Revista Brasileira de Meteorologia, v.26, n.

1, 41 - 52, 2011

ANLISE DOS QUANTIS DA TEMPERATURA MNIMA NO RIO GRANDE DO SUL E LIGAES COM OS SETORES DA CONCENTRAO DE GELO MARINHO ANTRTICO DIONIS MAURI PENNING BLANK1, JULIO RENATO QUEVEDO MARQUES1, FLVIO BARBOSA JUSTINO2
2

Universidade Federal de Pelotas, Faculdade de Meteorologia, Pelotas, RS, Brasil Universidade Federal de Viosa, Departamento de Engenharia Agrcola, Viosa, MG, Brasil. dionisblank@gmail.com, jmarques_fmet@ufpel.edu.br, fjustino@ufv.br Recebido Maio 2009 Aceito Maio 2010

RESUMO A Antrtica tem papel relevante no domnio da circulao atmosfrica e ocenica devido s mudanas sazonais considerveis na concentrao de gelo marinho. H importante modificao sazonal nas dimenses do gelo que circunda seu continente. Entretanto, poucos estudos tm investigado a relao da Concentrao de Gelo Marinho Antrtico (CGMA) com outros elementos climticos. Dessa forma, o objetivo deste trabalho consistiu em examinar a existncia de conexo entre a CGMA e as classes fria e quente da temperatura mnima diria, observada em algumas estaes meteorolgicas do Rio Grande do Sul (RS), no perodo de 1982 a 2005. Para isso, os dados de temperatura mnima foram transformados em classes fria e quente, por meio da tcnica dos quantis, e correlacionados com os setores da CGMA. A cobertura de gelo marinho foi mnima (mxima) em fevereiro (setembro), tendo os setores do Mar de Weddell e de Ross apresentado cobertura significativa de maio a novembro. O coeficiente de correlao mostrou a existncia de conexo entre as classes fria e quente da temperatura mnima diria e a CGMA, com destaque para a influncia dos setores dos Mares de Weddell, Ross, Bellingshausen e Amundsen. Palavras-chave: concentrao de gelo marinho, temperatura mnima, Antrtica, Rio Grande do Sul. ABSTRACT: QUANTILES ANALISYS OF MINIMUM TEMPERATURE IN RIO GRANDE DO SUL AND RELATIONSHIPS WITH THE ANTARCTIC SEA ICE CONCENTRATION SECTORS Antarctic plays a prominent role in driving the atmospheric and oceanic circulations due to remarkable seasonal changes of sea-ice concentration (SIC). Nevertheless, few attention has been taken to studies focusing on the link between the SIC and other climatic parameters. Our goal in the present study is to investigate the relationship between the SIC and the minimum surface daily temperature in the State of Rio Grande do Sul. SIC is minimum in February and maximum in September. However, Weddell and Ross sea shows remarkable SIC from May to November. Based on statistical analyses the minimum temperature values were converted to cold and warm classes. Afterwards these values were correlated with SIC in different sectors of the Antarctic surrounding seas. The statistical correlation results showed that these temperature classes and the SIC are connected in particular to the Weddell, Ross, Bellingshausen and Amundsen seas. Keywords: sea ice concentration, minimum temperature, Antarctica, Rio Grande do Sul.

42

Blank et al.

Volume 26(1)

1. INTRODUO
O Gelo Marinho (GM) caracterizado em termos de espessura, concentrao (percentual de rea coberta), idade e espessura da camada de neve superior. Destacam-se ainda o freeboard (altura pela qual o GM se estende alm da superfcie do oceano) e o ice draft (extenso descendente da coluna de gelo e neve). Em algumas situaes o monitoramento rduo, visto que h a necessidade de observao in situ, em vez de sensoriamento remoto, embora a concentrao de gelo possa ser inferida por satlites (Storch e Zwiers, 2000). A faixa costeira da Antrtica tem caractersticas muito particulares, com nfase para o seu alastramento para o norte que muda drasticamente de acordo com as estaes do ano, embora essa variao no seja a mesma considerando a totalidade do continente. O gelo avana mais rapidamente entre maio e junho, alcanado cobertura mxima em setembro, e retrai mais rapidamente em novembro e dezembro, alcanando cobertura mnima em fevereiro (Deacon, 1985). Desse modo, as extenses, mxima em setembro (18,8 milhes de km2) e mnima em fevereiro (3,6 milhes de km2), resultam numa variao (15,2 milhes de km2) que supera a prpria rea do continente (14 milhes de km2) (Ferron, 1999). Nesse contexto, a variabilidade climtica global e regional influenciada pela variao na cobertura de GM em razo de mecanismos atmosfricos e ocenicos, como, por exemplo, o Southern Annular Mode (SAM)/Antarctic Oscillation (AAO) e o El Nio-Southern Oscillation (ENSO) (Zhang, 2007). Alm disso, est associada a processos dinmicos e termodinmicos ocasionados por mudanas na transferncia de energia entre a atmosfera e o oceano subjacente (Walsh, 1983; Justino e Peltier, 2008). Os fluxos de calor sensvel e latente na atmosfera, sobre o GM, so menores do que sobre guas ocenicas livres de gelo (Parkinson, 2004; Lima, 2007). Dessa forma, no apenas por possuir uma maior refletividade da radiao solar, como tambm por suas prprias caractersticas fsicas, o GM restringe as trocas de calor, massa e momento, vindo a ser considerado um indicador particularmente sensvel das variaes climticas de grande escala e longo prazo. indiscutvel a importncia e a variabilidade espacial e temporal do GM Antrtico. Contudo, estudos relativos sua influncia sobre elementos climticos so ainda escassos (Pezza e Ambrizzi, 2004; Justino e Peltier, 2006; Aquino et al., 2006), quando comparados a outros que visam investigar a sua variabilidade e tendncia (Zwally et al., 2002; Cavalieri e Parkinson, 2008; Marson, 2008; Steig et al., 2009). Neste estudo, portanto, feita uma avaliao da relao entre a Concentrao de Gelo Marinho Antrtico (CGMA) e a temperatura mnima no Rio Grande do Sul (RS). A escolha

