev
mar
abr
mai
jun
jul
ago
set
out
nov
dez
tsm jan
0,284
-
0,008
0,065
0,284
0,046
0,208
0,323
0,259
0,119
0,057
0,108
0
,029
tsm fev 0,041
-0,058
-0,060
0,174
-0,037
0,216
0,310
0,194
0,110
0,085
0,040
-0,005
tsm mar 0,030
-0,234
-0,118
0,173
-0,029
0,199
0,200
0,069
-0,074
-0,071
-0,031
0,005
tsm abr 0,103
-0,241
-0,168
0,141
0,057
0,269
0,264
0,145
-0,099
-0,060
0,041
-0,025
tsm mai
0,132
-
0,253
-
0,042
0,117
0,081
0,217
0,224
0,148
-
0,130
-
0,
078
0,086
0,061
tsm jun 0,122
-0,180
-0,022
0,206
0,097
0,265
0,304
0,187
-0,096
-0,076
0,134
0,151
tsm jul
0,164
-
0,097
0,147
0,311
0,112
0,214
0,311
0,225
-
0,044
-
0,183
0,129
0,120
tsm ago 0,197
-0,101
0,252
0,287
0,081
0,325
0,347
0,201
-0,032
-0,010
0,217
0,256
tsm set 0,225
-0,100
0,219
0,260
0,080
0,254
0,217
0,204
-0,032
0,156
0,233
0,217
tsm out 0,190
-0,089
0,162
0,278
0,067
0,251
0,188
0,111
-0,122
-0,052
0,150
0,281
tsm nov
0,132
-
0,131
0,169
0,212
0,010
0,211
0,129
0,052
-
0,210
-
0,261
0,01
1
0,230
tsm dez
-
0,022
-
0,059
0,114
0,247
0,016
0,204
0,097
0,195
-
0,120
-
0,138
0,006
0,252
* Valores em itálico são as melhores correlações e marcadas são correlações que não serão
consideradas. Segundo o teste de t-Student correlações maiores que 0,13 são significativas.
6
216
Correlações entre IME, IOS, ODP e anomalias de TSM do Atlântico e anomalias de
precipitação no AM
anomalias
x ime jan fev mar abr mai jun jul ago set out nov dez
DECJAN 0,147
0,265
-0,083
-0,153
-0,266
-0,14
-0,041
-0,262
0,111
-0,047
-0,258
-0,128
JANFEB
0,094
0,297
-
0,089
-
0,23
-
0,297
-
0,162
-
0,092
-
0,286
0,04
-
0,03
-
0,244
-
0,19
FEBMAR 0,007
0,224
-0,004
-0,229
-0,302
-0,193
-0,154
-0,292
-0,086
-0,089
-0,188
-0,2
MARAPR
0,077
0,189
0,078
-
0,151
-
0,327
-
0,225
-
0,156
-
0,
309
-
0,208
-
0,083
-
0,171
-
0,189
APRMAY -0,111
0,149
0,047
-0,189
-0,267
-0,213
-0,206
-0,366
-0,299
-0,031
-0,139
-0,106
MAYJUN -0,111
0,168
0,035
-0,133
-0,201
-0,137
-0,229
-0,269
-0,343
0,025
-0,066
-0,038
JUNJUL -0,13
0,169
-0,016
-0,152
-0,116
-0,093
-0,264
-0,211
-0,305
0,083
-0,069
0,023
JULAUG
-
0,181
0,08
-
0,045
-
0,142
-
0,081
-
0,053
-
0,237
-
0,198
-
0,266
0,044
-
0,044
0,043
AUGSEP
-
0,15
0,027
-
0,051
-
0,108
0,006
-
0,04
-
0,228
-
0,208
-
0,24
0,049
0,007
0,101
SEPOCT
-
0,094
0,031
-
0,017
-
0,058
0,027
-
0,031
-
0,183
-
0,158
-
0,203
0,032
-
0,046
0,145
OCTNOV -0,065
-0,001
-0,081
-0,093
0,079
-0,032
-0,179
-0,113
-0,203
-0,004
-0,1
0,167
NOCDEC -0,16
0,003
-0,105
-0,116
0,123
-0,008
-0,186
-0,107
-0,14
-0,025
-0,075
0,173
* Valores em itálico são as melhores correlações e marcadas são correlações que não serão
consideradas. Segundo o teste de Student t correlações maiores que 0,13 são significativas.
