Projeções de Mudanças Climáticas para o Espírito Santo Utilizando Modelagem Regional de Alta Resolução
Produto do Instituto de Estudos Climáticos (IEC) elaborado pelo meteorologista Wagner Soares.
Introdução
As mudanças climáticas globais, tema amplamente debatido principalmente durante as duas últimas décadas, foco de diversos estudos científicos e relatórios direcionados para tomadores de decisão como aqueles elaborados pelo Painel Intergovernamental de Mudanças Climáticas (IPCC), vem sinalizando que o combate à crise climática requer o atingimento das metas estabelecidas no Acordo de Paris de 2015 de manter o aquecimento global abaixo de 2°C, possivelmente menor de 1,5°C para redução de riscos. A temperatura média global à superfície devido à ação humana já subiu cerca de 1.1°C e torna-se um enorme e urgente desafio a ser enfrentado do nível global ao local. Atingir tais objetivos traria diversos benefícios e seria bem menos oneroso aos governos e à sociedade do que a posterior atenuação dos severos impactos se o aquecimento global continuar no ritmo atual. Algumas iniciativas regionais no combate às mudanças climáticas dependem da disposição dos tomadores de decisão no enfrentamento de um clima cada vez mais instável com implicações para todos os setores da economia e da sociedade. Neste sentido, foi elaborado esse produto (que é um esboço de um guia de mudanças climáticas a ser disponibilizado ainda em 2020) que mostra simulações de clima futuro utilizando modelagem regional de alta resolução espacial (modelo Eta-CPTEC com 5km de resolução) para o estado do Espírito Santo.
Metodologia
As projeções de mudanças climática são geradas por simulações a partir de modelos numéricos considerando diferentes cenários de emissão de gases de efeito estufa (GEE) e de desenvolvimento socioeconômico.
Foi utilizado o modelo regional Eta do CPTEC/INPE (Lyra et al., 2017) com 5km de resolução espacial aninhado ao modelo global HADGEM2-ES (Martin et al. 2011) contendo experimentos numéricos para dois cenários de mudanças climáticas chamados de RCPs (Representative Concentration Pathways, Moss et al., 2010) descritos a seguir.
O IPCC-AR5 de 2014 introduziu os novos cenários RCPs que levam em conta os impactos das emissões, ou seja, o quanto haverá de alteração no balanço de radiação no sistema terrestre. Os RCPs são identificados por sua forçante radiativa total, expressa em W/m2, a ser atingida durante ou próximo ao final do século XXI. Cada RCP provê conjuntos de dados, espacialmente distribuídos, de mudanças no uso da terra e de emissões setoriais de poluentes do ar e especifica as concentrações anuais de gases de efeito estufa e as emissões antropogênicas até o ano 2100 (Burkett et al., 2014). Os RCPs foram desenvolvidos por um grupo de modelos de avaliação integrada (IAM) e para cada cenário se pesquisou e criou conjuntos de dados de síntese a partir de estudos representativos disponíveis, que foram revistos por diferentes partes interessadas repetidamente. As projeções dos RCPs fazem parte do conjunto de simulações do CMIP5 (Coupled Model Intercomparison Project Phase 5), Taylor et al., (2012), Miller et al., (2014).
Neste produto foram utilizados os RCPs 4.5 (cenário de estabilização de médias emissões de GEE) e o RCP 8.5 (cenário com emissões muito altas de GEE) (IPCC, 2014).
A seguir são mostradas as características primárias dos RCPs utilizados.
RCP 4.5 foi desenvolvido pela equipe de modelagem do JGCRI (Pacific Northwest National Laboratory’s Joint Global Change Research Institute) dos EUA. É um cenário de estabilização em que a forçante radiativa total é estabilizada pouco depois de 2100, sem ultrapassar o nível alto do longo termo do forçamento radiativo (Clarke et al. 2007; Smith e Wigley 2006; Wise et al. 2009).
RCP 8.5 foi desenvolvido usando o modelo MESSAGE e pelo quadro de avaliação integrada do IIASA (International Institute for Applied Systems Analysis) da Áustria. Este RCP um cenário pessimista e é caracterizada pelo aumento das emissões de gases estufa ao longo do tempo, representando cenários da literatura que levam a altos níveis de concentrações (Riahi et al. 2007).
As projeções de temperatura, precipitação e CDD foram feitas a partir do cálculo de anomalias nos timeslices: Histórico (simulação para o período de 1961 até 1990) e as projeções: 2020S (média do período de 2011 até 2040 menos o período histórico), 2050S (média do período de 2041 até 2070 menos o período histórico) e 2080S (média do período de 2071 até 2100 menos o período histórico). As anomalias foram calculadas para os RCPs 4.5 e 8.5 para o estado do Espírito Santo.
