Simulação estocástica dos impactos das mudanças climáticas sobre as demandas de água para irrigação na região noroeste do Rio Grande do Sul

Esta tese foi desenvolvida para avaliar os impactos das mudanças climáticas ao longo deste século sobre as demandas futuras de água para irrigação da soja na região Noroeste do Estado do Rio Grande do Sul sob uma abordagem estocástica e considerando diferentes projeções de modelos climáticos para o período de 2011-2100, comparando com o passado (1961-1990). As demandas de água para irrigação da soja (IWR) foram obtidas por simulação com o modelo SWAP. O aspecto estocástico desta avaliação foi conduzido pela incorporação da variabilidade espacial da condutividade hidráulica do solo (Ksat) e dos parâmetros da curva de retenção de água no solo (CR). Inicialmente, foi realizada uma análise estocástica destes atributos físico-hidráulicos na bacia do Arroio Donato (1,1 Km2), a qual serviu de área representativa dos solos e do uso do solo da região Noroeste. Foi empregada a técnica de simulação sequencial Gaussiana (SSG) para geração de 100 campos aleatórios de cada variável. Os resultados revelaram maiores incertezas para Ksat e o parâmetro α da CR e permitiu identificar que a grande heterogeneidade espacial e temporal das variáveis analisadas pode estar associada a fatores tais como clima, manejo e cobertura do solo, erros de amostragem, adensamento da malha amostral e também ao grau de compactação do solo. Em seguida foi feita uma investigação para detectar mudanças nos padrões de temperatura (T) e precipitação (P) na região Noroeste do RS (~65.000 Km2) pelo uso de diferentes modelos climáticos de circulação geral e regional (MCGs e MCRs, respectivamente). Sete distintas localizações na região foram consideradas, para as quais há dez diferentes projeções climáticas destes modelos. Adicionalmente, também foram investigadas a frequência e a intensidade de eventos de precipitação extrema utilizando-se de índices de eventos extremos. As projeções indicam um aumento na média anual de temperatura de quase 3ºC até o final do século, bem como um aumento na precipitação anual. Também foi realizada uma análise sazonal de T e P, a qual demonstrou que os maiores aumentos de temperatura são projetados para o inverno e início da primavera e, portanto, não coincidem com os meses de verão da principal cultura da região (soja). De posse das informações anteriores, o modelo SWAP foi utilizado para estimar as demandas de água para irrigação da soja (IWR), sem considerar perdas devido à eficiência de qualquer método de irrigação. Foram feitos também testes de hipóteses sobre as séries de IWR simuladas e os resultados suportam a premissa de que IWR a curto prazo (2025s) não será estatisticamente diferente do período base (1961-1990). Por outro lado, as IWR em 2055s e 2085s rejeitam esta hipótese. Por fim, avaliou-se a influência da distribuição espacial da condutividade hidráulica saturada (Ksat) e dos parâmetros do modelo da curva de retenção de água no solo (α, n e sat) sobre as demandas futuras de água para a irrigação da soja (IWR), segundo uma abordagem estocástica. Os valores simulados pelo método geoestatístico de simulação sequencial Gaussiana foram utilizados como dados de entrada no modelo SWAP. Como dados meteorológicos foram consideradas apenas as projeções do modelo climático regional ETA 20 e ETA 40 CTRL, bem como as projeções dadas pelo modelo climático global HADCM3 nas sete localizações na região. As estimativas obtidas pelo método estocástico foram então comparadas com as estimativas de IWR obtidas sem considerar a variabilidade espacial dos atributos físico-hidráulicos do solo. Os resultados indicaram grande variabilidade espacial dos valores de IWR. Além disso, observou-se que as menores incertezas de IWR foram obtidas a partir das projeções do modelo de melhor resolução espacial, o ETA 20, enquanto o modelo HADCM3 revelou as maiores diferenças entre os períodos futuros e o período atual (base). Os resultados também demonstraram que a maior incerteza é devido aos modelos climáticos, pois a abordagem estocástica praticamente não agregou incerteza aos valores de IWR simulados anteriormente. Por fim, as séries de IWR obtidas pela abordagem determinística e estocástica foram comparadas pelo teste de hipóteses de Kolmogorov-Smirnov, o qual comprovou que as séries só não diferem a curto prazo (2025s) e que, portanto, a variabilidade espacial do solo não pode ser negligenciada nas estimativas desta variável.

This Thesis has been developed to assess the impacts of climate change throughout this century on future water demands for soybean irrigation in the Northwest region of Rio Grande do Sul under a stochastic approach and considering different projections of climate models for the period 2011-2100, compared to the past (1961-1990). The water demands for irrigation (IWR) were obtained by simulation with the SWAP model. The stochastic aspect of this evaluation was conducted by incorporating the spatial variability of the saturated hydraulic conductivity (Ksat) and the parameters of the soil water retention curve (CR). Initially, a stochastic analysis of soil physical-hydraulic attributes (Ksat and CR parameters) in the Donato basin (1,1 Km2) was carried out. This basin served as a representative area of soils and land uses of the Northwest region. The Sequential Gaussian Simulation (SSG) technique was used to generate 100 random fields of each variable. The results revealed greater uncertainty for Ksat and for α parameter of the CR and identified that the large spatial and temporal heterogeneity of the variables may be associated with factors such as climate, management and land cover, sampling error, spatial density of the sampling grid and also the degree of soil compaction. After, an investigation was made to detect changes in temperature (T) and precipitation (P) patterns in the Northwest region of RS (~65.000 Km2) by using different global and regional circulation models (GCM and RCM, respectively). Seven distinct locations in the region were considered, for which there are ten different climate projections of these models. Additionally, it was also investigated the frequency and intensity of extreme rainfall events using extreme event indices. Projections indicate an increase in average annual temperature of almost 3 °C by the end of this century, as well as an increase in annual precipitation. It was also performed a seasonal analysis of T and P, which showed that the largest temperature increases are projected for the winter and early spring and, therefore, do not coincide with the summer months the main crop in the region (soy). Making use of the above information, the SWAP model was applied to estimate the water demand for soybean irrigation (IWR), excluding losses due to the efficiency of any method of irrigation. A hypothesis test for the simulated IWR series and the results supports the premise that in short-term IWR (2025s) is not statistically different from base period (1961-1990). On the other hand, IWR in 2055s and 2085s reject this hypothesis. Finally, the influence of the spatial distribution of the saturated hydraulic conductivity (Ksat) and the parameters of the soil water retention curve (α, sat and n) on IWR was evaluated, according to a stochastic approach. The simulated values form the geostatistical method of Sequential Gaussian Simulation (SGS) were used as input data in the SWAP model. Input data of meteorological information were provided by the projections of regional climate model ETA 20 and ETA 40 CTRL, as well as the projections given by global climate model HADCM3 for the seven locations in the region. Estimates obtained by the stochastic method were then compared with the IWR estimates obtained without considering the spatial variability of physical and hydraulic soil properties. The results indicated large spatial variability of IWR values. Furthermore, it was observed that the smallest uncertainties of IWR were obtained from the projections with better spatial resolution, the ETA 20 model, while the HADCM3 model revealed the highest differences between future periods and the current period (baseline). The results also showed that the greatest uncertainties are probably due to climate models, since the stochastic approach did not add uncertainties to the IWR values simulated previously. Finally, the series of IWR obtained by stochastic and deterministic approaches were compared by the hypothesis test of Kolmogorov-Smirnov, which proved that only the series in the short term (2025s) differ, and, therefore, the soil spatial variability may not be neglected when estimating this variable.