Amazon Cooperation

Treaty Organization

Global Environment

Facility

United Nations

Environment Programme

INTEGRATED AND SUSTAINABLE MANAGEMENT OF TRANSBOUNDARY WATER

RESOURCES IN THE AMAZON RIVER BASIN CONSIDERING

CLIMATE VARIABILITY AND CHANGE

ACTO/GEF/UNEP

GEF-AMAZON

COMPONENT-III RESPONSE STRATEGIES

SUBPROJECT-III.2 SPECIAL PRIORITIES ON ADAPTATION

Activity III.2.1 Climate Change, Adaptation Capacity and Risk Governance in the Transboundary

Purus River Sub-basin of the project “Integrated and Sustainable Management of Transboundary Water

Resources in the Amazon River Basin Considering Climate Variability and Climate Change”

Bolivia, Brasil, Colombia, Ecuador, Guyana, Perú, Surinam y Venezuela

PRODUTO 5. Relatório final da análise climática a partir de cenários de eventos de máximos

extremos, incluindo todos os anexos e um capítulo específico, com uma avaliação dos impactos da

mudança climática na governança de risco na Sub-bacia do Rio Purus.

Sumário

1. Introdução e Objetivos

2. A Amazônia e Clima Global

2.1 A Modelagem Climática na Amazônia

3. Análise Climática dos Eventos Extremos

3.1 Simulações Passadas e Presentes

3.2 Cenários Futuros

4. Efeitos da Mudança Climática

4.1 Riscos Climáticos

4.2 Impactos, Vulnerabilidade e Adaptação

5. Referências Bibliográficas

1. Introdução e Objetivos

Atualmente, os estudos climáticos nas fases diagnóstica e prognóstica perpassam pelo relevante

foco das mudanças climáticas. Segundo o quinto relatório do IPCC (PBMC, 2013), a região Amazônica

está ameaçada pelo desmatamento, responsável pelo aumento da perda de biodiversidade e emissões de

gases de efeito estufa. Nos últimos 5 anos tem sido identificados avanços com relação ao monitoramento

e controle do desmatamento na Amazônia, com expressiva redução de suas taxas anuais de 2005 a 2012,

novos instrumentos de gestão ambiental, como os pagamentos por serviços ambientais, surgem como um

caminho promissor para a promoção da conservação, visando à mitigação e adaptação às mudanças

climáticas.

A temperatura do ar e a precipitação são consideradas indicadoras clássicas de mudanças do

clima. Porém, é geralmente aceito que as mudanças nos padrões de precipitação dos eventos extremos

podem ter fortes impactos no meio ambiente e na sociedade, ainda que as tendências na precipitação

acumulada ou na temperatura média sejam a nível anual ou sazonal (MARENGO et al., 2007).

Observa-se que as populações mais vulneráveis aos efeitos do clima são as que, por razões de

ordem social, estão mais expostas aos desastres ambientais, assim como, têm menor capacidade de se

proteger e de responder aos impactos adversos pelo limitado acesso das pessoas a bens e serviços

básicos, inclusive os de saúde. Estudos observacionais indicam que os eventos meteorológicos extremos,

como temporais, enchentes, ondas de frio e calor, e secas tornam-se mais frequentes ano a ano.

Os eventos extremos podem ocasionar mortes por desastres naturais, bem como pela ocorrência

de doenças, perdas materiais, e representam vulnerabilidade dentro do contexto brasileiro, especialmente

na região Amazônica. Neste sentido, as comunidades mais pobres, como as da Bacia do Rio Purus podem

ser especialmente vulneráveis por se concentrarem em áreas de alto risco, por terem menor capacidade

adaptativa e por serem mais dependentes de recursos locais, como a agricultura e a pesca que são

sensíveis ao clima.