A seguir são mostradas e discutidas as simulações e projeções das variáveis temperatura e chuva e do índice extremo climático CDD (Dias Secos Consecutivos - Consecutive Dry Days) para o Espírito Santo.
Temperatura média
A figura 1a (período histórico de 1961 até 1990) mostra temperaturas entre 18 e 24 oC. As regiões mais quentes representadas pela cor vermelha mais escura estão localizadas no nordeste e litoral do estado. As anomalias mostram aquecimento em todos cenários:
A figura 1b (RCP 4.5 em 2020S) mostra anomalias de temperatura aumentando entre 1.5-2 oC na porção oeste do estado (mancha amarela clara no mapa) quando se compara ao período histórico (1961-1990). No sul do estado a mancha amarela mais escura indica aquecimento entre 2-2.5 oC em relação ao período histórico (1961-1990).
A figura 1c (RCP 4.5 em 2050S) mostra anomalias de temperatura entre 2-2.5 oC na porção oeste do estado (mancha amarela clara no mapa). Ao longo do litoral o aquecimento projetado é de 1.5-2 oC.
Em relação ao período histórico, a figura 1d (RCP 4.5 em 2080S) mostra anomalias de temperatura projetada da ordem de 3-3.5 oC de aquecimento sobre quase doto estado. Valores entre 2.5-3 oC são projetadas para região ao longo da borda oeste do estado. É projetado aquecimento entre 2.5-3 oC na faixa estreita ao longo do litoral.
A figura 1e (RCP 8.5 em 2020S) mostra anomalias de temperatura entre 1-2 oC na porção leste do estado. Na região centre e oeste os valores de anomalia de temperatura são de 2-2.5 oC. No sul do estado a mancha alaranjada indica aquecimento entre 2.5-3 oC.
A figura 1f (RCP 8.5 em 2050S) mostra anomalias de temperatura entre 2.5-3 oC na faixa estreita ao longo do litoral do estado. O valor do aquecimento aumenta para 3-3.5 oC sobre a maior parte do estado e aumenta ainda mais (3.5-4 oC) no sudeste e oeste do estado.
A figura 1g (RCP 8.5 em 2080S) mostra anomalias de temperatura projetada da ordem de 4-4.5 oC ao longo do litoral. Esse valor aumenta em direção ao oeste do estado chegando até 6 oC de aquecimento em relação período histórico.
Figura 1. (a) Temperatura simulada para o período histórico (1961-1990). (b) Anomalia de temperatura para o RCP 4.5 no timeslice 2020S. (c) Anomalia de temperatura para o RCP 4.5 no timeslice 2050S. (d) Anomalia de temperatura para o RCP 4.5 no timeslice 2080S. (e) Anomalia de temperatura para o RCP 8.5 no timeslice 2020S. (f) Anomalia de temperatura para o RCP 8.5 no timeslice 2050S. (g) Anomalia de temperatura para o RCP 8.5 no timeslice 2080S. As anomalias são em relação ao período histórico (1961-1990). A unidade é oC.
Chuva acumulada anual
A figura 2a (período histórico de 1961 até 1990) o mapa mostra os valores de chuva que ficam entre 400 e 2200 mm e valor médio entre 1200 e 1400mm. O mapa mostra menos chuva no norte do estado e mais no sul do estado. As figuras de anomalias são
Em relação ao período histórico, a figura 2b (RCP 4.5 em 2020S) mostra menos chuva sobre todo estado onde valores de anomalia negativa maiores (manchas mais vermelhas) são projetadas paro o sul do estado (menos 600-700 mm de chuva ao ano do que durante 1961-1900). Uma região entre 20.5-21 sul e 41.5-40 oeste mostra ainda menos 900-1000 mm de chuva no futuro em relação ao período histórico (1961-1990).
A figura 2c (RCP 4.5 em 2050S) mostra padrão de distribuição espacial semelhante à figura 2b com menos chuva sobre todo estado onde valores de anomalia negativa maiores (manchas mais vermelhas) são projetadas paro ao sul (menos 600-600 mm de chuva ao ano).
A figura 2d (RCP 4.5 em 2080S) mostra padrão espacial semelhante às figuras 2b e 2c onde se observa menos chuva sobre todo estado onde valores de anomalia negativa maiores (manchas mais vermelhas) são projetadas paro ao sul (menos 700-800 mm de chuva ao ano). Uma região entre 20.5-21S e 41.5-40 oeste mostra ainda menos 900-1000 mm de chuva no futuro em relação ao período histórico (1961-1990).
A figura 2e (RCP 8.5 em 2020S) mostra padrão espacial semelhante à figura 2d com menos chuva sobre todo estado onde valores de anomalia negativa maiores (manchas mais vermelhas) são projetadas paro ao sul (menos 700-800 mm de chuva ao ano). Uma região entre 20.5-21S e 41.5-40 oeste mostra ainda menos 900-1000 mm de chuva no futuro que no período histórico.
