Interpolação espacial: geoprocessamento aplicado à detecção de mudanças climáticas em Santa Catarina
DOI:
https://doi.org/10.55761/abclima.v37i21.19674Palavras-chave:
Precipitação, Evapotranspiração, EspacializaçãoResumo
O estudo aborda a interpolação espacial como ferramenta essencial para mapear mudanças climáticas, especialmente em regiões com baixa densidade de estações meteorológicas. Diante da crescente ameaça climática e da necessidade de dados precisos para o planejamento agrícola e a gestão de recursos hídricos, torna-se fundamental mapear a variabilidade histórica da precipitação e evapotranspiração potencial em Santa Catarina. Nesse sentido, a interpolação espacial permite uma análise detalhada da influência do clima no estado. O estudo utiliza dados de precipitação e evapotranspiração de uma série histórica de 1960 a 2020, aplicando o interpolador IDW para espacialização. A validação do interpolador é realizada por meio de índices estatísticos, como RMSE, EAM e o índice de Willmott. Os resultados indicam uma variação sazonal significativa, com maior precipitação no verão e menor no inverno, enquanto padrões distintos são observados entre as regiões serranas e litorâneas, influenciadas pela altitude e circulação atmosférica. A validação comprova o alto desempenho do interpolador na estimativa das variáveis. Diante disso, a interpolação espacial se mostra uma técnica eficiente para representar com precisão as variações climáticas, contribuindo para a gestão hídrica e o planejamento agrícola. Os mapas gerados fornecem subsídios técnicos para mitigar os impactos das mudanças climáticas e otimizar práticas agrícolas em Santa Catarina.
Downloads
Referências
ADRISON, L. C.; UGAYA, C. Sustainable strategies for water security in Brazilian agriculture: a regionalized study. In: Forum for Sustainability through Life Cycle Innovation e.V., XIV, 2024, Gotemburgo. Anais XIV Forum for Sustainability through Life Cycle Innovation e.V., Berlin: LCIC, 2024.
Agência Nacional de Águas (ANA). HidroWeb, Disponível em: < https://www.snirh.gov.br/hidroweb/mapa> acesso em 20 dez. de 2022.
AgroSmart. El Niño E La Niña: Entenda Seus Impactos No Brasil, 2016. Disponível em: <https://agrosmart.com.br/blog/el-nino-e-la-nina-entenda-seus-impactos-no-brasil/>. Acesso em: 30 mar. 2025.
ALBUQUERQUE, F. L. Climate politics and the crisis of the liberal international order. Contexto Internacional, v. 43, n. 2, p. 259–282, 2021. DOI: https://doi.org/10.1590/s0102-8529.2019430200002
ALLEN, M.; ANTWI-AGYEI, P.; ARAGON-DURAND, F.; BABIKER, M.; BERTOLDI, P.; BIND, M.; BROWN, S.; BUCKERIDGE, M.; CAMILLONI, I.; CARTWRIGHT, A.; CRAMER, W. Technical Summary: Global warming of 1.5° C. An IPCC Special Report on the impacts of global warming of 1.5° C above pre-industrial levels and related global greenhouse gas emission pathways, in the context of strengthening the global response to the threat of climate change, sustainable development, and efforts to eradicate poverty. 2019.
ALLEN, R. G.; PEREIRA, D. R.; RAES, D.; SMITH, M. Crop Evapotranspiration: Guidelines for computing crop water requirements. In: ______. (org.). FAO Penman-Monteith equation. Rome: FAO. ed.1, 1998.
