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.)
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
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
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
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.
Chaudhary, M., & Piracha, A. (2021). Natural disaster – Origins, impacts, management. Encyclopedia, 1(4), 1101–1131.
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.
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.
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
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.
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.
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.
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.
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.
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).
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
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.
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.
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.
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.
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.
Mu, Y., & Jones, C. (2022). An observation analysis of precipitation and deforestation age in the Brazilian Legal Amazon. Atmospheric Research, 271, 1–9.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
WorldClim. (n.d.). Historical monthly weather data. https://worldclim.org/data/monthlywth.html