A atmosfera da Amazônia apresenta condições termodinâmicas, totalmente dependente das

características da superfície, como da vegetação e da disponibilidade hídrica que juntamente com a

abundante incidência de radiação solar produz significativa precipitação anual. A variabilidade climática

das oscilações atmosféricas de multiescalas de tempo pode fortalecer ou enfraquecer as condições físicas

locais. No entanto, com o avanço computacional a modelagem numérica climática conquistou espaço

relevante na ciência por apresentar cenários futuros para o clima global e local.

A utilização de modelos climáticos globais e regionais para o planejamento

socioeconômico de um país, estado ou município pode auxiliar na redução dos prejuízos e na preservação

da vida. Neste sentido, os cenários futuros de precipitação e da temperatura do ar para a Bacia do Rio

Purus foram obtidos a partir do modelo Regional RegCM4 que serão analisados paralelamente, com os

resultados dos modelos apresentados pelo mais recente relatório do IPCC (PBMC, 2013). Além disso, a

falta de dados de alta qualidade de precipitação e cotas/vazões em muitas partes da Amazônia torna

difícil o estudo da variabilidade e mudanças climáticas nesta região, especificamente a sudoeste da

Amazônia, região da bacia do rio Purus.

2. Amazônia e o Clima Global

Estudos apontam que a Amazônia é importante para o balanço global de carbono por seu papel na

captação do carbono proveniente da atmosfera e sua absorção pelas árvores e pelo solo. O setor florestal

global responde atualmente por aproximadamente 17% das emissões de gases de efeito estufa, atrás

apenas do fornecimento de energia (26%) e da indústria (19%). Mas ela é importante não apenas em

escala global.

No entanto, o real papel da floresta amazônica no clima global ainda está sendo investigado pela

ciência, mas estudos feitos nos últimos 10 anos revelam que as interações naturais da floresta com a

atmosfera são importantes para a regulação de chuvas e do ciclo hidrológico em toda a América do Sul,

com reflexos em outras partes do mundo, e que esses e outros processos são alterados por emissões de

gases e partículas decorrentes da derrubada sistemática das árvores ou do uso constante do fogo para a

limpeza de terrenos, prática comum na região.

A região amazônica também poderá sofrer importantes impactos ambientais decorrentes das

mudanças climáticas, causadas pelo aumento da concentração dos gases de efeito estufa. A Floresta

Amazônica também desempenha um papel crucial no clima da América do Sul por seu efeito no ciclo

hidrológico regional. A floresta interage com a atmosfera para regular a umidade no interior da bacia. A

umidade é transportada para a Região Amazônica pelos ventos alísios provenientes do Atlântico tropical.

Depois da chuva, a floresta tropical produz evaporação intensa e reciclagem da umidade e, em seguida,

grande parte dessa evaporação retorna à Região Amazônica na forma de chuva. Estima-se que entre 30%

e 50% das precipitações pluviométricas na Bacia Amazônica consistem em evaporação reciclada. Além

disso, a umidade originada na Bacia Amazônica é transportada pelos ventos para outras partes do

continente é considerada importante na formação de precipitações em regiões distantes da própria

Amazônia (MARENGO et al., 2011).

Estudos recentes indicam que a década de 1990 foi a mais quente do último milênio e o ano de

2005 o mais quente dos últimos 100 anos. Outros indicadores importantes das mudanças climáticas

podem ser o aumento da frequência de furacões mais intensos no Caribe e no Pacífico e a redução de

40% na espessura da camada de gelo no Ártico e de 10% na área dessa camada no verão. A quantidade

de chuvas nos continentes cresceu 7% nos últimos 100 anos, e também ocorreu um aumento da

frequência e intensidade dos eventos extremos, como fortes secas ou enchentes.