da temperatura mnima, em vez de outro elemento climtico, deu-se pela necessidade de sua melhor previsibilidade, visando aplicao de tcnicas mais eficazes para a proteo de cultivos agrcolas, visto que o prejuzo causado pelo frio e pela geada considervel em algumas regies. O objetivo geral deste estudo foi verificar a existncia de correspondncia entre a CGMA e as classes fria e quente da temperatura mnima diria observada em algumas estaes meteorolgicas do RS, no perodo de 1982 a 2005.

2. MATERIAIS E MTODOS 2.1. Dados 2.1.1. Temperatura mnima diria

Foram utilizados dados de temperatura mnima diria do ar de 1982 a 2005 de seis (6) estaes meteorolgicas convencionais situadas no RS, pertencentes ao 8 Distrito de Meteorologia do Instituto Nacional de Meteorologia (8 DISME-INMET), distribudas espacialmente conforme a Figura 1 e Tabela 1, escolhidas por possurem a srie de dados mais completa e pelo fato de que as massas de ar frio que chegam ao Brasil pelo sul no so de origem polar, ou seja, ingressam pelo Oceano Pacfico Sudeste, em latitudes mdias, e avanam pela Amrica do Sul (AS) na direo sudoeste-nordeste, direo do eixo que identifica a maioria das estaes relacionadas no estudo, conforme Setzer e Romo (2004).

Figura 1 Distribuio espacial das estaes meteorolgicas examinadas no RS.

Maro 2011

Revista Brasileira de Meteorologia

43

Tabela 1 Coordenadas espaciais das estaes meteorolgicas estudadas no RS.

2.1.2. Concentrao de gelo

Foram utilizados dados mdios mensais de concentrao de gelo de 1982 a 2005 do National Oceanic & Atmospheric Administration Optimum Interpolation Sea Surface Temperature Version 2 (NOAA OI.v2 SST), obtidos junto ao National Center for Environmental Prediction-National Center for Atmospheric Research Reanalysis (NCEP-NCAR), disponibilizados numa grade global de 1 latitude x 1 longitude no formato Network Common Data Form (NetCDF). A anlise do NOAA OI SST produzida semanalmente em uma grade de 1. A anlise utiliza SSTs in situ e de satlite com SSTs simuladas da cobertura de GM. Antes do cmputo da anlise, os dados de satlite so ajustados parcialmente utilizando o mtodo de Reynolds (1988) e Reynolds e Marsico (1993), o que melhora a preciso de larga escala do OI. Em novembro de 2001, os campos de OI foram recomputados do final de 1981 para frente, sendo que a nova verso passou a ser chamada de OI.v2, com uma melhora significativa na simulao da SST de dados de GM, utilizando uma tcnica desenvolvida no UK Met Office, reduzindo as anlises parciais do OI SST em latitudes mais elevadas. Uma descrio da anlise do OI e detalhes sobre sua nova verso podem ser encontrados em Reynolds e Smith (1994) e Reynolds et al. (2002), respectivamente. Os campos mensais do NOAA OI.v2 SST so derivados de uma interpolao linear entre os campos semanais e dirios do OI.v2, e a concentrao de gelo armazenada como o percentual de rea coberta. Os limites da matriz de concentrao de gelo foram definidos de forma a centralizar as reas ao redor do Plo Sul, correspondendo rea do Oceano Austral, subdividida em setores, nas latitudes entre 90S e 50S e 0-360 de longitude, de acordo com a Figura 2.

