MUDANÇAS HIDROCLIMÁTICAS NA BACIA HIDROGRÁFICA DO RIO CAETÉ, AMAZÔNIA ORIENTAL BRASILEIRA
DOI:
https://doi.org/10.56238/arev8n2-029Palavras-chave:
Dipolo do Atlântico, ENOS, Variáveis Meteorológicas, Vazão, TendênciasResumo
A variabilidade hidroclimática na região amazônica está intimamente relacionada às interações oceano–atmosfera em larga escala, particularmente ao El Niño–Oscilação Sul (ENOS) e ao Dipolo do Atlântico (DA). Este estudo investiga as tendências e as inter-relações entre a Temperatura da Superfície do Mar (TSM), a Precipitação (P), a Temperatura Máxima do Ar (Tmaxar), a Evapotranspiração (Et) e a Vazão (V) na Bacia Hidrográfica do rio Caeté (BHC), localizada na Amazônia Oriental, Brasil. Conjuntos de dados hidroclimáticos, compreendendo o período de 1985 a 2023, foram analisados por meio mapeamento, detecção de tendências (testes de Mann–Kendall e Pettitt) e análises de correlação. Os resultados revelaram tendências significativas de aquecimento nas anomalias de TSM tanto do Atlântico Tropical, sugerindo aumento na persistência e intensidade dos eventos de DA. A precipitação na BHC apresentou alta variabilidade interanual e fortes correlações com as anomalias de TSM, especialmente provenientes do domínio atlântico. Embora não tenham sido detectadas tendências estatisticamente significativas para P, Tmaxar ou Et, a V do rio Caeté apresentou tendência de diminuição (MKz = –1,47), indicando uma possível redução futura na disponibilidade hídrica. A análise espacial confirmou distribuições desiguais das variáveis hidroclimáticas ao longo da bacia. Notadamente, fatores antrópicos — como o desmatamento nas áreas de cabeceira — podem amplificar os desequilíbrios hidroclimáticos, mesmo sob condições climaticamente favoráveis. Esses resultados ressaltam a importância do monitoramento hidroclimático contínuo e de avaliações integradas das dinâmicas de uso e cobertura do solo para antecipar os impactos socioambientais de longo prazo em bacias costeiras amazônicas.
Downloads
Referências
Agência Nacional de Águas e Saneamento Básico. (n.d.). Sistema Nacional de Informações sobre Recursos Hídricos (SNIRH). http://www.snirh.gov.br/hidroweb/
Aschale, T. M., Peres, D. J., Gullotta, A., Sciuto, G., & Cancelliere, A. (2023). Trend analysis and identification of the meteorological factors influencing reference evapotranspiration. Water, 15(1), 1–17. https://doi.org/10.3390/w15010001 (Nota: DOI inferido de referências semelhantes; verifique o exato se disponível.) DOI: https://doi.org/10.3390/w15030470
Bougara, H., Hamed, K. B., Borgemeister, C., Tischbein, B., & Kumar, N. (2020). Analyzing trend and variability of rainfall in the Tafna basin (Northwestern Algeria). Atmosphere, 11(4), Article 347. https://doi.org/10.3390/atmos11040347 DOI: https://doi.org/10.3390/atmos11040347
Canchala, T., Carvajal-Escobar, Y., Alfonso-Morales, W., Torres, W. A., Sánchez-Torres, D., & Cerón, W. L. (2024). Seasonal influence of tropical Pacific and Atlantic sea surface temperature on streamflow variability in the Patia River basin. Theoretical and Applied Climatology. Advance online publication. https://doi.org/10.1007/s00704-024-04934-6 DOI: https://doi.org/10.1007/s00704-024-04934-6
Casagrande, E., Recanati, F., Rulli, M. C., Bevacqua, D., & Melià, P. (2021). Water balance partitioning for ecosystem service assessment: A case study in the Amazon. Ecological Indicators, 121, Article 107155. https://doi.org/10.1016/j.ecolind.2020.107155 DOI: https://doi.org/10.1016/j.ecolind.2020.107155
Caroletti, G. N., Coscarelli, R., & Caloiero, T. (2019). Validation of satellite, reanalysis and RCM data of monthly rainfall in Calabria (Southern Italy). Remote Sensing, 11(13), 1–20. DOI: https://doi.org/10.3390/rs11131625
Chaudhary, M., & Piracha, A. (2021). Natural disaster – Origins, impacts, management. Encyclopedia, 1(4), 1101–1131. DOI: https://doi.org/10.3390/encyclopedia1040084
Crocker, E., Gurung, K., Calvert, J., Nelson, D., & Yang, J. (2023). Integrating GIS, remote sensing, and citizen science to map oak decline risk across the Daniel Boone National Forest. Remote Sensing, 15(9), 1–16. DOI: https://doi.org/10.3390/rs15092250