As variações das chuvas na Amazônia apresentam variabilidades em escalas de tempo intrasazonal,

interanual e decadal. Estas variabilidades estão associadas a padrões de circulação atmosférica sobre os

oceanos Pacífico e Atlântico, como a variabilidade intrasazonal associada à oscilação Madden-Jullian, a

interanual associada ao El Niño Oscilação Sul, a decadal do Pacífico e a variabilidade do Atlântico Norte

(WEICKMANN et al., 1985; RASMUSSON; ARKIN, 1985; MANTUA et al., 1997).

2.1 Modelagem Climática na Amazônia

Os modelos climáticos, também denominados modelos de circulação geral (MCG), se tornaram

ferramentas indispensáveis ao esforço empreendido pela ciência para fazer projeções sobre o clima do

futuro. Sinteticamente, os MCG são programas computacionais constituídos por equações físicas e

matemáticas que representam de forma tridimensional componentes do sistema climático e suas várias

interações. Nesses programas, a superfície terrestre é dividida em uma grade horizontal regular com

várias camadas verticais na atmosfera e nos oceanos. Em simulações de modelos climáticos globais, as

células dessa grade equivalem a áreas entre 100 e 300 km2.

Nas projeções realizadas em escalas regionais – por exemplo, a América do Sul –, a resolução

espacial dos modelos climáticos é aumentada, proporcionando uma representação mais realista das

características da região selecionada, como relevo, presença de região costeira e processos atmosféricos.

Esse modelo regional mais detalhado deve ser “aninhado” em um modelo climático global, de forma que

os dados do MCG “se relacionem” com os dados regionais.

O desenvolvimento de modelos matemáticos de representação do sistema climático demanda

investimentos vultosos e mobiliza especialistas de diferentes áreas do conhecimento. No entanto, por

mais sofisticados que sejam os modelos climáticos não são infalíveis, pois sua habilidade para

representar a complexidade dos processos físicos e as interações intrínsecas ao sistema climático – a

rigor, não-lineares – em diferentes escalas espaciais e temporais é limitada, de forma que os resultados

gerados apresentam diferentes níveis de incerteza. Isto pode influenciar a tomada de decisão da

governança de risco climático.

Para a análise climática dos eventos extremos a comunidade cientifica tem utilizado uma das

ferramentas atuais mais adequadas na geração das projeções climáticas que é o downscaling

(regionalização) dinâmico (PBMC, 2013), cuja técnica consiste em usar um modelo climático regional

“aninhado” a um modelo climático global. Basicamente, as saídas dos modelos globais com baixa

resolução espacial (~ 100 a 200 km) são utilizadas como condições de fronteira dentro do modelo

regional que realiza as simulações em alta resolução espacial (~ 25 a 50 km). Diversos estudos sugerem

que o downscaling proporciona uma representação mais realística do clima onde fatores locais

(proximidade com o oceano, topografia acentuada, solo e cobertura superficial heterogênea), que são

capturadas pelos modelos regionais, funcionam como importantes moduladores das condições de tempo e

clima, adicionados aos fatores de grande escala (modulação dos oceanos e circulação geral da atmosfera)

que são capturadas pelos modelos globais (Figura 1) (Marengo et al.2007; De Souza et al., 2009).

Nesta pesquisa utilizou-se a última versão do Sistema de Modelagem Climática Regional

(RegCM4), cujo código fonte é mantido em constante aprimoramento e atualização pelo International

Centre for Theoretical Physics – ITCP na Itália (http://gforge.ictp.it/gf/project/regcm/). Atualmente, o

RegCM4 é um modelo comunitário de área limitada, em coordenada vertical sigma-p e grade horizontal

de Arakawa-B, com as equações primitivas para fluido compressível e hidrostático. O RegCM4 é a

quarta geração de um modelo climático regional originalmente desenvolvido no NCAR (Giorgi e Bates,

1989; Dickinson et al., 1989) e posteriormente aprimorado pelo ICTP (Pal et al., 2007).

Figura 1. Estrutura horizontal do modelo global HadGEM2 (com resolução de 140 x 208 Km) e do

modelo regional RegCM4 (com resolução de 28 x 28 Km) para a região da sub-bacia do Rio Purus na

Amazônia ocidental.