AMORIM, R. C. F.; RIBEIRO, A.; LEITE, C. C.; LEAL, B. G.; SILVA, J. B. G. Avaliação do desempenho de dos métodos de espacialização da precipitação pluvial para o estado de Alagoas. Acta Scientiarum Technology, v.30, n.1, p.87-91, 2008. DOI: https://doi.org/10.4025/actascitechnol.v30i1.3182
ASCHONITIS, V. et al. Correcting Thornthwaite potential evapotranspiration using a global grid of local coefficients to support temperature-based estimations of reference evapotranspiration and aridity indices. Earth System Science Data, v. 14, n. 1, p. 163–177, 20 jan. 2022. DOI: https://doi.org/10.5194/essd-14-163-2022
ASSAD, E. D.; ASSAD, M. L. R. C. L. Mudanças do clima e agropecuária: impactos, mitigação e adaptação. Desafios e oportunidades. Estudos Avançados, v. 38, p. 271–292, 29 nov. 2024. DOI: https://doi.org/10.1590/s0103-4014.202438112.015
BABA, R. K.; VAZ, M. S. M. G.; COSTA, J. DA. Correção de dados agrometeorológicos utilizando métodos estatísticos. Revista Brasileira de Meteorologia, v. 29, p. 515–526, 2014. DOI: https://doi.org/10.1590/0102-778620130611
BARATTO, P. F. B.; CECÍLIO, R. A.; SOUSA TEIXEIRA, D. B.; ZANETTI, S. S.; XAVIER, A. C. Random forest for spatialization of daily evapotranspiration (ETP) in watersheds in the Atlantic Forest. Environmental Monitoring and Assessment, v. 194, n. 6, p. 449, 2022. DOI: https://doi.org/10.1007/s10661-022-10110-y
BETZEK, N. M. Módulos computacionais de análise geoestatística e retificação de zonas de manejo. 2017. Tese (Doutorado em Engenharia Agrícola) – Centro de Ciências Exatas e Tecnológicas, Universidade Estadual Do Oeste Do Paraná, Cascavel, 2017.
BORGES, C.; FERNANDES, C.; CALDAS, J. Com 45 cidades abaixo de 0°C, SC tem lago congelado, estrada com sal e geada em meio a animais, 2024. G1. Disponível em: <https://g1.globo.com/sc/santa-catarina/noticia/2024/07/01/sc-30-cidades-abaixo-de-0oc-lago-congelado-estrada-com-sal-geada.ghtml>. Acesso em: 22 out. 2024.
BORNHOFEN, E.; BENIN, G.; GALVAN, D.; FLORES, M. F. Épocas de semeadura e desempenho qualitativo de sementes de soja. Pesquisa Agropecuária Tropical, v. 45, p. 46–55, 2015. DOI: https://doi.org/10.1590/1983-40632015v4529143
BREIMAN, L. Random forests. Machine Learning, v. 45, ed. 1, p. 5–32, 2001. DOI: https://doi.org/10.1023/A:1010933404324
BRONOWICKA-MIELNICZUK, U.; MIELNICZUK, J.; OBROŚLAK, R.; PRZYSTUPA, W. A comparison of some interpolation techniques for determining spatial distribution of nitrogen compounds in groundwater. International Journal of Environmental Research, v. 13, p. 679-687, 2019. DOI: https://doi.org/10.1007/s41742-019-00208-6
BRUBACHER, J. P.; OLIVEIRA, G. G. DE; GUASSELLI, L. A. Preenchimento de falhas e espacialização de dados pluviométricos: desafios e perspectivas. Revista Brasileira de Meteorologia, v. 35, p. 615-629, 2020. DOI: https://doi.org/10.1590/0102-77863540067
CAI, X.; WANG, X.; JAIN, P.; FLANNIGAN, M. D. Evaluation of gridded precipitation data and interpolation methods for forest fire danger rating in Alberta, Canada. Journal of Geophysical Research: Atmospheres, v. 124, p. 3-17, 2019. DOI: https://doi.org/10.1029/2018JD028754