Figura 2 Distribuio espacial dos setores da CGMA em perspectiva esferogrfica polar (latitude de 90S 50S e 360 de longitude). Os setores so: Mar de Weddell (60W 0), Oceano ndico (0 90E), Oceano Pacfico Oeste (90E 150E), Mar de Ross (150E 120W) e Mares de Bellingshausen e Amundsen (120W 60W). Fonte: Adaptada de Cavalieri e Parkinson (2008).

2.2. Metodologia 2.2.1. Tcnica dos quantis

Segundo Wilks (2006) muitas medidas confiam no uso de amostras de quantis selecionados. Quantis ou fraes so essencialmente equivalentes ao termo mais familiar: percentil. Uma amostra de quantil, Qp, um nmero que tem as mesmas unidades dos dados, que excede aquela proporo dos dados identificada pela subscrio p, com 0 p 1. A amostra de quantil Qp pode ser interpretada, aproximadamente, como aquele valor esperado para exceder um membro escolhido aleatoriamente da srie de dados, com probabilidade p. Equivalentemente, a amostra de quantil Qp seria considerada como o percentil (p x 100) da srie de dados. Abaixo segue a descrio e interpretao da tcnica nos termos de Xavier (1999). Suponha-se que a temperatura mnima em um determinado local, em certo subintervalo do ano (ms, bimestre, trimestre, quadrimestre, semestre, etc.), com respeito a anos consecutivos, possa ser representada como uma varivel aleatria contnua X. Desse modo, qualquer que seja a lei apropriada aos dados, define-se o quantil Qp, para cada nmero real p entre 0 (zero) e 1 (um), como o valor em C (Celsius) da temperatura mnima que satisfaa a condio:

44

Blank et al.

Volume 26(1)

Prob( X Qp ) = p

(1)

Consequentemente, se F = F x for uma funo de distribuio (ou funo de repartio) de probabilidades associada varivel aleatria contnua X, admitindo uma inversa F-1 num intervalo [a,b], - a < b +, tal que F(a) = 0 e F(b) = 1, ento: (1b) F ( Qp ) = p (1a) ou F-1 ( p ) = Qp Ademais, para qualquer valor observado X 0 da temperatura mnima, o nmero p0 (0 < p0 < 1) tal que: F ( X0 ) = p0 (1c)

A utilizao do nmero de dias frios e quentes, em vez da simples mdia mensal da temperatura, visa evitar que os dados no sejam representativos, ou seja, enquanto que a aplicao da mdia leva a um nico valor, o qual pode ser muito influenciado quando h outros muito afastados, o nmero de dias frios e quentes mostra as caractersticas reais da srie de dados, gerando maior confiabilidade aos resultados.

2.2.2. Coeficiente de correlao

De acordo com Storch e Zwiers (2000) o coeficiente de correlao entre duas variveis aleatrias X e Y, no caso, concentrao de gelo mensal e nmeros de dias frios (quentes) mensal, respectivamente, dado por:

diz-se a ordem quantlica p0 associada a X0. Uma interpretao simples para o quantil Qp a seguinte: supondo a probabilidade p expressa em termos percentuais, espera-se que em p (%) dos anos, a medida da temperatura mnima no deve ultrapassar o valor desse quantil Qp, em Celsius, enquanto que para 100 p (%) dos anos, tal valor ser excedido. Com respeito s ordens quantlicas p = 0,25, 0,50 e 0,75 (25%, 50% e 75%), os quantis respectivos so os quartis (ou Q0,25, Q0,50 ou mediana e Q0,75). Finalmente, note-se que se reserva a designao de decis para os quantis correspondentes a 10%, 20%,..., 90% e percentis queles correspondentes a 1%, 2%,..., 99%. Tem-se a ideia de que as estimativas de quantis para uma dada regio so mais confiveis quanto maior o nmero de medies na rea estudada e a extenso em anos das sries utilizadas. Todavia, mesmo dispondo de sries muito longas, haveria ainda um problema delicado a ser apreciado: talvez no seja conveniente lanar mo de um perodo de tempo excessivamente prolongado, j que o mesmo pode comportar alguma mudana climtica com respeito ao regime trmico, conforme identifica Xavier (1999), o que levaria a uma interpretao incorreta. Considerando (X1, X2,..., Xn) a srie de dados de cada ms da temperatura mnima diria do perodo em estudo (19822005), foram calculados os quantis Q(0,30) e Q(0,70), de cada estao meteorolgica, os quais foram definidos como: classe fria (Xi Q0,30) e classe quente (Xi Q0,70). Se para cada valor X i da temperatura mnima for calculada a ordem quantlica p i correspondente, tem-se, equivalentemente: classe fria (pi 0,30) e classe quente (pi 0,70). De posse do valor mensal do quantil do perodo, foi determinado, o nmero de dias frios e quentes de cada ms, ou seja, a frequncia de dias que se estabeleceu com valor de temperatura dentro da respectiva ordem quantlica para cada ms, em cada ano.