As saídas de diferentes modelos climáticos do IPCC (PBMC, 2013) apontam para um aumento na

frequência de extremos de chuva na Amazônia central e oeste que vem apoiar os resultados do modelo

climático regional RegCM4 utilizado nesta pesquisa, no sentido de que para o cenário de alteração de

mudança e uso da terra, com o desmatamento desenfreado provoca mudança no clima.

Uma forma de avaliar as incertezas da modelagem climática esta relacionado com análises de

diferentes tempos (passado e presente) a fim de detectar a habilidade que o modelo tem reproduzir as

características climáticas de uma localidade, como se pretende analisar nos próximos itens. As figuras a

seguir mostram as principais características regionais da Bacia do Purus tempo presente e futuro para a

temperatura do ar média.

Figura 2. Temperatura do ar (ºC) média anual do período 1993-2012 considerando os dados observados

da UDEL (mapa à esquerda) e simulados pelo modelo regional RegCM4 (mapa à direita) sobre a região

do Purus.

Figura 3. Temperatura do ar (ºC) média sazonal em JJA, SON, DJF e MAM do período 1993-2012

considerando os dados observados da UDEL (mapas na parte superior) e simulados pelo modelo regional

RegCM4 (mapas na parte inferior) sobre a região do Purus.

2.2. Projeções de Clima Futuro

2.2.1. Médias anuais

Figura 4. Temperatura do ar (ºC) média anual para o período 2015-2034 simulada pelo modelo regional

RegCM4 (figura à esquerda) e mudança em ºC do clima futuro em relação ao clima atual (figura à

direita).

Figura 5. Temperatura do ar (ºC) média sazonal para JJA, SON, DJF| e MAM para o período 2015-2034

simulada pelo modelo regional RegCM4 (mapas na parte superior) e mudança em ºC do clima futuro em

relação ao clima atual (mapas na parte inferior).

3. Análise Climática dos Eventos Extremos

Neste item será apresentada a análise climática de múltiplas escalas dos eventos extremos de

precipitação ocorridos na Amazônia em 2009 (enchentes) e 2010 (secas), que causou potencial impacto

na sociedade. Estes eventos estiveram relacionados com condições de riscos climáticos estudados de

modo observacional e de modelagem numérica por MARENGO et al. (2012) e PBMC (2013).

Os mecanismos climáticos El Niño-Oscilação Sul (ENOS), Oscilação Decadal do Pacifico (ODP),

Oscilação do Atlântico Norte (OAN) e a Oscilação Madden-Julian (OMJ) que atuam na sub-bacia do

Rio Purus serão representados para as sub-regiões do Baixo, Médio e Alto Purus (figura 6). É

interessante comentar que estes são reguladores naturais do clima e que determinam à variabilidade

climática natural expressa na física da modelagem climática, a partir das dimensões temporais no

intervalo de meses a décadas e espaciais de centenas a milhares de quilômetros. Estes por sua vez

modulam as condições meteorológicas de tempo local, ou seja, as interações dos efeitos da superfície

com as oscilações climáticas (ENOS, ODP, OAN e OMJ).

As análises das oscilações climáticas a partir dos dados de precipitação mensal observada foram

apresentadas no relatório do produto 2. Neste caso, as análises climáticas passadas e atuais serão

avaliadas pelo escalograma de ondeleta Morlet da precipitação mensal, obtidas a partir da simulação do

modelo RegCM4, utilizado para a amostragem das projeções climáticas futuras (Relatório – Produto 4).

Figura 6. Localização das sub-regiões do Alto (Boca do Acre), Médio (Lábrea) e Baixo Purus (Beruri)

para análise climática dos extremos de precipitação mensal gerada pelo modelo RegCM4.

