Escalas temporais e tendências observadas nas temperaturas m áximas no Estado do Ceará Timescales and observed trends in the highest temperatures in the state of Ceará

Resumo

Pretendeu-se por meio das análises de ondeletas, identificar quais as possíveiscausas para a variabilidade na temperatura máxima do Ceará e com auxílio do teste de Mann-Kendall, verificou-se se há tendências de aumento ou diminuição dessa variável. Foram usados dados de temperatura máxima do INMET para o período de 1973-2010. Verificou-se que as regiões do estado do Ceará sofrem influencia das variações das escalas sazonais, interanuais e decadais sob suas temperaturas. As escalas sazonal, ligada ao ENOS, ligada ao Dipólo do Atlântico, ao ciclo de manchas solares e à Oscilação Decadal do Pacífico influenciam as temperaturas no estado do Ceará. Dessa forma, com a informação de quais fenômenos climáticos ou sistemas meteorológicos influenciam diretamente cada uma das macrorregiões do Ceará, com o acompanhamento climático dos mesmos, é possível conhecer mais profundamente as variações térmicas de cada região, e, ao mesmo tempo, usar a informação para previsão climática, de risco climático e seus produtos. Houve um aumento na temperatura máxima em todas as regiões estudadas.

Abstract

It is intended through wavelet analysis, identify possible causes for variability inmaximum temperature with the aid of Ceará and the Mann - Kendall test, check if be trends of increase or decrease of this variable. Data INMET maximumtemperature for the period 1973-2010 was used. It was found that the regions of the state of Ceará suffer influences of variations of the scale seasonal, interannual and decadal in their temperatures. The seasonal scales, linked to ENSO, linked to the Atlantic dipole, the sunspot cycle and the Pacific Decadal Oscillation influence temperatures in the state of Ceará. Thus with the information which weatherphenomena or weather systems directly influence each of the geographical regions of Ceará, with the climate monitoring them , you can learn more deeply thermal variations of each region , and at the same time use the information to forecastclimate , climate risk and its products . There was an increase in the maximum temperature in all studied regions.