Demanda, disponibilidade e segurança hídrica na Amazônia oriental: uma análise prospectiva da macrorregião costa atlântica–nordeste

Autores

  • Lucas Salles
  • Thiago dos Santos Gonçalves
  • Luiz Rogério Bastos Leal
  • Paulo Galvão

DOI:

https://doi.org/10.34188/bjaerv9n3-008

Palavras-chave:

segurança hídrica, estresse hídrico, demanda hídrica, Amazônia oriental, séries temporais

Resumo

A segurança hídrica em regiões de elevada disponibilidade média pode ser comprometida por pressões locais associadas ao crescimento populacional, à expansão econômica e à variabilidade climática. Este estudo avaliou a segurança hídrica da Macrorregião Hidrográfica Costa Atlântica–Nordeste, na Amazônia Oriental, integrando séries climáticas históricas, previsões hidroclimáticas de curto prazo, projeções setoriais de demanda e cenários de disponibilidade hídrica para o horizonte de 2022 a 2060. Foram analisadas 28 séries de precipitação e uma de temperatura, obtidas de repositórios oficiais da ANA e do INMET, submetidas a preenchimento de falhas, análise exploratória, testes de estacionariedade, decomposição STL e modelagem SARIMA. As demandas futuras foram estimadas para abastecimento humano, agropecuária e indústria, com base em projeções demográficas e indicadores econômicos, e comparadas a cenários de disponibilidade baseados em vazões de referência e reservas explotáveis. Os resultados indicaram forte sazonalidade anual, reproduzida pelos modelos SARIMA, embora a precipitação tenha apresentado maior irregularidade e autocorrelação residual. A demanda total projetada para 2060 foi de aproximadamente 5,5 milhões de m³/dia, resultando em índices de comprometimento entre 4,8% e 10,7%, inferiores ao limiar global de estresse hídrico, mas relevantes sob critérios regionais conservadores. Conclui-se que a região mantém folga hídrica agregada, porém vulnerabilidades locais e sazonais podem emergir diante de maior concentração de usos, eventos extremos e mudanças ambientais, reforçando a necessidade de gestão adaptativa e preventiva.

Referências

AGÊNCIA NACIONAL DE ÁGUAS E SANEAMENTO BÁSICO (ANA). Conjuntura dos recursos hídricos no Brasil: informe 2019. Brasília: ANA, 2019a.

AGÊNCIA NACIONAL DE ÁGUAS E SANEAMENTO BÁSICO (ANA). HidroWeb: séries históricas de estações. Sistema Nacional de Informações sobre Recursos Hídricos (SNIRH). Brasília, DF: ANA, 2026. Disponível em: https://www.snirh.gov.br. Acesso em: 25 jun. 2026.

AGÊNCIA NACIONAL DE ÁGUAS E SANEAMENTO BÁSICO (ANA). Impacto da mudança climática nos recursos hídricos do Brasil: resumo executivo. Brasília: ANA, 2024. Disponível em: https://www.gov.br/ana. Acesso em: 12 jun. 2026.

AGÊNCIA NACIONAL DE ÁGUAS E SANEAMENTO BÁSICO (ANA). Manual de usos consuntivos da água no Brasil. Brasília: ANA, 2019b. Disponível em: https://www.snirh.gov.br. Acesso em: 12 jun. 2026.

AKAIKE, H. A new look at the statistical model identification. IEEE Transactions on Automatic Control, v. 19, n. 6, p. 716–723, 1974.

BOX, G. E. P. et al. Time series analysis: forecasting and control. 5. ed. Hoboken: John Wiley & Sons, 2015.

CLEVELAND, R. B. et al. STL: a seasonal-trend decomposition procedure. Journal of Official Statistics, v. 6, n. 1, p. 3–73, 1990.

CONNOLLY-BOUTIN, L.; SMIT, B. Climate change and food security. Regional Environmental Change, v. 15, n. 1, p. 1–4, 2015.

COSTA, M. H.; BOTTA, A.; CARDILLE, J. A. Effects of land cover changes. Journal of Hydrology, v. 283, p. 206–217, 2003. DOI: https://doi.org/10.1016/S0022-1694(03)00267-1.

