Barycenter - Formation Control of Two Interconnected Underactuated Unmanned Surface Vessels Und

4.4 Tasks

4.4.3 Barycenter

A Figura 38 explicita que o período crítico para a crise hídrica da primeira metade da década de 2010 na UGRHI-02 foi o ano hidrológico 2013/2014.

Figura 38 – Resumo dos resultados para os anos hidrológicos

Tabela 8 – Ocorrência e magnitude de secas na primavera

ESTAÇÃO MUNICÍPIO out/05 out/06 out/07 out/08 out/09 out/10 out/11 out/12 out/13 out/14

2244001 Queluz -2,16 2244010 Cachoeira Paulista -1,04 -4,08 2245020 Lorena -1,59 2245032 Guaratinguetá -1,78 2245035 Pindamonhangaba -1,54 2245048 Pindamonhangaba -2,31 2245053 Aparecida -1,29 -1,24 -2,05 -2,11 2245054 Monteiro Lobato -1,03 2345001 Taubaté -1,18 -1,42 2345004 Caçapava -1,1 -1,47 2345008 Caçapava -1,29 -1,22 -1,89 -1,63 -1,94 -2,72 2345012 Caçapava -1,42 2345022 Jambeiro -1,05 -1,65 -1,98 2345062 Taubaté -2,04 -1,65 2345063 Caçapava -1,12 -1,39 -1,7 2345071 Santa Branca -1,2 -2,45 2345106 Jacareí -1,37 -1,18 -2,27 2345159 Taubaté 2345161 Taubaté -1,75

2345164 São José dos Campos 2346019 Santa Isabel

2346344 Igaratá -1,06

Frequência simples de secas 4 3 2 2 2 3 5 3 5 9

Média dos IPPs -1,67 -1,19 -1,14 -1,51 -1,5 -1,39 -1,84 -2,07 -1,84 -1,78

Classe média das secas Severa Moderada Moderada Severa Severa Moderada Severa Extrema Severa Severa

Tabela 9 – Ocorrência e magnitude de secas no verão

ESTAÇÃO MUNICÍPIO jan/06 jan/07 jan/08 jan/09 jan/10 jan/11 jan/12 jan/13 jan/14 jan/15

2244001 Queluz -2,2 -2,92 2244010 Cachoeira Paulista -1,04 -4,08 2245020 Lorena -1,08 -3,45 2245032 Guaratinguetá -1,77 -2,7 2245035 Pindamonhangaba -2,1 -1,05 -2,59 2245048 Pindamonhangaba -1,21 -1,36 -3,56 2245053 Aparecida -1,72 -1,43 -2,74 -2,18 -3,15 2245054 Monteiro Lobato -2,25 2345001 Taubaté -1,18 -1,37 -1,09 2345004 Caçapava -1,19 -2,06 2345008 Caçapava -1,99 -2,09 -1,95 -1,54 -2,56 -1,95 -3,04 2345012 Caçapava -1,26 -2,08 2345022 Jambeiro -1,02 -1,16 -1,63 2345062 Taubaté -1,73 -1,01 -1,28 2345063 Caçapava -1,49 -4,25 2345071 Santa Branca -1,65 2345106 Jacareí -1,98 -1,18 -1,98 2345159 Taubaté -1,35 -1,98 2345161 Taubaté -1,7

2345164 São José dos Campos -1,44 -1,89

2346019 Santa Isabel -1,23

2346344 Igaratá -1,78

Frequência simples de secas 2 14 1 2 1 2 7 2 21 1

Média dos IPPs -1,73 -1,44 -1,02 -1,64 -1,95 -1,49 -1,82 -2,07 -2,42 -1,09

Classe média das secas Severa Moderada Moderada Severa Severa Moderada Severa Extrema Extrema Moderada

Tabela 10 – Ocorrência e magnitude de secas no período úmido

ESTAÇÃO MUNICÍPIO out/05 out/06 out/07 out/08 out/09 out/10 out/11 out/12 out/13 out/14