3.1 Variabilidade Climática: Passado, Presente e Futuro

As análises climáticas dos eventos extremos de precipitação gerada pelo modelo RegCM4 para

eventos passados (2009 e 2010), condições atuais (2015) e projeções (2016 a 2023) na sub-bacia do

Purus visa identificar e caracterizar os mecanismos responsáveis pela variabilidade climática produzida

pelas simulações numéricas e de modo qualitativo avaliar o grau de confiabilidade das previsões

climáticas para 2016 a 2023.

3.1.1 Alto Purus – Boca do Acre

(a)

(b) (c)

(d) (e)

Figura 6: Análise de escala climática a partir da precipitação do Alto Purus (Boa do Acre), (a) espectro

global; (b) escalograma de fase na banda de 2 a 185 meses e (c) zoom do escalograma de fase de ondeleta

para a escala e o tempo.

A análise da figura 7 demonstra a desempenho do modelo regional RegCM4 utilizado neste

estudo que pode ser verificada nas figuras 7a e 7c. As análises climáticas de múltiplas escalas das figuras

8 e 9 para o médio e baixo Purus indicam resultados similares com as observações da precipitação obtida

das estações meteorológicas de superfície. Isto pode de modo qualitativo garantir a confiabilidade das

previsões regionais obtidas a partir do modelo numérico de clima.

(a) Escalograma da precipitação climática observada

(b) Espectro global de energia de precipitação mensal: anual e interanual

(c) Linha branca horizontal – oscilações climáticas presentes na precipitação climática; Linha preta –

caixa: projeções futuras (2016 a 2023)

(d) Linha preta vertical – período dos eventos extremos: passado (2009 e 2010) e atual (2015)

Escalas Decadal (100 a 120 meses); interanual (36 a 48 meses): 2006 a 2010; 2014 a 2018 e 2021 a 2023;

semianual e intrasazonal.

(e) Linha branca horizontal – oscilações anuais e interanuais.

atual passado

3.1.2 Médio Purus – Lábrea

(a)

(b) (c)

(d) (e)

Figura 7: Análise de escala climática a partir da precipitação do Médio Purus (Lábrea), (a) espectro

global; (b) escalograma de fase na banda de 2 a 185 meses e (c) zoom do escalograma de fase de ondeleta

para a escala e o tempo.

3.1.3 Baixo Purus – Beruri

(a)

(b) (c)

(d) (e)

Figura 8: Análise de escala climática a partir da precipitação do Baixo Purus (Beruri), (a) espectro global;

(b) escalograma de fase na banda de 2 a 185 meses e (c) zoom do escalograma de fase de ondeleta para a

escala e o tempo.

Os eventos de extremos climáticos foram marcados pela condição atmosférica extrema do período

chuvoso. As condições atmosféricas locais contribuem de modo significativo para o aumento da

nebulosidade e consequentemente maior precipitação.

As projeções futuras apresentam semelhança dos moduladores climáticos, com os dados

observados de precipitação. As pequenas diferenças de escalas denotam que a física do modelo regional

climático é bastante eficiente na reprodução climática local.

4 Riscos de Governança da Mudança Climática

Cabe salientar aqui, que as características individualizadas desses riscos associados às mudanças

climáticas e ambientais, o debate sobre as possibilidades e os desafios da prática da governança do risco,

trazem como estratégia a discussão dos problemas e os mesmos tem tido notoriedade perante a sociedade.

Esse debate considera, particularmente, que as percepções de risco individuais influenciam as condutas

individuais e coletivas e as ações mitigadoras e adaptativas e que (ii) o enfrentamento de situações de

riscos associadas a essas mudanças climáticas em escala regional, por envolverem riscos complexos cujas

relações de causas e efeitos são bastante complexas e não lineares e difíceis de serem identificadas e

mensuradas, requer a prática de um processo decisório aberto e participativo.