Cor(X,Y) =

Cov (X,Y) Var(X) Var(Y)

(2)

onde: Cov(X,Y) a covarincia de X e Y; Var(X) a varincia de X; Var(Y) a varincia de Y. Nesse contexto, importante destacar que o nmero de dias frios (quentes) e a CGMA foram correlacionados utilizando o software livre GrADS (Figuras 4 a 7).

2.2.3. Teste t de Student

Segundo Mingoti (2007) quando as variveis Xi, Xj, i j tm distribuio normal univariada, possvel testar a significncia do coeficiente de correlao atravs de um teste de hiptese. Assim, se ij representa a correlao terica entre Xi e Xj, as hipteses: H0 : ij = 0 contra H1 : ij 0 podem ser testadas por meio do clculo da estatstica:

t = R ij

n-2 1 - R ij 2

(3)

onde Rij a correlao amostral observada entre Xi e Xj. Sob a hiptese nula, a estatstica em (3) tem uma distribuio t de Student com (n 2) graus de liberdade, denotada por tn-2, em que n a amostra de dados (anos). Assim, para um nvel de significncia fixo, 0 < < 1, encontra-se na tabela t de Student o correspondente valor crtico tc tal que: Prob [ tn-2 > tc ] = /2 (3a)

Se o valor observado da estatstica t em (3) em valor absoluto exceder ao valor crtico tc, a hiptese nula deve ser rejeitada. Desse modo, supondo-se que a distribuio normal seja vlida

Maro 2011

Revista Brasileira de Meteorologia

45

para as variveis, pode-se fazer o teste t de Student para verificar se as correlaes entre as variveis so significativas ou no. No caso em apreo, sendo n = 24 (perodo de 1982 a 2005), foram testados 3 nveis de significncia: 10%, 5% e 1%, conforme apresentado na Tabela 2. Exemplificadamente, considerando que para um nvel de significncia igual a 10% o valor crtico da tabela t de Student com 22 graus de liberdade igual a 1,717, rejeita-se a hiptese de que a correlao entre as variveis igual a zero, quando, em valor absoluto, o valor de t observado maior do que o valor crtico. Assim, conclui-se que a correlao entre as variveis estatisticamente significativa. No caso, a correlao ser estatisticamente significativa a um nvel de significncia de 10%, 5% e 1%, quando Rij0,34, Rij0,41 e Rij0,52, respectivamente. Quando os valores de t observados so menores, em valor absoluto, do que o valor crtico, ou seja, quando o valor de Rij for inferior aos elencados acima, em seu nvel de significncia correspondente, diz-se que as correlaes entre as variveis so consideradas no significativas.

3. RESULTADOS E DISCUSSO 3.1. Comportamento mdio mensal do gelo marinho Antrtico

A Figura 3 mostra o comportamento mdio mensal do GM Antrtico no perodo de 1982 a 2005. Nesse perodo, o GM apresentou cobertura mnima em fevereiro (Figura 3b) e mxima em setembro (Figura 3i), resultados tambm obtidos por outros autores (por exemplo, Deacon, 1985; Ferron, 1999; Zwally et al., 2002; Lima, 2007; Cavalieri e Parkinson, 2008). A partir do ms de fevereiro (Figura 3b) a cobertura aumentou gradativamente, sendo marcante seu aumento no setor do Mar de Weddell. Em abril (Figura 3d) esse aumento, mais preponderante frente aos demais setores, tambm passou a ser visto mais claramente no setor do Mar de Ross. Nos meses de maio e junho (Figuras 3e e 3f) o aumento da extenso do GM passou a ser caracterstica em todos os setores, observando-se seu rpido avano. Nos meses de julho a outubro (Figuras 3g a 3j) a extenso apresentou dimenses suavemente alteradas, em
Tabela 2 Nveis de significncia, valores crticos e correlaes relacionados ao perodo em estudo (1982-2005).

setembro (Figura 3i) tem-se o valor mximo conforme j foi referido. Nos meses de novembro e dezembro (Figuras 3k e 3l) a cobertura de gelo passou a diminuir, alcanando valor mnimo no ms de fevereiro (Figura 3b), como tambm j foi salientado. Examinando o comportamento mdio do GM em todos os meses, perceptvel que o setor do Mar de Weddell, localizado na poro meridional, ao sul do Oceano Atlntico, apresenta cobertura de gelo durante praticamente todo o ano, com extenso significativa principalmente nos meses de maio a novembro. O setor do Mar de Ross, localizado na costa Antrtica do Oceano Pacfico, ao sul da Nova Zelndia, tambm merece destaque para os mesmos meses, contudo apresenta maior variabilidade sazonal, ou seja, maior variao na cobertura de GM de acordo com as estaes do ano. Alm disso, pode ser dito que a menor (maior) extenso coincide com o trmino do vero (inverno) no Hemisfrio Sul (Hemisfrio Norte). Ressalta-se que o fator determinante da variabilidade sazonal do GM a variao na quantidade de radiao solar, que chega superfcie nas diferentes pocas do ano, segundo Justino e Peltier (2006).