A figura 2f (RCP 8.5 em 2050S) mostra padrão espacial semelhante à figura 2e com menos chuva sobre todo estado onde valores de anomalia negativa maiores (manchas mais vermelhas) são projetadas paro ao sul (menos 700-800 mm de chuva ao ano). Uma região entre 20.5-21S e 41.5-40 oeste mostra ainda menos 900-1000 mm de chuva no futuro que no período histórico.
A figura 2g (RCP 8.5 em 2080S) mostra o mesmo padrão espacial ao das figuras 2e-2f, porém as anomalias de chuva são ainda maiores, a mancha vermelha mais escura que representa menos 1000 mm de chuva ao ano aumenta e se espalha sobre varias regiões do estado. Esse padrão de menos chuva no futuro é observado especialmente no sul do Espirito Santo.
Figura 2. (a) Chuva simulada para o período histórico (1961-1990). (b) Anomalia de chuva para o RCP 4.5 no timeslice 2020S. (c) Anomalia de chuva para o RCP 4.5 no timeslice 2050S. (d) Anomalia de chuva para o RCP 4.5 no timeslice 2080S. (e) Anomalia de chuva para o RCP 8.5 no timeslice 2020S. (f) Anomalia de chuva para o RCP 8.5 no timeslice 2050S. (g) Anomalia de chuva para o RCP 8.5 no timeslice 2080S. As anomalias são em relação ao período histórico (1961-1990). A unidade é mm.
Índice Extremo Climático CDD
Uma maneira de avaliar os impactos das mudanças climáticas nos desastres naturais é a utilização de índices extremos climáticos. Aqui é avaliado o CDD (dias secos consecutivos - consecutive dry days) que é o número máximo de dias consecutivos sem chuva no ano (em dias) indicando a duração de períodos de estiagem (possibilidade de veranicos).
A Figura 3a mostra que durante o período histórico (1961-1990), no litoral norte ocorrem entre 35-40 dias de CDD. Já na região noroeste do estado ocorrem 50 dias de CDD.
A figura 3b (RCP 4.5 em 2020S) mostra aumento de até 30 dias de CDD na porção norte e noroeste do estado. No sul, a ocorrência de CDD é menor, entre 10 e 20 dias.
A figura 3c (RCP 4.5 em 2050S) mostra aumento em relação ao período histórico de até 30 dias de CDD na região norte do estado. No sul esse aumento de CDD é menor, entre 10 até 20 dias.
A figura 3d (RCP 4.5 em 2080S) mostra aumento de até 40 dias de CDD em partes da região norte do estado.
A figura 3e (RCP 8.5 em 2020S) mostra aumento de até 40 dias de CDD na porção centro norte do estado. No sul o valor é menor, entre 10 e 20 dias de CDD.
A figura 3f (RCP 8.5 em 2050S) mostra aumento de até 50 dias de CDD na porção norte do estado. No sul o aumento é menor, entre 20-30 dias de ocorrência de CDD.
A figura 3g (RCP 8.5 em 2080S) mostra aumento de até 70 dias de CDD na porção norte do estado quando comparado ao período histórico. No sul o aumento de dias de CDD é da ordem de 20-30 dias em relação ao período histórico.
Figura 3. (a) CDD simulado para o período histórico (1961-1990). (b) Anomalia de CDD para o RCP 4.5 no timeslice 2020S. (c) Anomalia de CDD para o RCP 4.5 no timeslice 2050S. (d) Anomalia de CDD para o RCP 4.5 no timeslice 2080S. (e) Anomalia de CDD para o RCP 8.5 no timeslice 2020S. (f) Anomalia de CDD para o RCP 8.5 no timeslice 2050S. (g) Anomalia de CDD para o RCP 8.5 no timeslice 2080S. As anomalias são em relação ao período histórico (1961-1990). A unidade é dias.
Considerações finais
As simulações do modelo regional Eta aninhado ao modelo global HADGEM2-ES com alta resolução de 5km mostram projeções de anomalias de temperatura que apontam para um futuro em que o clima do Espírito Santo estará mais quente que no período 1961-1990. Os valores de aquecimento adicional vão de 1.5 oC para o RCP 4.5 (cenário de estabilização de médias emissões de GEE) até 6 oC de no cenário mais extremo, o RCP8.5 em 2080s.
As anomalias de chuva indicam que no futuro ocorrerá menos chuva sobre todo estado do Espírito Santo em relação ao período histórico (1961-1990). Os valores chegam até 1000mm de menos chuva anual principalmente no litoral sul e regiões no sul do estado no cenário de altas emissões de GEE no final do século, RCP 8.5 em 2080s.
