SECAS NA BACIA DO RIO GRANDE: AVALIAÇÃO POR REANÁLISE CLIMÁTICA, PROJEÇÕES FUTURAS E MODELAGEM COM INTELIGÊNCIA ARTIFICIAL
ERA5, ERA5-Land, CMIP6, tendências, modelagem hidrológica empírica.
A variabilidade da precipitação e a ocorrência de secas impõem desafios significativos à gestão dos recursos hídricos, especialmente diante das mudanças climáticas. A escassez e a qualidade limitada de dados observacionais dificultam o monitoramento desses fenômenos, tornando as reanálises climáticas alternativas promissoras. Neste contexto, este estudo tem como objetivo avaliar a aplicabilidade das reanálises ERA5 e ERA5-Land, do ECMWF (European Centre for Medium-Range Weather Forecasts), na representação da precipitação e das secas na bacia hidrográfica do Rio Grande (cincunscrições GD1, GD2, GD4 e GD5), além de investigar cenários futuros de seca pelo sexto relatório de avaliação (AR6) e, ainda, a aplicação de modelos de inteligência artificial na modelagem de secas. As reanálises foram validadas frente a dados pluviométricos da Agência Nacional de Águas e Saneamento Básico (ANA) em escalas diária e mensal, por meio das métricas estatísticas de correlação de Spearman (ρ), eficiência de Kling-Gupta (KGE), erro médio absoluto (MAE) e raiz do erro quadrático médio (RMSE), além da análise de extremos (P95 e P99) e tendências pluviométricas pelo teste de Mann-Kendall. O Índice Padronizado de Precipitação (SPI) foi calculado para diferentes escalas (3–48 meses) e suas tendências também avaliadas pelo teste de Mann-Kendall. Os resultados indicaram desempenho limitado na escala diária (ρ = 0,52–0,63; KGE = 0,18–0,43), mas satisfatório na mensal (ρ = 0,87–0,92; KGE ≥ 0,74), com destaque para o ERA5-Land, que apresentou menores erros e melhor representação espacial da precipitação. Observou-se aprimoramento das estimativas de reanálise ao longo das décadas e maior acurácia nas áreas mais baixas da bacia. O SPI observado indicou tendência úmida em algumas porções da área de estudo, enquanto as reanálises sugeriram tendência seca, evidenciando divergências na detecção das tendências locais. Espera-se que este estudo contribua para a compreensão da potencialidade dos produtos de reanálise como fontes alternativas aos dados observacionais, para o entendimento histórico e futuro das secas na bacia do Rio Grande, e para o aprimoramento de metodologias preditivas baseadas em inteligência artificial voltadas à gestão hídrica regional.