3.2. Classes fria e quente da temperatura mnima diria

Em termos percentuais, as classes fria e quente da temperatura mnima diria, no perodo de 1982 a 2005, foram superiores ao valor mdio mensal esperado para os quantis em muitos anos, indicando a ocorrncia de uma variabilidade no nmero de dias frios e quentes das estaes meteorolgicas, levando em considerao que, numa situao ideal, a classe fria deveria ter 30%, a classe normal 40% e a classe quente 30% dos dados de temperatura. Contudo, a mdia anual dos quantis se mostrou coerente com a situao ideal destacada, com exceo de Porto Alegre, no ms de abril, que exibiu percentual de anos com classes fria e quente superior a 35%, e Bom Jesus no ms de outubro, que apontou percentual de anos com classe quente superior a 52%. Ademais, verificada em todos os meses, na maior parte dos anos, uma persistncia no percentual das classes fria e quente, excedente mdia anual calculada para o perodo em estudo em algumas localidades. No intuito de explicar essas variaes, Gonalves (2001) investigou a variabilidade das temperaturas mnima e mxima dirias, para 1961 a 1996, no RS, aplicando a tcnica de freqncias relativas percentuais de anomalias das temperaturas mnima e mxima dirias, mostrando haver uma grande influncia do relevo, da maritimidade e da latitude, na distribuio das mdias anuais e sazonais das temperaturas mnima e mxima dirias. Alm disso, sugeriu existir uma grande influncia das massas de ar que invadem o continente em ambas as estaes do ano na

Nvel de significncia 1% 5% 10%

Valor crtico 2,819 2,074 1,717

Correlao 0,52 0,41 0,34

46

Blank et al.

Volume 26(1)

variabilidade das temperaturas mnima e mxima dirias. Diante disso, inegvel que os fatores locais respondam por muitas dessas variaes.

3.3. Correlao entre o nmero de dias frios (quentes) e os setores da CGMA

O nmero de dias frios (quentes), oriundos da classe fria (quente), de cada localidade, foi correlacionado com os setores da CGMA indicados na Figura 2. Nos meses de janeiro a abril (Figuras no mostradas), as reas e os valores da correlao so muito similares em todas as estaes meteorolgicas, para o respectivo ms, com a maioria dos setores estatisticamente significativos em praticamente todos os nveis de significncia

testados (10% e 5% em regies mais amplas e 1% em situaes mais pontuais). Contudo, no h preponderncia de uma rea de correlao em nenhum dos setores da CGMA, exceto na correlao dos setores do Mar de Weddell e do Mar de Ross comparados aos demais. O que se destaca o comportamento inverso no sinal das reas de correlao entre os dias frios e quentes, o qual no importa muito, visto que a relevncia reside na rea, ou seja, no gradativo avano das reas de correlao, ms a ms, resultado do avano da CGMA. Tambm de se destacar a intensa variao nas reas de correlao, principalmente nos meses de janeiro, fevereiro e maro. Nos meses de maio (Figura 4) e junho (Figura 5), a cobertura de GM continua a avanar apresentando aumento de significncia e valores de correlao mais evidentes em

Figura 3 Percentual de cobertura mdia de GM Antrtico para os meses de janeiro (a), fevereiro (b), maro (c), abril (d), maio (e), junho (f), julho (g), agosto (h), setembro (i), outubro (j), novembro (k) e dezembro (l), no perodo de 1982 a 2005.

Maro 2011

Revista Brasileira de Meteorologia

47

todas as estaes meteorolgicas. De maneira geral, em maio (Figura 4), todos os setores se correlacionaram positivamente (negativamente) com o nmero de dias frios (quentes), exceto o setor do Mar de Weddell, no qual ocorreu o inverso. Em junho (Figura 5), praticamente todos os setores se correlacionaram positivamente (negativamente) com o nmero de dias frios (quentes). O exposto acima permite ressaltar o contraste, ou seja, as correlaes de sinais opostos existentes entre os setores do Mar de Weddell e de Ross no ms de maio (Figura 4). Esse contraste muito similar ao Dipolo Antrtico, definido por Yuan e Martinson (2001), embora o dipolo Antrtico seja mais pronunciado nos Mares de Bellingshausen e Amundsen. Os

autores estudaram a relao entre a extenso do GM Antrtico e a variabilidade do clima global, destacando que a correlao das anomalias do GM Antrtico com a temperatura global da superfcie produziu quatro padres de correlao caractersticos: o El Nio-Oscilao Sul como padro nos Trpicos com correlaes fortes no Oceano ndico e Amrica do Norte, um padro de teleconexo entre as regies do Pacfico Leste da regio Antrtica e do Pacfico tropical oeste-central, um Dipolo Antrtico no Estreito de Drake (marca a separao entre a Antrtica e a AS e est situado aproximadamente em 55S) e estruturas de banda meridional no Pacfico e Atlntico central estendo-se das regies polares para as tropicais, at mesmo para o Hemisfrio Norte. Por fim, ainda salientam que as anomalias

Figura 4 Coeficiente de correlao entre a CGMA e o nmero de dias frios (quentes) da temperatura mnima diria das estaes de Bag a (g), Bom Jesus b (h), Ira c (i), Porto Alegre d (j), Santa Maria e (k) e Santa Vitria do Palmar f (l) para o ms de maio, no perodo de 1982 a 2005.