CAMERA, C.; BRUGGEMAN, A.; HADJINICOLAOU, P.; PASHIARDIS, S.; LANGE, M. A. Evaluation of interpolation techniques for the creation of gridded daily precipitation (1 × 1 km2); Cyprus, 1980–2010. Journal of Geophysical Research: Atmospheres, v.119, ed.2, p.693-712, 2014. DOI: https://doi.org/10.1002/2013JD020611
CASTRO, F. S.; PEZZOPANE, J. E.M.; CECÍLIO, R. A.; PEZZOPANE, J. R. M.; XAVIER, A. C. Avaliação do desempenho dos diferentes métodos de interpoladores para parâmetros do balanço hídrico climatológico. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 14, n.8, 2010. DOI: https://doi.org/10.1590/S1415-43662010000800012
CECCHERINI, G.; AMEZTOY, I.; HERNÁNDEZ, C.P.R.; MORENO, C.C. High-resolution precipitation datasets in South America and West Africa based on satellite-derived rainfall, enhanced vegetation index and digital elevation model. Remote Sensing, v.7, ed. 5, p.6454-6488, 2015. DOI: https://doi.org/10.3390/rs70506454
CECÍLIO, R. A. et al. Método para a espacialização dos elementos do balanço hídrico climatológico. Pesquisa Agropecuária Brasileira, v. 47, n. 4, p. 478–488, 2012. DOI: https://doi.org/10.1590/S0100-204X2012000400002
CLIMATEMPO. Serra Catarinense registra menor temperatura do Brasil neste ano. Climatempo, 2022. Disponível em: <https://www.climatempo.com.br/noticia/2022/05/20/serra-catarinense-registra-menor-temperatura-do-brasil-este-ano-5418>. Acesso em: 22 out. 2024.
DE OLIVEIRA, P. V. A. DE et al. Estudo comparativo dos interpoladores espaciais IDW e SPLINE para dados pluviométricos no Norte de Minas Gerais. Cadernos do Leste, v. 24, n. 24, 2024. DOI: https://doi.org/10.29327/248949.24.24-8
DENSKI, A. P. N.; BACK, A. J. Tendência climatológica nos elementos meteorológicos e na evapotranspiração de referência de Urussanga-SC. Revista Brasileira de Climatologia, v. 17, 2015. DOI: https://doi.org/10.5380/abclima.v17i0.38400
DI PIAZZA, A. et al. Comparative analysis of spatial interpolation methods in the Mediterranean area: application to temperature in Sicily. Water, v. 7, n. 5, p. 1866–1888, 2015. DOI: https://doi.org/10.3390/w7051866
DU, T.; KANG, S.; ZHANG, J.; DAVIES, W. J. Deficit irrigation and sustainable water-resource strategies in agriculture for China’s food security, Journal of Experimental Botany, v. 66, n. 8, p.2253-2269, 2015. DOI: https://doi.org/10.1093/jxb/erv034
DUCHON, J. Splines minimizing rotation-invariant semi-norms in Sobolev spaces. In: SCHUMAKER, L. L.; ZIEGLER, K. (Ed.). Constructive theory of functions of several variables. Berlin: Springer, 1976. p. 85-100. DOI: https://doi.org/10.1007/BFb0086566
FUNG, K. F. et al. Evaluation of spatial interpolation methods and spatiotemporal modeling of rainfall distribution in Peninsular Malaysia. Ain Shams Engineering Journal, v. 13, n. 2, 2022. DOI: https://doi.org/10.1016/j.asej.2021.09.001
Gerência de Planejamento de Recursos Hídricos (GEPHI). Bacias_Hidrograficas do Estado de Santa Catarina, Disponível em: < https://www.aguas.sc.gov.br/jsmallfib_top/DHRI/bacias_hidrograficas/bacias_hidrograficas_sc.pdf> acesso em 20 dez. de 2021.