anomalias
x ios jan fev mar abr mai jun jul ago set out nov dez
IOS JAN -0,194
-0,32
0,042
0,153
0,225
0,165
-0,014
0,279
0,01
0,044
0,268
0,209
IOS FEV
0,16
-
0,148
0,054
0,29
0,256
-
0,01
0,056
0,18
-
0,081
0,073
0,145
0,174
IOS MAR
-
0,196
-
0,162
-
0,044
0,217
0,135
0,175
0,085
0,203
0,261
0,192
0,159
0,217
IOS ABR 0,002
-0,18
-0,058
0,328
0,304
0,148
0,133
0,299
0,162
-0,035
0,091
0,147
IOSMAI -0,078
-0,091
-0,168
-0,015
0,099
0,042
0,019
0,027
0,096
-0,027
0,284
-0,086
IOS JUN 0,166
-0,117
-0,073
-0,181
0,134
-0,11
0,022
0,018
0,24
0,025
0,147
-0,117
IOS JUL 0,114
-0,103
0,088
0,047
0,157
-0,095
0,075
0,039
0,175
-0,29
0,198
-0,065
IOS AGO
0,151
0,065
0,142
0,134
-
0,113
0,087
0,166
0,223
0,271
-
0,098
0,045
-
0,096
IOS SET 0,087
0,008
0,065
0,147
0,045
0,096
0,216
0,016
0,212
-0,117
0,127
-0,066
IOS OUT -0,205
0
-0,113
-0,034
-0,007
0,023
0,069
0,04
0,207
0,035
0,017
-0,199
IOS NOV 0,076
-0,054
0,09
-0,011
-0,257
-0,038
0,057
-0,099
0,074
0,263
-0,086
-0,229
IOS DEZ 0,217
-0,131
0,092
-0,025
-0,261
-0,007
0,116
-0,097
-0,058
0,123
-0,027
-0,295
* Valores em itálico são as melhores correlações e marcadas são correlações que não serão
consideradas. Segundo o teste de Student t correlações maiores que 0,13 são significativas.
7
217
anomalias
x odp jan fev mar abr mai jun jul ago set out nov dez
odp jan 0,161
0,097
0,231
0,261
-0,181
-0,044
0,142
-0,086
0,094
-0,223
-0,136
0
odp fev 0,172
0,116
0,322
0,181
-0,199
0,005
0,139
-0,117
0,139
-0,278
-0,091
0,043
odp mar 0,108
0,088
0,342
0,17
-0,204
-0,1
0,069
-0,209
0,071
-0,161
-0,007
-0,07
odp abr
0,031
0,076
0,221
0,086
-
0,325
-
0,087
-
0,023
-
0,27
0,047
-
0,183
0,057
-
0,129
odp mai
0
0,031
0,263
0,008
-
0,275
-
0,256
-
0,142
-
0,383
-
0,123
-
0,245
0,082
-
0,147
odp jun 0,111
0,077
0,143
0,03
-0,231
-0,233
-0,06
-0,368
-0,105
-0,216
0,145
-0,017
odp jul 0,045
0,26
0,078
0,158
-0,15
-0,271
-0,127
-0,271
-0,254
-0,091
0,134
-0,084
odp ago -0,195
0,17
0,046
0,118
-0,15
-0,078
-0,186
-0,307
-0,249
0,06
0,101
-0,176
odp set
-
0,154
0,031
0,074
0,22
-
0,14
-
0,237
-
0,35
-
0,194
-
0,104
0,068
0,177
-
0,031
odp out
-
0,084
0,113
0,254
0,12
-
0,196
-
0,084
-
0,232
-
0,315
-
0,0
46
0,105
0,094
-
0,012
odp nov -0,213
0,095
0,281
0,029
-0,243
-0,034
-0,136
-0,172
-0,037
0,022
0,201
-0,118
odp dez -0,074
0,181
0,329
0,143
-0,28
-0,125
-0,058
-0,056
-0,032
0,063
0,159
-0,034
* Valores em itálico são as melhores correlações e marcadas são correlações que não serão
consideradas. Segundo o teste de t-Student correlações maiores que 0,13 são significativas.
anomalia x
ano.tsm atl
jan
fev
mar
abr
mai
jun
jul
ago
set
out
nov
dez
tsm jan
0,183
0,120
0,269
0,513
0,030
0,050
0,155
0,196
0,216
0,034
0,147
0,155
tsm fev 0,063 0,099 0,243
0,534
-0,054 0,039 0,218 0,122 0,186 0,090 0,029 0,187
tsm mar 0,003 -0,127 0,257
0,466
-0,009 0,075 0,203 0,128 0,120 0,028 -0,002 0,224
tsm abr 0,155 -0,094 0,161 0,476 0,008 0,124 0,217 -0,009 0,047 0,020 0,117 0,128
tsm mai
0,227
-
0,142
0,261
0,463
0,002
0,214
0,256
0,032
0,000
0,024
0,145
0,103
tsm jun 0,150 -0,082 0,220
0,490
0,078 0,198
0,297
-0,028 0,099 -0,050 0,191 0,104
tsm jul
0,225
0,032
0,361
0,533
-
0,007
0,185
0,238
0,064
0,066
-
0,135
0,
286
0,096
tsm ago 0,199 -0,058
0,335 0,501
-0,003 0,167 0,184 -0,031 0,001 -0,039
0,296
0,208
tsm set 0,213 -0,112 0,192
0,415
-0,103 0,003 0,031 -0,104 -0,056 0,102 0,192 0,071
tsm out 0,225 -0,038 0,167
0,423
-0,035 0,057 0,054 -0,124 -0,184 0,029 0,203 0,094
tsm nov
0,239
0,023
0,164
0,339
-
0,056
0,100
0,084
-
0,103
-
0,286
-
0,094
0,254
0,152
tsm dez
0,040
0,176
0,069
0,274
-
0,088
-
0,007
0,024
-
0,008
-
0,131
-
0,034
0,208
0,211
* Valores em itálico são as melhores correlações e marcadas são correlações que não serão
consideradas. Segundo o teste de t-Student correlações maiores que 0,13 são significativas.
8
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