2244001 Queluz -1,71 -1,23 -1,95 2244010 Cachoeira Paulista -3,48 2245020 Lorena -1,03 -2,65 -1,16 2245032 Guaratinguetá -1,81 -1,24 2245035 Pindamonhangaba -1,22 -1,17 -1,64 -1,06 2245048 Pindamonhangaba -1,25 -1,61 -2,33 -1,45 2245053 Aparecida -1,79 -1,17 -1,33 -3,12 -3,07 -2,24 2245054 Monteiro Lobato -1,26 2345001 Taubaté -1,07 -1,67 2345004 Caçapava -1,06 2345008 Caçapava -2,24 -1,01 -2,59 -2,14 -3,04 -2,99 -2,05 2345012 Caçapava -1,2 2345022 Jambeiro -1,48 -2,2 -1,15 2345062 Taubaté -2,57 -1,05 -1,74 2345063 Caçapava -1,73 -4,33 2345071 Santa Branca -1,9 2345106 Jacareí -1,77 -1,22 -2,25 -1,09 2345159 Taubaté -1,77 2345161 Taubaté -2,01

2345164 São José dos Campos -1,37 -1,27

2346019 Santa Isabel -1,15

2346344 Igaratá -1,87

Frequência simples de secas 3 7 1 2 1 2 8 4 19 7

Média dos IPPs -2,02 -1,45 -1,48 -1,39 -2,59 -1,74 -1,93 -2,08 -1,96 -1,34

Classe média das secas Extrema Moderada Moderada Moderada Extrema Severa Severa Extrema Severa Moderada

Tabela 11 – Ocorrência e magnitude de secas no ano hidrológico

ESTAÇÃO MUNICÍPIO out/05 out/06 out/07 out/08 out/09 out/10 out/11 out/12 out/13 out/14

2244001 Queluz -1,5 -1,75 2244010 Cachoeira Paulista -3,68 2245020 Lorena -1,3 -2,49 2245032 Guaratinguetá -1,39 2245035 Pindamonhangaba -1,54 2245048 Pindamonhangaba -2,19 2245053 Aparecida -1,94 -1,07 -1,7 -2,95 -2,7 -2,07 2245054 Monteiro Lobato -1 2345001 Taubaté -1,25 -1,43 2345004 Caçapava 2345008 Caçapava -1,8 -1,24 -2,67 -2,49 -2,91 -2,97 -1,96 2345012 Caçapava 2345022 Jambeiro -1,94 -1,73 2345062 Taubaté -2,18 -1,32 -1,6 2345063 Caçapava -3,86 2345071 Santa Branca -1,82 2345106 Jacareí -1 -1,13 -2,02 2345159 Taubaté -1,7 2345161 Taubaté -1,61

2345164 São José dos Campos -1,21

2346019 Santa Isabel

2346344 Igaratá -1,69

Frequência simples de secas 3 2 1 2 1 2 4 4 17 2

Média dos IPPs -1,87 -1,44 -1,94 -1,12 -2,67 -2,1 -2,3 -2,03 -1,94 -1,52

Classe média das secas Severa Moderada Severa Moderada Extrema Extrema Extrema Extrema Severa Severa

5 CONCLUSÕES

Verificou-se que no trecho paulista da Bacia do Rio Paraíba do Sul, as décadas de 1970 e 1980 apresentaram os meses e períodos de 12 meses mais secos do histórico existente para a maioria das estações analisadas.

Considerando o período de escassez da primeira metade da década de 2010 e o histórico completo das estações analisadas, verificou-se que os meses de janeiro/2014, março/2015 e outubro/2014 foram os meses mais secos em Aparecida, Caçapava e Santa Branca, respectivamente. O verão de 2014 foi o mais seco do histórico em grande parte das estações da porção norte da Bacia, entre os municípios de Pindamonhangaba, Lorena, Cachoeira Paulista e Queluz, demonstrando uma tendência geográfica do comportamento da seca. Estações localizadas em Queluz, Cachoeira Paulista, Pindamonhangaba, Caçapava e Jacareí apresentaram períodos de 12 meses mais secos do histórico durante a primeira metade da década de 2010.