GHARAEI-MANESH, S.; FATHZADEH, A.; TAGHIZADEH-MEHRJARDI, R. Comparison of artificial neural network and decision tree models in estimating spatial distribution of snow depth in a semi-arid region of Iran. Cold Regions Science and Technology, v.122, p.26-35, 2016. DOI: https://doi.org/10.1016/j.coldregions.2015.11.004
GOTADO, R.; PIAZZA, G. A.; TORRES, E.; SEVERO, D. L.; KAUFMAN, V. Distribuição espacial e temporal das chuvas no estado de Santa Catarina. Geosul, v. 67, p. 253–276, 2018. DOI: https://doi.org/10.5007/2177-5230.2018v33n67p253
GOVAY, M. B. I.; KARIM, T. H. Trend analysis, modeling and interpolation of reference evapotranspiration time series in the semi-arid region of Duhok Governorate. The Journal of University of Duhok, v. 26, n. 2, p. 127–143, 24 dez. 2023. DOI: https://doi.org/10.26682/ajuod.2023.26.2.13
GOVAY, M. B. I.; KARIM, T. H. Comparative analysis of different techniques for spatial interpolation of rainfall datasets in Duhok Governorate. The seybold report, v. 18, n. 01, p. 2541-2555, 2024.
HARGREAVES, G. H.; SAMANI, Z. A. Reference crop evapotranspiration from temperature. Applied Engineering in Agriculture, v.01, n.02, p.96-99, 1985. DOI: https://doi.org/10.13031/2013.26773
HE, Q. et al. GPRChinaTemp1km: a high-resolution monthly air temperature data set for China (1951–2020) based on machine learning. Earth System Science Data, v. 14, n. 7, p. 3273–3292, 15 jul. 2022. DOI: https://doi.org/10.5194/essd-14-3273-2022
HENGL, T.; NUSSBAUM, M.; WRIGHT, M. N.; HEUVELINK, G. B.M.; GRÄLER, B. Random forest as a generic framework for predictive modeling of spatial and spatio-temporal variables. PeerJ. 2018. DOI: https://doi.org/10.7287/peerj.preprints.26693v3
HUERTA, A. et al. High-resolution grids of daily air temperature for Peru - the new PISCOt v1.2 dataset. Scientific Data, v. 10, n. 1, p. 847, 1 dez. 2023. DOI: https://doi.org/10.1038/s41597-023-02777-w
Instituto Brasileiro de Geografia e Estatística (IBGE). Santa Catarina. 2021. Disponível em < https://cidades.ibge.gov.br/brasil/sc>. Acesso em 26 dez. 2021.
Instituto Nacional de Meteorologia (INMET). BDMEP, Disponível em: < https://portal.inmet.gov.br/> acesso em 20 dez. de 2022.
Instituto Nacional de Meteorologia (INMET). Clima. Disponível em: <https://clima.inmet.gov.br/GraficosClimatologicos/>. Acesso em: 30 mar. 2025.
Intergovernmental Panel on Climate Change (IPCC). AR6 Synthesis Report, 2023. Disponível em: < https://www.ipcc.ch/report/ar6/syr/ >. Acesso em: 1 fev. 2025.
Intergovernmental Panel on Climate Change (IPCC). Climate Change 2021: The Physical Science Basis, 2023. Disponível em: < https://www.ipcc.ch/report/sixth-assessment-report-working-group-i/>. Acesso em: 4 jul. 2025 DOI: https://doi.org/10.1017/9781009157896
ISAAKS, E. H.; SRIVASTAVA, R. M. An introduction to applied geostatistics. Oxford: Oxford University Press, 1989. 561 p.
JONES, P. G.; THORNTON, P. K. The potential impacts of climate change on maize production in Africa and Latin America in 2055. Global Environmental Change, v. 13, n. 1, p. 51–59, 2003. DOI: https://doi.org/10.1016/S0959-3780(02)00090-0
KANOONI, A.; AMOGEIN, E. F. Comparison of sensitivity of interpolation methods by rain gauge network density. Irrigation Sciences and Engineering, v. 47, n. 4, 2025.