48

Blank et al.

Volume 26(1)

de GM Antrtico nos setores dos Mares de Amundsen, Bellingshausen e Weddell mostraram ligaes polares mais intensas com o clima extrapolar. A partir do crescimento da rea coberta por gelo no ms de junho (Figura 5), observa-se que o contraste nos valores da correlao existente em maio (Figura 4) extremamente reduzido. importante destacar que a reduo nos valores da correlao ocorre de forma mais acentuada com relao ao nmero de dias frios. As correlaes negativa (positiva), para o nmero de dias frios, e positiva (negativa), para o nmero de dias quentes, so estatisticamente mais significativas a partir do nvel de significncia de 5%, o qual vlido para o coeficiente de correlao igual ou superior a 0,41 (Rij0,41). Desse modo,

para os meses referentes ao primeiro semestre, do perodo de 1982 a 2005, as relaes entre o nmero dias frios e quentes das diversas localidades e o GM nos pontos de grade dos vrios setores de CGMA, no ms respectivo, em termos de reas e sinais de correlao, foram considerveis. Portanto, isso impede designar alguma regio do RS como aquela possuidora de maior coeficiente de correlao. A partir do ms de julho (Figura 6), seguindo pelos meses de agosto e setembro (Figuras no mostradas) at outubro (Figura 7), as reas significativas e os valores de correlao podem ser melhor identificados, j que passam a ser reunidos de forma mais organizada, em razo da maior cobertura de GM Antrtico nesses meses. Em julho (Figura 6), o setor dos Mares

Figura 5 Coeficiente de correlao entre a CGMA e o nmero de dias frios (quentes) da temperatura mnima diria das estaes de Bag a (g), Bom Jesus b (h), Ira c (i), Porto Alegre d (j), Santa Maria e (k) e Santa Vitria do Palmar f (l) para o ms de junho, no perodo de 1982 a 2005.

Maro 2011

Revista Brasileira de Meteorologia

49

de Bellingshausen e Amundsen passa a se correlacionar de forma negativa (positiva) com o nmero de dias frios (quentes), embora existam locais com comportamento distinto. Uma diferena marcante entre os meses de junho e julho o aparecimento de correlaes negativas em julho entre o nmero de dias frios e a CGMA no Mar de Bellingshausen (Figura 6a-f). Por outro lado, existe uma desintensificao da relao entre a CGMA e o nmero de dias quentes (Figura 6g-l). Em princpio, os meses de agosto e setembro (Figuras no mostradas) apresentaram comportamento semelhante entre as estaes meteorolgicas, com destaque para uma forte banda de correlao positiva (negativa) nos setores do Mar de Weddell e do Oceano ndico para o nmero de dias frios (quentes), com valores estatisticamente significativos,

inclusive, ao nvel de significncia de 1%, o qual vlido para o coeficiente de correlao igual ou superior a 0,52 (Rij0,52). importante salientar que variaes de CGMA no Oceano ndico no parecem influenciar o nmero de dias frios e quentes no RS, principalmente por conta do seu afastamento em relao ao ltimo. Todavia, pode-se argumentar que a semelhana no padro da correlao entre as regies do Mar de Weddell e do Oceano ndico resulta da similar variao espao-temporal da CGMA entre as duas reas. A anlise para o ms de outubro (Figura 7) mostrou que os valores de correlao so significativos em grande parte dos setores mais prximos da costa Antrtica, ao nvel de significncia de 1%. Na maioria das estaes, os setores do Mar de Weddell e do Oceano Pacfico Oeste se correlacionaram

Figura 6 Coeficiente de correlao entre a CGMA e o nmero de dias frios (quentes) da temperatura mnima diria das estaes de Bag a (g), Bom Jesus b (h), Ira c (i), Porto Alegre d (j), Santa Maria e (k) e Santa Vitria do Palmar f (l) para o ms de julho, no perodo de 1982 a 2005.

50

Blank et al.