Analisando os resultados obtidos para o período entre 2005 e 2014, verifica-se uma tendência do início da crise hídrica da primeira metade da década de 2010 na primavera de 2014, na qual mais de 40% das estações estudadas apresentaram IPPs condizente com seca, e uma média de IPP regional inferior a -1,75. O verão de 2014 pode ser considerado o período crítico da crise hídrica, durante o qual aproximadamente 95% das estações avaliadas apresentaram IPP de seca, e a média dos IPPs da região foi inferior a -2,25, ou seja, seca extrema. Verificou-se que o ano de 2007 apresentou, também um verão seco, em mais de 60% das estações, porém, com menor intensidade – IPP médio um pouco superior a -1,5, indicando seca moderada. Como consequência do verão de 2014, os períodos úmidos 2013/2014 e o ano hidrológico 2013/2014 foram igualmente secos. Verificou-se uma tendência de normalização da chuva já no verão de 2015, quando aproximadamente 5% das estações apresentaram IPP de seca, com média moderada.

Uma das possibilidades de continuação da pesquisa e para futuros trabalhos é a utilização do IPP para previsão de secas poderá ser abordada em futuros trabalhos.

REFERÊNCIAS BIBLIOGRÁFICAS

ABRAMOWITZ, M.; STEGUN, I. A. Handbook of Mathematical Functions with Formulas,

Graphs, and Mathematical Tables. New York: Dover Publications, 1965.

AGÊNCIA NACIONAL DE ÁGUAS. Bacia do rio Paraíba do Sul. Disponível em: <http://www2.ana.gov.br/Paginas/servicos/outorgaefiscalizacao/RioParaibadoSul.aspx>. Acesso em: 6/9/2016.

ASADI ZARCH, M. A.; SIVAKUMAR, B.; SHARMA, A. Droughts in a warming climate: A global assessment of Standardized precipitation index (SPI) and Reconnaissance drought index (RDI).

Journal of Hydrology, v. 526, p. 183–195, 2015. Elsevier B.V. Disponível em:

<http://dx.doi.org/10.1016/j.jhydrol.2014.09.071>. .

BARBIERI, J. C. Gerenciamento de recursos hídricos no Brasil e no estado de São Paulo : um novo modelo de política pública. , v. II, 1988.

BLAIN, G. C.; KAYANO, M. T. 118 Anos De Dados Mensais Do Índice Padronizado De Precipitação : Série Meteorológica De Campinas , Estado De São Paulo. Revista Brasileira de

Meteorologia, v. 26, p. 137–148, 2011.

BRASIL. Classificação e Codificação Brasileira de Desastres Naturais (COBRADE). Brasil: Ministério da Integração Nacional, 2012.

CANCELLIERE, A.; MAURO, G. DI; BONACCORSO, B.; ROSSI, G. Drought forecasting using the standardized precipitation index. Water Resources Management, v. 21, n. 5, p. 801–819, 2007.

CHOW, V. TE; MAIDMENT, D. R.; MAYS, L. W. Applied hydrology. McGraw-Hill, 1988.

COELHO, C. A. S.; CARDOSO, D. H. F.; FIRPO, M. A. F. Precipitation diagnostics of an exceptionally dry event. Theor Appl Climatol, 2015.

COELHO, C. A. S.; DE OLIVEIRA, C. P.; AMBRIZZI, T.; et al. The 2014 southeast Brazil austral summer drought: regional scale mechanisms and teleconnections. Climate Dynamics, v. 45, p. 1–16, 2015. Springer Berlin Heidelberg. Disponível em:

<http://link.springer.com/10.1007/s00382-015-2800-1>. .

EDWARDS, D. C.; MCKEE, T. B. Characteristicas of 20th century drought in the United States

at multiple time scales. Climatology report no. 97-2. Fort Collins, 1997.

ENGLE, N. L.; LEMOS, M. C. Unpacking governance: Building adaptive capacity to climate change of river basins in Brazil. Global Environmental Change, v. 20, n. 1, p. 4–13, 2010.

