Análise e previsão estatística do Índice de Precipitação Padronizada (SPI) para o Nordeste do Brasil

• Main Author: Carmo, Maria Vitória Nava Silva do
• Other Authors: Lima, Carlos Henrique Ribeiro
• Format: Thesis
• Language: Portuguese
• Published: 2018
• Subjects: Secas - Brasil; Nordeste; Índice de precisão; Previsão; North Atlantic
• Online Access: http://repositorio.unb.br/handle/10482/32290

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2018. As secas são o principal desastre natural que afeta o Nordeste brasileiro e o entendimento da sua dinâmica é fundamental para a gestão do risco climático na região. Buscou-se neste trabalho caracterizar os padrões espaço-temporais das secas meteorológicas no Nordeste a partir da análise do Índice de Precipitação Padronizada (SPI, Standardized Precipitation Index) e desenvolver um modelo de previsão sazonal para esse índice, usando a temperatura na superfície do mar (TSM) como covariável climática preditora. A técnica análise das componentes principais foi utilizada para decompor o SPI em modos de variabilidade, visando identificar as variações no tempo e no espaço, tendo-se observado uma seca distribuída por toda a região na primeira componente principal (cerca de 42% da variabilidade dos dados), um padrão de variação do tipo dipolo norte-sul na segunda componente principal (11% da variabilidade dos dados) e um padrão zonal leste-oeste na terceira componente principal (6% da variância dos dados). Utilizando as duas primeiras componentes principais, identificou-se as secas mais severas ocorridas durante o período considerado e a porcentagem total da área do Nordeste atingida por cada evento, constatando-se uma concidência entre os meses detectados como mais secos e os anos secos citados na literatura. A partir desse resultado, foi feita uma análise compósito, apontando que, nas regiões do Nordeste com seca mais severa durante os eventos extremos, as variáveis precipitação e temperatura encontravam-se abaixo e acima do normal, respectivamente. Identificou-se também, por meio de correlações cruzadas com índices climáticos, que eventos de El Niño (índice NINO3.4) e temperaturas mais altas no Atlântico Norte do que no Atlântico Sul (índice dipolo do Atlântico tropical) estavam relacionados com as secas na região. Foi feita ainda uma avaliação da correlação entre as componentes principais do SPI e a TSM, encontrando-se que a primeira componente principal seria mais influenciada pelo El Niño e a segunda, pelo dipolo do Atlântico. Para melhorar o desempenho dos preditores no modelo de previsão, foi usada a técnica Análise de Correlação Canônica Esparsa (SCCA, sparse Canonical Correlation Analysis). Os resultados do modelo indicaram que o desempenho do modelo completo ao prever a primeira componente principal, a terceria componente principal e a média espacial do SPI é maior do que do auto-regressivo, indicando que a informação climática melhora performance do modelo, e que as previsões na parte norte do Nordeste são melhores do que na parte sul para tempos de previsão de 1 e 2 meses. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES). Droughts are the main natural disaster that affects Northeast Brazil and understanding its dynamic is essential to advance in climate risk management in region. This work seeks to characterize spatial-temporal patterns of meteorological droughts in Northeast Brazil through analysis of Standardized Precipitation Index - SPI and to develop a seasonal forecast model for this index, using sea surface temperature (SST) as climate predictor. Principal component analysis technique was used to decompose SPI in modes of variability, in order to identify the index variations in time and space, observing a drought distributed throughout the region in the first principal component (about 42% of data variability), a north-south dipole variation pattern in the second principal component (11% of data variability) and an east-west zonal pattern in the third principal component (6% of data variance). Using the first two principal components, the most severe droughts that occurred during the considered period and the Northeast’s percentage area reached in each event were identified, showing a coincidence between months detected as drier and drought years mentioned in literature. From this result, a composite analysis was performed, pointing out that, in Northeast regions with more severe droughts during extreme events, precipitation and temperature were below and above normal, respectively. It was also identified, through cross correlations with climate indexes, that El Niño events (NINO3.4 index) and higher temperatures in North Atlantic than in South Atlantic (tropical Atlantic dipole index) were related to droughts in region. It was made an evaluation of the correlation between SPI principal components and SST, finding that the first principal component would be more influenced by El Niño and the second principal component by Atlantic dipole. To improve predictor skill in forecast model, sparse Canonical Correlation Analysis (SCCA) technique was used. Results of the model indicated that the full model skill in forecasting SPI first principal component, third principal component and spatial average is greater than that of the auto-regressive model, indicating that climate information improves model performance, and that forecasts in northern part of Northeast are better than in southern part for lead times of 1 and 2 months.