Volume 26(1)

fortemente de maneira negativa (positiva) com o nmero de dias frios (quentes), ao contrrio do observado nos demais setores. Nos meses de novembro e dezembro (Figuras no mostradas) as reas significativas e os valores da correlao passaram a diminuir, fazendo desaparecer reas caractersticas de correlao nos setores da costa Antrtica, principalmente em virtude da retrao da cobertura de gelo nesses meses, a qual evidente at fevereiro, ms detentor da mnima extenso de gelo do perodo em estudo. Assim como para os meses relativos ao primeiro semestre, para a segunda metade do perodo, no clara a preponderncia,

em respeito abrangncia e valores de correlao, entre as regies estudadas no RS, embora tenha ficado evidente que os setores dos Mares de Weddell, Bellinghausen e Amundsen e Ross tm importncia destacada na ligao entre a CGMA e o nmero de dias frios e quentes.

4. CONCLUSES
O comportamento mdio mensal da cobertura de GM Antrtico mostrou, como esperado, a tendncia em avanar (retrair) rapidamente nos meses de maio e junho (novembro

Figura 7 Coeficiente de correlao entre a CGMA e o nmero de dias frios (quentes) da temperatura mnima diria das estaes de Bag a (g), Bom Jesus b (h), Ira c (i), Porto Alegre d (j), Santa Maria e (k) e Santa Vitria do Palmar f (l) para o ms de outubro, no perodo de 1982 a 2005.

Maro 2011

Revista Brasileira de Meteorologia

51

e dezembro), obtendo valor mximo (mnimo) em setembro (fevereiro). Isso coincide com o trmino do inverno (vero) no Hemisfrio Sul (Hemisfrio Norte). Os setores dos Mares de Weddell e de Ross se destacaram em relao aos demais, j que a cobertura de GM nessas regies foi persistente, de forma mais significativa de maio a novembro. O nmero de dias frios e quentes no RS e os setores da CGMA, por meio da abrangncia e dos valores da correlao, mostraram a existncia de conexo entre essas duas variveis durante grande parte do perodo estudado. Nos meses de janeiro a abril, embora no tenham sido localizados reas e valores significativos de correlao, evidenciou-se maior correlao em relao aos setores do Mar de Weddell e de Ross, bem como uma maior variao nas reas de CGMA nessas reas, em especial, de janeiro a maro. Nos meses de julho a outubro as estaes meteorolgicas apresentaram comportamento distinto em reas e valores de correlao, apontando-se como causa a maior variabilidade do nmero de dias frios e quentes no inverno no RS. Nesse sentido, importante ressaltar que no existe grande variabilidade interanual na CGMA, o que indica que as mudanas no nmero de dias frios e quentes no RS podem ser influenciadas por mudanas nos padres atmosfricos que ocorrem fora do continente Antrtico. Ainda, nos meses de novembro a dezembro as reas significativas e os valores da correlao passaram a diminuir, possivelmente em funo da retrao da cobertura de GM e pela menor variabilidade do nmero de dias frios e quentes. Por fim, as localidades apresentaram comportamento similar em termos de reas significativas e valores de correlao, o que impede caracterizar alguma regio do RS como aquela com maior relao com a CGMA. Os setores dos Mares de Weddell, Bellinghausen e Amundsen e Ross foram aqueles que apresentaram maior relao com o nmero de dias frios e quentes, sugerindo que a posio geogrfica que cada setor ocupa relevante.

5. REFERNCIAS BIBLIOGRFICAS
AQUINO, F. E.; SETZER, A.; SIMES, J. C. Conexes climticas entre o Rio Grande do Sul e o mar de Weddell. In: CONGRESSO BRASILEIRO DE METEOROLOGIA, 14., 2006, Florianpolis. Anais... Florianpolis: SBMet, 2006. CAVALIERI, D. J.; PARKINSON, C. L. Antarctic sea ice variability and trends, 1979-2006. Journal of Geophysical Research , Washington DC, v. 113, n. C07003, doi: 10.1029/2007JC004564, p. 1-19, 2008. DEACON, G. The Antarctic circumpolar ocean: studies in polar research. New York: Cambridge University Press, 1985. 180 p. FERRON, F. A. Variaes nas razes de istopos estveis na neve e no gelo na Ilha Rei George, Antrtica. 1999.