ESCOBAR, H. Drought triggers alarms in Brazil´s biggest metropolis. Science, v. 347, n. 6224, p. 812, 2015a.

ESCOBAR, H. Drought triggers alarms in Brazil’s biggest metropolis. Science, v. 347, n. 6224, p. 812, 2015b. Disponível em:

<http://www.sciencemag.org/cgi/doi/10.1126/science.347.6224.812>. .

ESTADÃO. Nível do Cantareira sobe para 22,9%, oitava alta consecutiva. Disponível em: <http://noticias.uol.com.br/ultimas-noticias/agencia-estado/2015/12/10/nivel-do-cantareira-sobe-pelo- 8-dia.htm#fotoNav=1>. Acesso em: 11/4/2016.

ESTRELA, T.; VARGAS, E. Drought Management Plans in the European Union. The Case of Spain.

Water Resources Management, v. 26, n. 6, p. 1537–1553, 2012. Disponível em:

<http://link.springer.com/10.1007/s11269-011-9971-2>. .

FERNANDES, D. S.; HEINEMANN, A. B.; PAZ, R. L. DA; AMORIM, A. DE O.; CARDOSO, A. S. Índices para a Quantificação da Seca. Documentos, p. 48, 2009.

GUTTMAN, N. B. ACCEPTING THE STANDARDIZED PRECIPITATION INDEX: A CALCULATION ALGORITHM 1. JAWRA Journal of the American Water Resources

Association, v. 35, n. 2, p. 311–322, 1999. Disponível em:

<http://doi.wiley.com/10.1111/j.1752-1688.1999.tb03592.x>. Acesso em: 11/2/2016.

HERRING, S. C. EXPLAINING EXTREME EVENTS OF 2014 From A Climate Perspective.

Bulletin of the American Meteorological Society, v. 96, n. 12, 2015.

HONG, N.; LEE, T.; CHEN, Y. Daily weather generator with drought properties by copulas and standardized precipitation indices. Environmental Monitoring and Assessment, 2016. Environmental Monitoring and Assessment.

JENKINS, K.; WARREN, R. Quantifying the impact of climate change on drought regimes using the Standardised Precipitation Index. Theoretical and Applied Climatology, p. 41–54, 2014.

DE LAMA, B. Tesis doctoral: Metodología de evaluación e identificación de políticas de adaptación al cambio climático en la gestión de recursos hídricos. , p. 1–278, 2011.

LI, J.; ZHOU, S.; HU, R. Hydrological Drought Class Transition Using SPI and SRI Time Series by Loglinear Regression. , p. 669–684, 2016.

LIVADA, I.; ASSIMAKOPOULOS, V. D. Spatial and temporal analysis of drought in Greece using the Standardized Precipitation Index ( SPI ). , v. 153, p. 143–153, 2007.

VAN LOON, A. F.; VAN LANEN, H. A. J. Making the distinction between water scarcity and drought using an observation-modeling framework. Water Resources Research, v. 49, n. 3, p. 1483–

1502, 2013. Disponível em: <http://doi.wiley.com/10.1002/wrcr.20147>. .

MCKEE, T. B.; DOESKEN, N. J.; KLEIST, J. The relationship of drought frequency and duration to time scales. AMS 8th Conference on Applied Climatology, , n. January, p. 179–184, 1993. Disponível em: <http://ccc.atmos.colostate.edu/relationshipofdroughtfrequency.pdf>. .

MISHRA, A. K.; SINGH, V. P. A review of drought concepts. Journal of Hydrology, v. 391, n. 1–2, p. 202–216, 2010. Elsevier B.V. Disponível em: <http://dx.doi.org/10.1016/j.jhydrol.2010.07.012>. .

MOREIRA, E. E.; MARTINS, D. S.; PEREIRA, L. S. Assessing drought cycles in SPI time series using a Fourier analysis. , p. 571–585, 2015.