KAYANO, M. T.; ANDREOLI, R. V.; SOUZA, R. A. F. de; GARCIA, S. R.; CALHEIROS, A. J. P. El Niño e La Niña dos últimos 30 anos: diferentes tipos, 2016.
LOPES SOBRINHO, O. P.; LIMA CASTRO JÚNIOR, W.; ARRAIS CIPRIANO, D.; DE KÁSSIA PEREIRA CANTANHEDE, E.. Métodos empíricos de estimativa da evapotranspiração de referência para Codó, Maranhão, Brasil. Revista Brasileira de Climatologia, [S. l.], v. 34, n. 20, p. 265–287, 2024. DOI: https://doi.org/10.55761/abclima.v34i20.17275
LUNDGREN, W. J. C.; SILVA, J. A. A.; FERREIRA, R. L. C. Estimação do volume de eucaliptos por krigagem e cokrigagem no Semiárido Pernambucano. Floresta e Ambiente, v. 24, 2017. DOI: https://doi.org/10.1590/2179-8087.140415
MACHADO, N. G.; MEIRELLES, T.; DANELICHEN, V. H. M.; QUERINO, C. A. S.; BIUDES, M. S. Estimation of rainfall by neural network over a neotropical region. Revista Brasileira de Climatologia, v. 17, p.44-54, 2015. DOI: https://doi.org/10.5380/abclima.v17i0.40799
MATHERON, G. Principles of geostatistics. Economic Geology, v. 58, n. 8, p. 1246-1266, 1963. DOI: https://doi.org/10.2113/gsecongeo.58.8.1246
MEDEIROS, R. M. Balanço hídrico sequencial em São Bento do Una-Pe, Brasil, visando apoio a avicultura. Revista de Geografia, v. 37, n. 2, p. 318–342, 2020. DOI: https://doi.org/10.51359/2238-6211.2020.244048
MELLO, C. R. de; VIOLA, M. R.; OWENS, P. R.; MELLO, J. M. de; BESKOW, S. Interpolation methods for improving the RUSLE R-factor mapping in Brazil. Journal of Soil and Water Conservation, v. 70, n. 3, p. 182–197, 2015. DOI: https://doi.org/10.2489/jswc.70.3.182
MENDEZ, M.; CALVO-VALVERDE, L. A.; MAATHUIS, B.; ALVARADO-GAMBOA, L. F. Generation of monthly precipitation climatologies for Costa Rica using irregular raingauge observational networks. Water, v. 11, 2019. DOI: https://doi.org/10.3390/w11010070
MIRANDA, R. A. C; SOUZA, L. Climatologia geográfica. Rio de Janeiro: Fundação CECIERJ, 2012. 246p.
MITÁŠOVÁ, H.; MITÁŠ, L. Interpolation by regularized spline with tension: I. Theory and implementation. Mathematical Geology, v. 25, n. 6, p. 641-655, 1993. DOI: https://doi.org/10.1007/BF00893171
NOGUEIRA, D. B.; SILVA, A. O. DA; SILVA, A. P. N. DA. Comparação entre métodos de interpolação espacial para a estimativa da distribuição de precipitação no Ceará-Brasil. Irriga, v. 25, n. 1, p. 131–142, 2020. DOI: https://doi.org/10.15809/irriga.2020v25n1p131-142
OLIVEIRA, D. S. DE et al. Hotter, longer and more frequent heatwaves: an observational study for the Brazilian city of Campinas, SP. Revista Brasileira de Meteorologia, v. 36, n. 2, p. 305–316, 2021. DOI: https://doi.org/10.1590/0102-77863620119
PANDOLFO, C.; BRAGA, H.J.; SILVA JÚNIOR, V.P.; MASSIGNAN, A.M.; PEREIRA, E.S.; THOMÉ, V.M.R; VALCI, F.V. Atlas climatológico do Estado de Santa Catarina. Florianópolis: Epagri, 2002.