125 f. Dissertao (Mestrado em Geocincias)-Instituto de Geocincias, Universidade Federal do Rio Grande do Sul, Porto Alegre, 1999. G O N A LV E S , A . M . E s t u d o c l i m a t o l g i c o d a variabilidade das temperaturas mxima e mnima dirias no estado do Rio Grande do Sul. 2001. 81f. Dissertao (Mestrado em Meteorologia)-Faculdade de Meteorologia, Universidade Federal de Pelotas, Pelotas, 2001. JUSTINO, F.; PELTIER, R. Influence of present day and glacial surface conditions on the Antarctic Oscillation/Southern Annular Mode. Geophysical Research Letters, Washington DC, v. 33, L22702, doi: 10.1029/2006GL027001, 2006. JUSTINO, F.; PELTIER, R. Climate anomalies induced by the Arctic and Antarctics Oscillations: Glacial Maximum and present-day perspectives. Journal of Climate, Boston, v. 21, n. 3, doi: 10.1175/2007JCLI1703.1, p. 459-475, fev. 2008. LIMA, F. U. F. Variabilidade extrema intra-sazonal do gelo marinho Antrtico e relaes com a circulao atmosfrica . 2007. 163 f. Dissertao (Mestrado em Meteorologia)-Instituto de Astronomia, Geofsica e Cincias Atmosfricas, Departamento de Cincias Atmosfricas, Universidade de So Paulo, So Paulo, 2007. MARSON, J. M. Gelo marinhoAntrtico: variabilidade e tendncias, 1978-2006. 2008. 52 f. Monogragia (Curso de Oceanologia)Instituto de Oceanografia, Laboratrio de Estudos dos Oceanos e Clima, Universidade Federal do Rio Grande, Rio Grande, 2008. MINGOTI, S. A. Anlise de dados atravs de mtodos de estatstica multivariada: uma abordagem aplicada. Belo Horizonte: UFMG, 2007. 295 p. PARKINSON, P. L. Southern Ocean sea ice and its wider linkages: insights revealed from model and observations. Antarctic Science, Cambridge, v. 16, n. 4, p. 387-400, 2004. PEZZA, A. B.; AMBRIZZI, T. Oscilaes inter-anuais do gelo marinho ao redor da Antrtica para 1979-2000: possveis influncias nos storm tracks e temperatura e precipitao em So Paulo. In:CONGRESSO BRASILEIRO DE METEOROLOGIA, 13., 2004, Fortaleza. Anais... Fortaleza: SBMet, 2004. REYNOLDS, R. W. A real-time global sea surface temperature analysis. Journal of Climate, Boston, v. 1, n. 1, p. 75-86, 1988. REYNOLDS, R. W.; MARSICO, D. C. An improved real-time global sea surface temperature analysis. Journal of Climate, Boston, v. 6, n. 1, p. 114-119, 1993. REYNOLDS, R. W.; RAYNER, N. A.; SMITH, T. M.; STOKES, D. C.; WANG, W. An improved in situ and satellite SST analysis for climate. Journal of Climate, Boston, v. 15, n. 13, p. 1609-1625, 2002. REYNOLDS, R. W.; SMITH, T. M. Improved global sea surface temperature analyses. Journal of Climate, Boston, v. 7, n. 6, p. 929-948, 1994.

52

Blank et al.

Volume 26(1)

SETZER, A.; ROMO, M. O. Efeito da circulao troposfrica Antrtica no sul e sudeste do Brasil no 1. semestre de 2004, o mais frio das ltimas dcadas. In: SEMINRIO SOBRE PESQUISAS ANTRTICAS, 12., 2004, So Paulo. Resumos... So Paulo: CPA-IG-USP, 2004. p. 193. Disponvel em: <http://www.cptec.inpe.br/prod_antartica/ publicacoes/200410_setzer_romao_spaxii_efeitocirculacao. pdf>. Acesso em: 31 jan. 2009. STEIG, E. J.; SCHNEIDER, D. P.; RUTHERFORD, S. D.; MANN, M. E.; COMISO, J. C.; SHINDELL, D. T. Warming of the Antarctic ice-sheet surface since the 1957 International Geophysical Year. Nature, London, v. 457, doi: 10.1038/ nature07669, p. 459-463, 22 jan. 2009. STORCH, H. V.; ZWIERS, F. W. Statistical analysis in climate research. New York: Cambridge University Press, 2000. 484 p. WALSH, J. E. The role of sea ice in climate variability: theories and evidence. AtmosphereOcean, Ottawa, n. 21, p. 229242, 1983.

WILKS, D. S. Statistical methods in the atmospheric sciences. 2. ed. Amsterdam: Elsevier Academic Press, 2006. 627 p.

XAVIER, T.M.B.S. Caracterizao de perodos secos e ou excessivamente chuvosos no Estado do Cear atravs da tcnica dos quantis: 1964-1998. Revista Brasileira de Meteorologia, Rio de Janeiro, v. 14, n. 2, p. 63-78, 1999. YUAN, X.; MARTINSON, D. G. The Antarctic dipole and its predictability. Geophysical Research Letters, Washington DC, v. 28, n. 18, p. 3609-3612, 2001. ZHANG, J. Increasing Antarctic sea ice under warming atmospheric and oceanic conditions, Journal of Climate, Boston, v. 20, p. 2515-2529, jun. 2007. ZWALLY, H. J.; COMISO, J. C.; PARKINSON, C. L.; CAVALIERI, D. J.; GLOERSEN, P. Variability of Antarctic sea ice 19791998. Journal of Geophysical Research , Washington DC, v. 107, n. C5, doi: 10.1029/2000JC000733, p. 42-43, 2002.