MOREIRA, E. E.; PIRES, C. L.; PEREIRA, L. S. SPI Drought Class Predictions Driven by the North Atlantic Oscillation Index Using Log-Linear Modeling. , p. 1–18, 2016.

MUÑOZ, H. R.; MUÑOZ, H. R. Interfaces da Gestão de Recursos Hídricos Desafios da lei de águas em 1997. Interfaces, p. 7, 2000.

NAGHETTINI, M.; PINTO, E. J. A. Hidrologia estatística. Belo Horizonte: CPRM, 2007.

NARESH KUMAR, M.; MURTHY, C. S.; SESHA SAI, M. V. R.; ROY, P. S. On the use of Standardized Precipitation Index (SPI) for drought intensity assessment. Meteorological

Applications, v. 16, n. 3, p. 381–389, 2009.

OTTO, F. E. L.; COELHO, C. A. S.; KING, A.; et al. Explaining extreme events of 2014 from a climate perspective: Factors other than climate change, main drivers of 2014/2015 water shortage in Southeast Brazil. Bulletin of the American Meteorological Society, v. 96, n. 12, p. S35–S40, 2015.

PEDRO-MONZONÍS, M.; SOLERA, A.; FERRER, J.; ESTRELA, T.; PAREDES-ARQUIOLA, J. A review of water scarcity and drought indexes in water resources planning and management. Journal

of Hydrology, v. 527, p. 482–493, 2015. Disponível em:

<http://linkinghub.elsevier.com/retrieve/pii/S0022169415003388>. .

PHILIPPI, A. J. O Impacto da Capacitação em Gestão ambiental, 2002.

SÃO PAULO. Subsídios ao planejamento ambiental da unidade hidrográfica de gerenciamento

de recursos hídricos Paraíba do Sul: UGRHI 02. São Paulo: SMA, 2011.

SÖNMEZ, F. K.; KÖMÜSCÜ, A. Ü.; ERKAN, A.; TURGU, E. An analysis of spatial and temporal dimension of drought vulnerability in Turkey using the standardized precipitation index. Natural

TIGKAS, D.; VANGELIS, H.; TSAKIRIS, G. DrinC: a software for drought analysis based on drought indices. Earth Science Informatics, v. 8, n. 3, p. 697–709, 2015.

TUCCI, C. E. M. Hidrologia: ciência e aplicação. 4o_{ed. Porto Alegre: ABRH, 2014.}

VILARIANO, C. Seca no Sudeste pode durar 30 anos, aponta especialista. Disponível em: <http://noticias.uol.com.br/ultimas-noticias/efe/2015/04/04/seca-no-sudeste-pode-durar-30-anos- aponta-especialista.htm>. Acesso em: 11/4/2016.

WANG, Y.; CHEN, X.; CHEN, Y.; LIU, M.; GAO, L. Flood/drought event identification using an effective indicator based on the correlations between multiple time scales of the Standardized Precipitation Index and river discharge. Theoretical and Applied Climatology, 2015. Disponível em: <http://link.springer.com/10.1007/s00704-015-1699-0>. .

WEBSTER, K. E.; KRATZ, T. K.; BOWSER, C. J.; MAGNUSON, J. J.; ROSE, W. J. The influence of landscape position on lake chemical responses to drought in northern Wisconsin. Limnology and

Oceanography, v. 41, n. 5, p. 977–984, 1996. Disponível em:

<http://doi.wiley.com/10.4319/lo.1996.41.5.0977>. .

WMO. Standardized Precipitation Index User Guide. , , n. 1090, p. 24, 2012. Disponível em: <http://library.wmo.int/opac/index.php?lvl=notice_display&id=13682>. .

WORLD METEOROLOGICAL ORGANIZATION. International Glossary of Hydrology. Geneva, 2012.

WORLD METEOROLOGICAL ORGANIZATION; SVOBODA, M.; HAYES, M.; WOOD, D.