PANOSSO, A. R. Variabilidade espacial da emissão de CO₂ e sua relação com propriedades do solo em área de cana-de-açúcar no sudeste do Brasil. 2011. Tese (Doutorado em Ciências Agrárias e Veterinárias) – Faculdade de Ciências Agrárias e Veterinárias, Universidade Estadual Paulista, Jaboticabal, 2011.
PERKINS-KIRKPATRICK, S.E.; GIBSON, P.B. Changes in regional heatwave characteristics as a function of increasing global temperature. Scientific Reports, v.7, n. 1, p. 1-12, 2017. DOI: https://doi.org/10.1038/s41598-017-12520-2
RATA, M.; DOUAOUI, A.; LARID, M.; DOUAIK, A. Comparison of geostatistical interpolation methods to map annual rainfall in the Chéliff watershed, Algeria. Theoretical and Applied Climatology, v. 141, n. 3, p. 1009–1024, 2020. DOI: https://doi.org/10.1007/s00704-020-03218-z
RIGATTI, S. J. Random Forest. Journal of Insurance Medicine, v. 47, n. 1, p. 31–39, 2016. DOI: https://doi.org/10.17849/insm-47-01-31-39.1
ROBINSON, T. P.; METTERNICHT, G. Testing the performance of spatial interpolation techniques for mapping soil properties. Computers and Electronics in Agriculture, v.50, n.2, p.97-108, 2006. DOI: https://doi.org/10.1016/j.compag.2005.07.003
ROMERO-HERNÁNDEZ, C. M. et al. Bias-corrected high-resolution precipitation datasets assessment over a tropical mountainous region in Colombia: A case of study in Upper Cauca River Basin. Journal of South American Earth Sciences, v. 140, p. 104898, 2024. DOI: https://doi.org/10.1016/j.jsames.2024.104898
RStudio Team. RStudio: Integrated Development for R. RStudio, v. 4.2.3, PBC, Boston, MA. Disponível em: http://www.rstudio.com/. Acesso em 08 mar. 2023.
RUEZZENE, C. B. et al. Preenchimento de falhas em dados de precipitação através de métodos tradionais e por inteligência artificial. Revista Brasileira de Climatologia, v. 29, p. 177–204, 2021.
SALIBA, Y.; BĂRBULESCU, A. A comparative evaluation of spatial interpolation techniques for maximum temperature series in the Montreal region, Canada. Romanian Reports in Physics, v. 76, n. 1, p. 701–701, 21 mar. 2024. DOI: https://doi.org/10.59277/RomRepPhys.2024.76.701
SALLEH, H. A.; RAHMAN, E. K. A.; RATNAYAKE, U. Assessing the applicability of rainfall index spatial interpolation in predicting landslide susceptibility: A study in Brunei Darussalam. IOP Conference Series: Earth and Environmental Science, v. 1369, n. 1, p. 012006, 2024. DOI: https://doi.org/10.1088/1755-1315/1369/1/012006
SANDWELL, D. T. Biharmonic spline interpolation of GEOS-3 and SEASAT altimeter data. Geophysical Research Letters, v. 14, n. 2, p. 139-142, 1987. DOI: https://doi.org/10.1029/GL014i002p00139
SANTOS, L. O. Troca estratosfera-troposfera e sua influência no conteúdo de ozônio sobre a região central do Rio Grande do Sul. 2016. Dissertação (Mestrado em Meteorologia) – Universidade Federal de Santa Maria, Centro de Ciências Naturais e Exatas, Santa Maria, 2016.