D’Acunha, B., Dalmagro, H. J., Arruda, P. H. Z., Biudes, M. S., Lathuillière, M. J., Uribe, M., Couto, E. G., Brando, P. M., Vourlitis, G., & Johnson, M. S. (2024). Changes in evapotranspiration, transpiration and evapotranspiration across natural and managed landscapes in the Amazon, Cerrado and Pantanal biomes. Agricultural and Forest Meteorology, 346, 1–16. DOI: https://doi.org/10.1016/j.agrformet.2023.109875
Empresa Brasileira de Pesquisas Agropecuárias. (n.d.-a). Sistema Brasileiro de Classificação de Solos (SiBCS). http://geoinfo.cnps.embrapa.br/layers/?limit=100&offset=0
Empresa Brasileira de Pesquisas Agropecuárias. (n.d.-b). Brasil em Relevo. https://www.cnpm.embrapa.br/projetos/relevobr/download/index.htm
Espinoza, J., Jimenez, J. C., Marengo, J. A., Schöngart, J., Ronchail, J., Lavado-Casimiro, W., & Ribeiro, J. V. (2024). The new record of drought and warmth in the Amazon in 2023 related to regional and global climatic features. Scientific Reports, 14, Article 8107. https://doi.org/10.1038/s41598-024-58782-5 DOI: https://doi.org/10.1038/s41598-024-58782-5
Fick, S. E., & Hijmans, R. J. (2017). WorldClim 2: New 1-km spatial resolution climate surfaces for global land areas. International Journal of Climatology, 37(12), 4302–4315. DOI: https://doi.org/10.1002/joc.5086
Gadedjisso-Tossou, A., Adjegan, K., & Kablan, A. K. M. (2021). Rainfall and temperature trend analysis by Mann-Kendall test and significance for rainfed cereal yields in Northern Togo. Sci, 3(1), 1–20. DOI: https://doi.org/10.3390/sci3010017
Golden Gate Weather Services. (n.d.). ENSO: Oceanic Niño Index (ONI). https://ggweather.com/enso/oni.htm
Gomes, D. J. C., & Beltrão, N. E. S. (2024). Impacts of ocean-atmosphere interaction phenomena on hydrometeorology of the Gurupi river watershed, Eastern Amazon. Revista Brasileira de Climatologia, 34(20), 643–667. DOI: https://doi.org/10.55761/abclima.v34i20.16900
Gomes, D. J. C., Beltrão, N. E. S., & Lima, A. M. M. (2023). Influence of climatic phenomena and deforestation on hydroenvironmental fragility, Gurupi river watershed, Northern Brazil. Revista Brasileira de Ciências Ambientais, 56(3), 375–385. DOI: https://doi.org/10.5327/Z2176-94781621
He, Q., Wang, M., Liu, K., Li, K., & Jiang, Z. (2022). GPRChina Temp 1km: A high-resolution monthly air temperature data set for China (1951-2020) based on machine learning. Earth System Science Data, 14(7), 3273–3292. DOI: https://doi.org/10.5194/essd-14-3273-2022
Hu, S., & Mo, X. (2022). Diversified evapotranspiration responses to climatic change and vegetation greening in eight global great river basins. Journal of Hydrology, 613(Part A). DOI: https://doi.org/10.1016/j.jhydrol.2022.128411
Instituto Brasileiro de Geografia e Estatística. (n.d.). Geociências. https://www.ibge.gov.br/geociencias/downloads-geociencias.html
Instituto Nacional de Meteorologia. (n.d.). Normais Climatológicas. https://clima.inmet.gov.br/NormaisClimatologicas/19611990/precipitacao_acumulada_mensal_anual
Jiang, N., Zhu, C., Hu, Z., McPhaden, M. J., Chen, D., Liu, B., Ma, S., Yan, Y., Zhou, T., Qian, W., Luo, J., Yang, X., Liu, F., & Zhu, Y. (2024). Enhanced risk of record-breaking regional temperatures during the 2023-24 El Niño. Scientific Reports, 14, Article 2521. https://doi.org/10.1038/s41598-024-52846-2 DOI: https://doi.org/10.1038/s41598-024-52846-2
Krakauer, N. Y., Pradhanang, S. M., Lakhankar, T., & Jha, A. K. (2013). Evaluating satellite products for precipitation estimation in mountain regions: A case study for Nepal. Remote Sensing, 5, 4107–4123. DOI: https://doi.org/10.3390/rs5084107
Leite-Filho, A. T., Soares-Filho, B. S., Davis, J. L., Abrahão, G. M., & Borner, J. (2021). Deforestation reduces rainfall and agricultural revenues in the Brazilian Amazon. Nature Communications, 12, Article 2591. DOI: https://doi.org/10.1038/s41467-021-22840-7
Machado-Silva, F., Libonati, R., Lima, T. F. M., Peixoto, R. B., França, J. R. A., Magalhães, M. A. F. M., Santos, F. L. M., Rodrigues, J. A., & Dacamara, C. C. (2020). Drought and fires influence the respiratory diseases hospitalizations in the Amazon. Ecological Indicators, 109. DOI: https://doi.org/10.1016/j.ecolind.2019.105817
