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

Abstract

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.