Avaliação dos cenários futuros na região nordeste do Brasil utilizando modelos climáticos globais: tendências de temperatura.

O Nordeste é a região brasileira mais vulnerável ao aquecimento global. Os modelos climáticos globais são a melhor ferramenta para projetar cenários prováveis de alterações climáticas para o futuro, apesar da incerteza envolvida. O objetivo deste trabalho foi realizada uma avaliação da tendência da temperatura média nos cenários futuros previstos pelos modelos climáticos globais do IPCC para região Nordeste do Brasil. Foi realizada uma análise estatística básica dos dados de comparação entre os modelos. Foi possível agrupar os modelos em 5 grupos, desde modelos estimando temperaturas médias comparativamente inferiores em todos os meses a outros com valores superiores em todos os meses.

Metodologia para padronizar informações climáticas dos cenários futuros no banco de dados geográfico do projeto CLIMAPEST.

Estudos sobre os impactos das mudanças climáticas globais são importantes para atenuar seus possíveis impactos negativos. O objetivo deste trabalho foi desenvolver metodologia para padronizar as informações fornecidas pelos modelos climáticos globais do Quarto Relatório do IPCC (Painel Intergovernamental sobre Mudanças Climáticas), utilizando métodos de interpolação de dados a fim de que os planos de informação no banco de dados do SIG possuam as mesmas características de resolução espacial e limites geográficos.

Curvas de crescimiento de una alga bioindicadora expuesta a diferentes tratamientos: uso de modelos lineales y no lineales.

Los modelos no lineales son ampliamente utilizados para describir curvas de crescimiento. En un modelo no lineal, Y=f(t,0)+E donde Y es el vector de observaciones, t el vector correspondiente a las condiciones de evaluacion (instantes de tiempo conocidos), 0 el vector de parametros desconocidos, f(.) una funcion no lineal en 0 y E el vector de errores, comunmente se asume que E ~ N(O,sigma ao quadrado I). Cuando no se cumplen algunos aspectos de esa suposicion (normalidad, independencia y homogeneidad de variancias), la normalidad asintotica de los estimadores de interes puede ser afectada dificultando la comparacion de curvas obtenidas en los diferentes tratamentos. En organismos unicelulares, tales como las algas, el crecimiento es comumente medido a travez de la observacion del numero de celulas N1, N2,...,Nk en los instantes t1, t2,...,tk., respectivamente. Variables de esa naturaleza, geralmente modeladas por la distribuicion de Poisson, tienen variancias iguales a las respectivas esperanzas (crescientes con el tiempo), no verificando-se la de suposicion de homocedasticidad, lo que inviabiliza la utilizacion del modelo anteriormente descrito. El objetivo de este trabajo es discutir aspectos relacionados al uso adecuado de los modelos lineales y no lineales en el ajuste de curvas de crecimiento donde la variable respuesta tiene distribucion de Poisson. Como ejemplo, son utilizados datos de crecimiento de la microalga bioindicadora Selenastrumcapricornutum, la cual fue expuesta a diferentes tratamientos (con y sin un biopesticidas) en condiciones de laboratorio. En tales casos, donde la transformacion logaritmica de la respuesta linealiza la relacion numero de celulas versus tiempo, ademas de homogeneizar las variancias, el uso de un modelo lineal es adecuado.

Quantificação de riscos climáticos via modelos de regressão de Cox.

O gerenciamento de riscos climáticos requer informação sobre estados futuros de variáveis climáticas, geralmente representada por funções de distribuição de probabilidade acumulada (FDPA, P(Y?y) ou por sua funções complementares (P(Y>y)), ditas funções probabilidade de exceder (FPE). Uma variedade de métodos estatísticos tem sido utilizada para estimação de FPE, incluindo, modelos de regressão linear múltipla, regressão logística e métodos não paramétricos (MAIA et al, 2007; LO et al, 2008). Apesar de parecer intuitivo que a incerteza associada às estimativas das FPE é fundamental para os tomadores de decisão, esse tipo de informação raramente é fornecido. Modelos estatísticos de previsão baseados em séries históricas da variável de interesse (chuva, temperatura) e de preditores derivados de estados do oceano e da atmosfera (índices climáticos tais como: temperaturas da superfície do mar ? TSM, índice de oscilação sul, IOS, El Nino/Oscilação Sul - ENSO) se constituem em alternativas promissoras para auxílio às tomada de decisão, em escalas locais e regionais. O uso de tais indicadores permite incorporar mudanças de padrão derivadas de mudanças climáticas em modelos estatísticos que utilizam informação histórica. Neste trabalho, mostramos como o Modelo de Regressão de Cox (MRC; COX, 1972), tradicionalmente utilizado para modelagem de tempos de falha, em investigações na área médica e em ciências sociais, pode ser de grande utilidade para avaliação probabilística de riscos climáticos, mesmo para variáveis que não representam tempos de falha tais como chuva, produtividade de culturas, lucros, entre outras. O MRC pode ser utilizado para avaliar a influência de preditores (índices climáticos) sobre riscos de interesse (representados pelas FPE), estimar FPE para combinações específicas de preditores e incertezas associadas além de fornecer informação sobre riscos relativos, de grande valor para tomadores de decisão. Apresentamos dois estudos de caso nos quais o Modelo de Cox foi usado para investigar: a) o efeito do IOS e de um índice derivado de TSM do Pacífico sobre o início da estação chuvosa em Cairns (Austrália) e b) a influência o índice Nino 3.4, derivado de estados da TSM no Pacífico Equatorial sobre o chuva acumulada no período de Março a Junho em Limoeiro do Norte (Ceará, Brasil). O objetivo da apresentação desses estudos é meramente didático, para demonstrar o potencial do método proposto como ferramenta de auxílio à tomada de decisão.