A possibilidade de que eventos climáticos extremos sejam mais frequentes e/ou intensos num clima de aquecimento global no futuro tem sido demostrada pelas projeções dos modelos computacionais dos sistemas terrestres/climáticos nos relatórios recentes do IPCC, como o AR5 (IPCC, 2014).
Para o estado do Espírito Santo o índice climático extremo CDD que reflete a duração de períodos de estiagem como veranicos aumenta tanto no cenário de médias emissões RCP 4.5 como no cenário de altas emissões RCP 8.5. Esse aumento ocorre principalmente no norte do estado com ocorrência desse índice chegando a mais 70 dias quando comparado ao período histórico (1961-1990).
É importante salientar que os modelos climáticos contém incertezas e que o modelo global HADGEM2-ES em suas simulações aquece mais (projeta maiores temperaturas) e gera menos chuva que a média dos modelos do IPCC.
Referências
Burkett, V.R. et al. (2014). Point of departure. In: Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects. Contribution of Working Group II to the Fifth Assessment Report of the IPCC. Cambridge: Cambridge University Press. pp. 169-194.
Clarke, L., Edmonds, J., Jacoby, H., Pitcher, H., Reilly, J., & Richels, R. (2007). Scenarios of greenhouse gas emissions and atmospheric concentrations. US Department of Energy Publications, 6.
Intergovernmental Panel on Climate Change. IPCC (2014). Summary for policymakers. In: Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Field, C.B., V.R. Barros, D.J. Dokken, K.J. Mach, M.D. Mastrandrea, T.E. Bilir, M. Chatterjee, K.L. Ebi, Y.O. Estrada, R.C. Genova, B. Girma, E.S. Kissel, A.N. Levy, S. MacCracken, P.R. Mastrandrea, and L.L. White (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, pp. 1-32.
Lyra, A., Tavares, P., Chou, S.C., Sueiro, G., Dereczynski, C.P., Sondermann, M., Silva, A., Marengo, J., Giarolla, A. 2018. Climate change projections over three metropolitan regions in Southeast Brazil using the non-hydrostatic Eta regional climate model at 5-km resolution Theor Appl Climatol. doi:10.1007/s00704-017-2067-z.
Martin, G.M.; Bellouin, N.; Collins, W.J.; Culverwell, I.D.; Halloran, P.R. et al. The HadGEM2 Family of Met Office Unified Model Climate Configurations. Geoscientific Model Development, v. 4, p. 723-757, 2011.
Miller, R.L., G.A. Schmidt, L.S. Nazarenko, N. Tausnev, S.E. Bauer, A.D. Del Genio, M. Kelley, K.K. Lo, R. Ruedy, D.T. Shindell, I. Aleinov, M. Bauer, R. Bleck, V. Canuto, Y. Chen, Y. Cheng, T.L. Clune, G. Faluvegi, J.E. Hansen, R.J. Healy, N.Y. Kiang, D. Koch, A.A. Lacis, A.N. LeGrande, J. Lerner, S. Menon, V. Oinas, C. Perez Garca-Pando, J.P. Perlwitz, M.J. Puma, D. Rind, A. Romanou, G.L. Russell, Mki. Sato, S. Sun, K. Tsigaridis, N. Unger, A. Voulgarakis, M.-S. Yao, and J. Zhang. (2014). CMIP5 historical simulations (1850-2012) with GISS ModelE2. J. Adv. Model. Earth Syst., 6, no. 2, 441-477, doi:10.1002/2013MS000266.
Moss, R. H., Edmonds, J. A., Hibbard, K. A., Manning, M. R., Rose, S. K., Van Vuuren, D. P., ... & Meehl, G. A. (2010). The next generation of scenarios for climate change research and assessment. Nature, 463(7282), 747-756.
Riahi, K., Grübler, A., & Nakicenovic, N. (2007). Scenarios of long-term socio-economic and environmental development under climate stabilization.Technological Forecasting and Social Change, 74(7), 887-935.
Taylor, K. E., Stouffer, R. J., & Meehl, G. A. (2012). An overview of CMIP5 and the experiment design. Bulletin of the American Meteorological Society,93(4), 485-498.
Van Vuuren, D., M. den Elzen, P. Lucas, B. Eickhout, B. Strengers, B. van Ruijven, S. Wonink, R. van Houdt, 2007. Stabilizing greenhouse gas concentrations at low levels: an assessment of reduction strategies and costs. Climatic Change, doi:10.1007/s/10584-006-9172-9.
Wise, M., Calvin, K., Thomson, A., Clarke, L., Bond-Lamberty, B., Sands, R., ... & Edmonds, J. (2009). Implications of limiting CO2 concentrations for land use and energy. Science, 324(5931), 1183-1186.