5 Impactos da Mudança Climática – Avaliação

A avaliação dos impactos da mudança climática na governança de risco ainda é um grande desafio para a

comunidade científica, embora com os avanços do conhecimento científico e a ciência avançando a passos largos,

temos limitações no entendimento do complexo sistema interativo oceano-atmosfera, principalmente no que tange

as interações entre escalas dos fenômenos meteorológicos que controlam o tempo e o clima.

6 Referências Bibliográficas

De Souza, E.B., Lopes, M.N.G., da Rocha, E.J.P., Souza, J.R.S., Cunha, A.C., et al. (2009) Precipitação

climatológica sobre a Amazônia oriental durante o período chuvoso: Observações e simulações regionais

com o RegCM3. Revista Brasileira de Meteorologia, 24, 111-124. http://dx.doi.org/10.1590/S0102-

77862009000200001

Dickinson, R. E. et al. 1989. A Regional Climate Model For The Western United States. Climatic

Change, Dordrecht, N. 15, P. 383-422.

Giorgi, F. and Bates, G.T. (1989). The Climatological Skill of a Regional Climate Model over Complex

Terrain. Monthly Weather Review, 117, 2325-2347. http://dx.doi.org/10.1175/1520-

0493(1989)117<2325:TCSOAR>2.0.CO;2

Pal, J.S., Giorgi, F., Bi, X., Elguindi, N., Solmon, F., et al. (2007) The ICTP RegCM3 and RegCNET:

Regional Climate Modeling for the Developing World. Bulletin of the American Meteorolological

Society, 88, 1395-1409. http://dx.doi.org/10.1175/BAMS-88-9-1395

PBMC—Painel Brasileiro de Mudanças Climáticas (2013) Sumário Executivo. Base Científica das

Mudanças Climáticas. Contribuição do Grupo de Trabalho 1 ao Primeiro Relatório de Avaliação

Nacional do Painel Brasileiro de Mudanças Climáticas. Vol. 1, PBMC, Rio de Janeiro, 24 p.

Mantua, N.J., S.R. Hare, Y. Zhang, J.M. Wallace, and R.C. Francis, 1997: A Pacific decadal climate

oscillation with impacts on salmon. Bulletin of the American Meteorological Society, Vol. 78, pp 1069-

1079.

Marengo, J. A. Mudanças climáticas globais e seus efeitos sobre a biodiversidade - caracterização do

clima atual e definição das alterações climáticas para o território brasileiro ao longo do século XXI. 2. ed.

Brasília: Ministério do Meio Ambiente, 2007. v.1, p.214.

Marengo, J. A., J. Tomasella, L. Alves, W. Soares and D. A. Rodriguez. “The Drought of 2010 in the

Context of Historical Droughts in the Amazon Region,” Geophysical Research Letters, Vol. 38, No. 12,

2011, pp. 1-5. doi:10.1029/2011GL047436

Marengo, J.A., Chou, S.C., Kay, G., Alves, L., Pesquero, J.F., Soares, W.R., Santos, D.C., Lyra, A.A.,

Sueiro, G., Betts, R., Chagas, D.J., Gomes, J.L., Bustamante, J.F. and Tavares, P., 2012. Development of

regional future climate change scenarios in South America using the Eta CPTEC/HadCM3 climate

change projections: climatology and regional analyses for the Amazon, São Francisco and the Paraná́

River basins. Climate Dynamics, 38(9-10), 1829-1848.

Rasmusson, E.M. and Arkin, P.A. 1985. lnterannual climate variability associated with the El Nino

Southern Oscillation. In: J.C.J. Ni houl (Editor), Coupled Ocean-Atmosphere Models. (Elsevier

Oceanography Series, 40) Elsevier, Amsterdam, pp. 697-725.

Weickmann, K. M., G. R. Lussky & J. E. Kutzbach, 1985: Intraseasonal (30-60 day) fluctuations of

outgoing longwave radiation and 250 mb stream function during northern winter. Mon. Wea. Rev., 113,

941-961.