McNally, A., Jacob, J., Arsenault, K., Slinski, K., Sarmiento, D. P., Hoell, A., Pervez, S., Rowland, J., Budde, M., Kumar, S., Peters-Lidard, C., & Verdin, J. P. (2022). A Central Asia hydrologic monitoring dataset for food and water security applications in Afghanistan. Earth System Science Data, 14, 3115–3135. DOI: https://doi.org/10.5194/essd-14-3115-2022
Mulungu, D. M. M., & Mukama, E. (2022). Evaluation and modelling of accuracy of satellite-based CHIRPS rainfall data in Ruvu subbasin, Tanzania. Modeling Earth Systems and Environment, 9, 1287–1300. DOI: https://doi.org/10.1007/s40808-022-01555-8
Mu, Y., & Jones, C. (2022). An observation analysis of precipitation and deforestation age in the Brazilian Legal Amazon. Atmospheric Research, 271, 1–9. DOI: https://doi.org/10.1016/j.atmosres.2022.106122
National Oceanic and Atmospheric Administration. (n.d.-a). Climate indices: Monthly atmospheric and ocean time series. https://psl.noaa.gov/data/climateindices/list/
Paca, V. H. M., Espinoza-Dávalos, G. E., Silva, R., Tapajós, R., & Gaspar, A. B. S. (2022). Remote sensing products validated by flux tower data in Amazon rain forest. Remote Sensing, 14(5), 1–20. DOI: https://doi.org/10.3390/rs14051259
Qian, J., Zhang, L., Schlink, U., Meng, Q., Liu, X., & Jancsó, T. (2024). High spatial and temporal resolution multi-source anthropogenic heat estimation for China. Resources, Conservation and Recycling, 203. DOI: https://doi.org/10.1016/j.resconrec.2024.107451
Rata, M., Douaoui, A., Larid, M., & Douaik, A. (2020). Comparison of geostatistical interpolation methods to map annual rainfall in the Chéliff watershed, Algeria. Theoretical and Applied Climatology, 141, 1009–1024. DOI: https://doi.org/10.1007/s00704-020-03218-z
Santos, A. F., Moura, F. R. T., Seruffo, M. C. R., Santos, W. P., Costa, G. B., & Costa, F. A. R. (2023). The impact of meteorological changes on the quality of life regarding thermal comfort in the Amazon region. Frontiers in Climate, 5, 1–19. DOI: https://doi.org/10.3389/fclim.2023.1126042
Serrão, E. A. O., Pontes, P. R. M., Cavalcante, R. B. L., Xavier, A. C. F., Ferreira, T. R., & Terassi, P. M. B. (2023). Hydrological processes in a watershed on the transition from Amazon to Cerrado in Brazil. Journal of South American Earth Sciences, 129. DOI: https://doi.org/10.1016/j.jsames.2023.104507
Silveira, I. H., Hartwig, S. V., Moura, M. N., Cortes, T. R., Junger, W. L., Cirino, G., Ignotti, E., & Oliveira, B. F. A. (2023). Heat waves and mortality in the Brazilian Amazon: Effect modification by heat wave characteristics, population subgroup, and cause of death. Environmental Health, 248. DOI: https://doi.org/10.1016/j.ijheh.2022.114109
Souza, E. B., Kayano, M. T., & Ambrizzi, T. (2005). Intraseasonal and submonthly variability over the eastern Amazon and northeast Brazil during the autumn rainy season. Theoretical and Applied Climatology, 81(3–4), 177–191. DOI: https://doi.org/10.1007/s00704-004-0081-4
Thielen, D. R., Ramoni-Perazzi, P., Zamora-Lezama, E., Puche, M. L., Marquez, M., Quintero, J. I., Rojas, W., Quintero, A., Bianchi, G., Soto-Werschitz, I., & Arizapana-Almonacid, M. A. (2023). Effect of extreme El Niño events on the precipitation of Ecuador. Natural Hazards and Earth System Sciences, 23(4), 1507–1527. DOI: https://doi.org/10.5194/nhess-23-1507-2023
Towner, J., Ficchi, A., Cloke, H. L., Bazo, J., Perez, E. C., & Stephens, E. M. (2021). Influence of ENSO and tropical Atlantic climate variability on flood characteristics in the Amazon basin. Hydrology and Earth System Sciences, 25, 3875–3895. DOI: https://doi.org/10.5194/hess-25-3875-2021
Tran, D., & Liou, Y. (2024). Creating a spatially continuous air temperature dataset for Taiwan using thermal remote-sensing data and machine learning algorithms. Ecological Indicators, 158, 1–23. DOI: https://doi.org/10.1016/j.ecolind.2023.111469
Vargas, D., Pucha-Cofrep, D., Serrano-Vicenti, S., Burneo, A., Carlosama, L., Herrera, M., Cerna, M., Molnár, M., Jull, A. J. T., Temovski, M., László, E., Futó, I., Horváth, A., & Palcsu, L. (2022). ITCZ precipitation and cloud cover excursions control Cedrela nebulosa tree-ring oxygen and carbon isotopes in the northwestern Amazon. Global and Planetary Change, 211, 1–15. DOI: https://doi.org/10.1016/j.gloplacha.2022.103791
WorldClim. (n.d.). Historical monthly weather data. https://worldclim.org/data/monthlywth.html