APENDICE A – INVENTÁRIO DE ESTAÇÕES PLUVIOMÉTRICAS UGRHI-02

Tabela 12 – Inventário de estações pluviométricas analisadas

(continua)

MUNICÍPIO CÓDIGO DA ESTAÇÃO INTEGRIDADE 10/83 - 09/13

Aparecida 2245041 43% 2245053 82% 2245123 67% Caçapava 2345004 91% 2345008 96% 2345012 97% 2345013 48% 2245018 57% 2345063 93% 2345115 0% 2345129 0% 2345130 0% 2345133 0% 2345146 0% 2345147 0% 2345148 0% 2345150 0% 2345210 8% Cachoeira Paulista 2244010 96% 2244012 58% 2244111 0% 2244124 60% 2245007 76% 2245008 55% 2245017 0% 2245139 0% 2245143 0% 2245149 0% 2245158 55% 2245191 23%

(continuação)

MUNICÍPIO CÓDIGO DA ESTAÇÃO INTEGRIDADE 10/83 - 09/13

Guaratinguetá 2245059 33% 2245095 0% 2245113 0% 2245122 40% 2245125 0% 2245126 0% 2245134 0% 2245145 0% 2245148 0% 2245153 0% 2245165 46% 2245166 32% 2245180 0% 2245192 11% Igaratá 2346011 0% 2346166 0% 2346344 100% 2345026 0% 2345027 0% 2345029 46% 2345066 0% 2345106 90% 2345110 0% 2345128 0% 2345186 0% 2345203 22% 2345204 24% 2346016 0% Jambeiro 2345022 81% 2345105 0% Larvinhas 2244138 50% 2244162 23% Lorena 2245020 99% 2245027 42% 2245060 53% 2245128 66% 2245132 0% 2245146 0% 2245155 0% 2245168 51%

(continuação)

MUNICÍPIO CÓDIGO DA ESTAÇÃO INTEGRIDADE 10/83 - 09/13

Mogi das Cruzes 2346336 39%

Monteiro Lobato 2245045 54% 2245054 95% 2245127 0% Pindamonhangaba 2245028 77% 2245031 53% 2245035 83% 2245042 51% 2245043 38% 2245047 41% 2245048 96% 2245049 54% 2245051 0% 2245052 36% 2245057 43% 2245116 5% 2245124 0% 2245129 17% 2245131 0% 2245133 0% 2245135 0% 2245136 0% 2245138 0% 2245150 0% 2245151 0% Piquete 2245003 52% 2245062 47% 2245109 0% 2245183 0% 2245184 0% Queluz 2244001 82% 2244002 38% 2244102 0% 2244110 0% 2244115 0% 2244163 40% Roseira 2245061 53% 2245142 0% 2245152 34% Salesópolis 2245138 0%

(continuação)

MUNICÍPIO CÓDIGO DA ESTAÇÃO INTEGRIDADE 10/83 - 09/13

Santa Branca

2345037 77%

2345071 94%

2345131 0%

Santa Isabel 2346019 94%

São Jose dos Campos

2245050 57% 2246086 56% 2345019 58% 2345020 71% 2345064 0% 2345083 2% 2345111 67% 2345132 0% 2345136 0% 2345144 3% 2345152 55% 2345156 57% 2345164 100% 2345165 0% 2346006 56% 2345270 0% Taubaté 2245154 0% 2345001 87% 2345003 0% 2345009 46% 2345010 39% 2345011 0% 2345014 0% 2345033 43% 2345062 99% 2345077 18% 2345078 0% 2345103 64% 2345114 0% 2345126 0% 2345151 0% 2345159 98% 2345160 0% 2345161 87% 2345162 0%

(conclusão)

MUNICÍPIO CÓDIGO DA ESTAÇÃO INTEGRIDADE 10/83 - 09/13

Taubaté 2345163 47% 2345166 38% 2345167 0% 2345168 0% 2345170 48% Tremembé 2245058 0% 2245119 11% 2245141 0% 2245186 29% 2245195 30% 2345187 0%

APÊNDICE B – IPPS DE PERÍODO COMPLETO PARA AS ESTAÇÕES UTILIZADA

Figura 39 – IPP 1 e 3 meses, estação 2244001