SHEPARD, D. S. A two‐dimensional interpolation function for irregularly‐spaced data. Proceedings of the 1968 ACM National Conference, p.517-524, 1968. DOI: https://doi.org/10.1145/800186.810616
SILVA JUNIOR, J. F. DA et al. Métodos geoestatísticos na modelagem espacial do diâmetro médio do cristal da goethita. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 17, p. 1127–1134, 2013. DOI: https://doi.org/10.1590/S1415-43662013001100001
SOUZA, I. A. de; MACIEL NETTO, A.; AZEVEDO, J. R. G. Impacto do aquecimento global no balanço hídrico diário e suas consequências para a agricultura. Revista Brasileira de Geografia Física, v. 03, p. 558-571, 2012. DOI: https://doi.org/10.26848/rbgf.v5i3.232852
VIANNA, L. F. N.; PERIN, E. B.; RICCE, W. S.; MASSIGNAN, A. M.; PANDOLFO, C. Bancos de dados meteorológicos: análise dos metadados das estações meteorológicas no estado de Santa Catarina, Brasil. Revista Brasileira de Meteorologia, v.32, n.1, p.53-64, 2017. DOI: https://doi.org/10.1590/0102-778632120150119
VILL, J. Geografia de Santa Catarina Aspectos Físicos. Disponível em http://www.cfnp.com.br/documentos/aspectos_fisicos_de_santa_catarina_3serie_100315.pdf. Acesso em 26 dez. 2021.
WANDERLEY, H. S.; AMORIM, R. F. C. DE; CARVALHO, F. O. DE. Interpolação espacial de dados médios mensais pluviométricos com redes neurais artificiais. Revista Brasileira de Meteorologia, v. 29, p. 389–396, 2014. DOI: https://doi.org/10.1590/0102-778620130639
WATTS, N.; ADGER, W. N.; AGNOLUCCI, P. Health and climate change: policy responses to protect public health. The Lancet, v. 386, n. 10006, p. 1861–1914, 7 2015. DOI: https://doi.org/10.1016/S0140-6736(15)60854-6
WILLMOTT, C. J. On the validation of models. Physical Geography, v.2, p.184-194, 1981. DOI: https://doi.org/10.1080/02723646.1981.10642213
World Meteorological Organization (WMO). Climate change indicators reached record levels in 2023, 2024. Disponível em: <https://wmo.int/news/media-centre/climate-change-indicators-reached-record-levels-2023-wmo>. Acesso em: 2 fev. 2025.
XAVIER, A. C.; KING, C. W.; SCANLON, B. R. Daily gridded meteorological variables in Brazil (1980–2013). International Journal of Meteorology. v.36, ed.6, p.2644-2659, 2015. DOI: https://doi.org/10.1002/joc.4518
ZÁKHIA, E. M. S. et al. Impactos das mudanças climáticas em uma bacia hidrográfica no Sul do estado de Minas Gerais. Revista Brasileira de Meteorologia, v. 36, p. 667-681, 2022. DOI: https://doi.org/10.1590/0102-7786360002
Downloads
Publicado
Como Citar
Edição
Seção
Licença
A aprovação dos artigos implica a aceitação imediata e sem ônus de que a Revista Brasileira de Climatologia terá exclusividade na primeira publicação do artigo. Os autores continuarão, não obstante, a deter os direitos autorais. Os autores autorizam também que seus artigos sejam disponibilizados em todos os indexadores aos quais a revista está vinculada.
Os autores mantém seus direitos de publicação sem restrições
A Comissão Editorial não se responsabiliza pelos conceitos ou afirmações expressos nos trabalhos publicados, que são de inteira responsabilidade dos autores.
A Revista Brasileira de Climatologia oferece acesso livre imediato ao seu conteúdo, seguindo o entendimento de que disponibilizar gratuitamente o conhecimento científico ao público proporciona maior democratização do conhecimento e tende a produzir maior impacto dos artigos publicados. Os artigos publicados na revista são disponibilizados segundo a Licença Creative Commons CC-BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/). Segundo essa licença é permitido acessar, distribuir e reutilizar os artigos para fins não comerciais desde que citados os autores e a fonte. Ao submeter artigos à Revista Brasileira de Climatologia, os autores concordam em tornar seus textos legalmente disponíveis segundo essa licença
