Impacto das Mudanças Climáticas na Produtividade da Cana de Açúcar em Maceió

Abstract

Resumo Neste estudo, um modelo de downscaling estatístico (MDE) baseado na metodologia de análogos foi usado para projetar padrões futuros de precipitação e temperatura na cidade de Maceió, litoral leste do Nordeste (9,7° S; 35,7° W; 64,5m), e avaliar seus impactos na produtividade da cana de açúcar. Dados observados históricos foram usados para o downscaling da precipitação e temperatura usando diferentes modelos climáticos globais (CanESM2, CNRM-CM5, IPSL-CM5A-MR, GFDL-ESM2M, MIROC-ESM, MPI-ESM-MR, e NorESM1-M) em relação ao período de referencia (1961-1990), e, em seguida, para cenários futuros de 2021 a 2080. Os dados foram analisados em decêndios, mesmo passo de tempo do modelo agrometeorológico usado para a cultura. Ao contrário do que se esperava, a combinação de redução das chuvas e aumento da evapotranspiração nos cenários futuros não diminuiu a estimativa da produtividade, com previsão de aumento. A este fato pode-se atribuir que a redução das chuvas previstas, mais acentuadas no período chuvoso, não serão decisivas para a diminuição da produtividade, pois na maioria dos modelos climáticos há previsão de aumento das chuvas no período seco de setembro a dezembro, crítico para o crescimento inicial da cultura, que tem calendário de plantio a partir do primeiro decêndio de setembro.

Gap Filling and Quality Control Applied to Meteorological Variables Measured in the Northeast Region of Brazil

“…The RMSE was selected as the "MICE" dexterity estimation measure because it has, among other advantages, the possibility of expressing the accuracy of the numerical results with error values in the same dimensions as the analysed variables, that is, millimetres for precipitation, degrees Celsius for temperature, percentage for relative humidity, hectoPascals for atmospheric pressure, metres per second for average wind speed and hours for insolation. The daily scale is important for analysing climate extreme indices [38][39][40][41][42][43]; the 10-day scale is important for application in agrometeorological studies, as this is the time step used in many crop growth simulation models [44][45][46], whereas the monthly scale is essential for studies that involve analyses of the influence of modes of variability on climate dynamics and also for research in the area of seasonal and subseasonal climate forecasts [47][48][49][50][51].…”