Climate change scenarios in the Parana State : a non-stationary analysis using drought indices

Orientador: Dra. Miriam R. M. Mine

Nível de Acesso:openAccess
Publication Date:2020
Main Author: Ploszai, Robinson, 1987-
Format: Tese
Assuntos em Português:
Online Access:https://hdl.handle.net/1884/69029
Resumo Português:Resumo: Mudanças climáticas afetam o ciclo hidrológico e influenciam significativamente o uso dos recursos hídricos. O grande número de eventos extremos e a prolongada extensão destes são indicativos de que as mudanças climáticas estão se intensificando nas últimas décadas. Uma forma de avaliar os extremos de seca consiste em utilizar os índices de seca acumulados em diversos períodos e ajustar modelos estatísticos. Há vários índices de seca na literatura e os mais utilizados mundialmente são o Índice Padronizado de Precipitação (SPI, acrônimo em inglês), Índice de Reconhecimento de Seca (RDI, acrônimo em inglês) e o Índice Padronizado de Evapotranspiração e Precipitação (SPEI, acrônimo em inglês). O cálculo da evapotranspiração potencial, quando necessário foi realizado utilizando o método de Thornthwaite e foi usada a distribuição de probabilidade gama ajustada aos índices de seca. Estes índices se baseiam na premissa de modelos estacionários, onde os parâmetros (média, desvio-padrão, etc.) e a distribuição das variáveis meteorológicas não variam com o tempo. Nas projeções de mudanças climáticas para o sul do Brasil, os parâmetros estatísticos das séries meteorológicas (média, variância, entre outras) variam no tempo e tal fato torna a análise de seca pobre utilizando as atuais abordagens estacionárias. Portanto, esta tese propõe uma análise não-estacionária no RDI, ajustando os tradicionais modelos estacionários nas séries históricas observadas e futuras simuladas (usando cenários de Modelos Climáticos Regionais), comparando os resultados com as séries de seca não-estacionárias acumuladas em diferentes períodos, em termos de tendência e ponto de quebra. Quando ambos (série histórica mensal de precipitação e/ou temperatura e a série acumulada do RDI) apresentaram não-estacionariedade, o método divide as séries de seca no ponto de quebra e ajusta modelos estatísticos separados em ambas as partes, comparando as diferenças entre o método estacionário (único ajuste na análise de secas) e o método não-estacionário (dois ajustes na análise de secas). A análise das principais estatísticas de secas avaliou o desempenho de ambos os métodos, e a aplicação da análise adicional com uma janela móvel de 30 períodos verifica a evolução temporal dos parâmetros. Comparando as análises estacionária e não-estacionária, os resultados mostraram em geral uma subestimação na severidade das secas quando o modelo estacionário é adotado. A análise das principais estatísticas de seca, como magnitude máxima, duração, número de eventos, frequência de ocorrência e intensidade mostrou subestimação dos eventos de seca, quando utilizada a abordagem estacionária em comparação à abordagem não-estacionária. Os resultados da análise complementar de janela móvel de 30 períodos apresentaram uma tendência decrescente no parâmetro de forma da distribuição, enquanto que os parâmetros de localização e escala, assim como os valores mínimos apresentaram uma tendência crescente, indicando uma seca mais severa ao final do período histórico. A análise de seca no Estado do Paraná mostrou uma intensificação de secas para o futuro quanto às principais estatísticas de seca, independentemente do cenário climático adotado (RCP 4.5 e RCP 8.5). Os resultados na maioria mostram a importância de aplicar modelos não-estacionários para análise de secas e apontam que as secas podem se intensificar até 2100 em severidade, magnitude e duração. Palavras-chave: mudanças climáticas, Índice de Reconhecimento de Seca, análise estacionária, análise não-estacionária, Modelos Climáticos Regionais.
Abstract: Climate changes affect the hydrological cycle and influence significantly the use of water resources. The great number and prolonged extension of drought events are indicative that climate changes are intensifying in the last decades. A way to evaluate the drought extremes is using the drought indices accumulated in several periods and fitting statistical distribution models. There are several drought indices in the literature and the most used worldwide are the Standardized Precipitation Index (SPI), Reconnaissance Drought Index (RDI), and the Standardized Precipitation Evapotranspiration Index (SPEI). The computation of potential evapotranspiration, when necessary was performed using the Thornthwaite method and the gamma probability distribution was used and fitted to the drought indices. These indices are based on the assumption of stationary models, where both meteorological variable distribution and parameters (mean, variance, among others) do not vary in time. In climate change projections for Southern Brazil, the meteorological series statistical parameters (mean, variance, among others) vary in time and this fact makes the drought analysis poor using the current stationary approaches. For this reason, this dissertation proposes a non-stationary analysis in the RDI, fitting the traditional stationary models in both observed historical and future simulated series (using Regional Climate Model scenarios), and comparing results with the non-stationary drought series accumulated in different periods, in terms of trend and changing point. When both (historical observed monthly precipitation and/or temperature series and accumulated RDI series) present non-stationarity, the method splits the drought series at the changing point and fits separated statistical distribution models in both parts, comparing the differences between the stationary (one fit for drought analysis) and the non-stationary (two fit for drought analysis). The drought statistics analysis evaluated the performance of both methods, and the application of an additional 30-period moving window analysis verified the parameter temporal evolution. Comparing the stationary and non-stationary analyses, results showed a general underestimation in the drought severity when the stationary model is adopted. The main drought statistics, such as maximum magnitude, duration, number of events, occurrence frequency and intensity showed drought events underestimation when used the stationary approach, in comparison with the non-stationary approach. Results of the complementary 30-period moving window analysis presented a decreasing trend in the shape parameter of the distribution, while both location and scale parameters and, the minimum values presented a slight increase trend, meaning more severe droughts at the end of the historical period. The drought analysis in Parana State showed a drought intensification in the future in relation to the main drought statistics, independently of the climatic scenario adopted (RCP 4.5 and RCP 8.5). General results show the importance in applying the non-stationary models for drought analysis and point that droughts may intensify up to 2100 in severity, magnitude and duration. Keywords: climate change, Reconnaissance Drought Index, stationary analysis, non-stationary analysis, Regional Climate Models.