DICKEY, D. A.; FULLER, W. A. Distribution of estimators. Journal of the American Statistical Association, v. 74, p. 427–431, 1979.

FAO; UN-WATER. Progress on level of water stress. Rome: FAO, 2021. DOI: https://doi.org/10.4060/cb6241en.

FAO; UN-WATER. Progress on level of water stress: 2024 update. Rome: FAO, 2024.

GROLEMUND, G.; WICKHAM, H. Dates and times with lubridate. Journal of Statistical Software, v. 40, n. 3, p. 1–25, 2011.

HEERSPINK, B. P. et al. Trends in hydrology across the Amazon. Journal of Hydrology: Regional Studies, v. 32, p. 100755, 2020. DOI: https://doi.org/10.1016/j.ejrh.2020.100755.

HURVICH, C. M.; TSAI, C. L. Model selection in small samples. Biometrika, v. 76, n. 2, p. 297–307, 1989.

HYNDMAN, R. J.; KHANDAKAR, Y. Automatic time series forecasting. Journal of Statistical Software, v. 27, n. 3, p. 1–22, 2008.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Censo Demográfico 2022: 87% da população vive em áreas urbanas. Agência IBGE Notícias, 2024.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Pará: população no Censo 2022 e estimativa 2025. Rio de Janeiro: IBGE, 2025.

INSTITUTO NACIONAL DE METEOROLOGIA (INMET). BDMEP: Banco de Dados Meteorológicos. Brasília: INMET, 2026. Acesso em: 25 jun. 2026.

INTERGOVERNMENTAL PANEL ON CLIMATE CHANGE (IPCC). Climate Change 2021. Cambridge: Cambridge University Press, 2021. DOI: https://doi.org/10.1017/9781009157896.

KWIATKOWSKI, D. et al. Testing stationarity. Journal of Econometrics, v. 54, p. 159–178, 1992.

LI, Y. et al. Future increases in Amazon water stress. Nature Water, v. 1, p. 769–777, 2023. DOI: https://doi.org/10.1038/s44221-023-00128-y.

MABHAUDHI, T. et al. Water–Energy–Food nexus. International Journal of Environmental Research and Public Health, v. 16, p. 4362, 2019.

MARENGO, J. A. Hydrological cycle of the Amazon. Revista Brasileira de Meteorologia, v. 21, p. 1–19, 2006.

MARENGO, J. A. et al. Amazon drought 2023–2024. American Journal of Climate Change, v. 13, p. 567–597, 2024. DOI: https://doi.org/10.4236/ajcc.2024.133026.

MINISTÉRIO DO MEIO AMBIENTE (MMA). Plano nacional de adaptação à mudança do clima. Brasília: MMA, 2016. Disponível em: https://www.gov.br/mma. Acesso em: 12 jun. 2026.

NICHELE, Murilo Anzanello; REIS, Mari Aurora Favero; CECHIN, Luana; MARCHESAN, Jairo. Perda de cobertura florestal e pressão periurbana na microbacia do Lajeado dos Pintos no município de Concórdia, Santa Catarina: uma análise multitemporal de 2004–2024. Brazilian Journal of Animal and Environmental Research, Curitiba, v. 9, n. 3, p. 1–21, 2026. DOI: https://doi.org/10.34188/bjaerv9n3-002.

PANDAY, P. K. et al. Deforestation and water balance. Journal of Hydrology, v. 523, p. 822–829, 2015. DOI: https://doi.org/10.1016/j.jhydrol.2015.02.018.

PARÁ. Plano estadual de recursos hídricos (PERH-PA). Belém: SEMAS, 2021.

PARÁ. Política de recursos hídricos do Estado do Pará. Belém: SEMA, 2012.

R CORE TEAM. R: a language and environment for statistical computing. Vienna: R Foundation, 2026.

SAID, S. E.; DICKEY, D. A. Unit root testing. Biometrika, v. 71, p. 599–607, 1984.

SCHWARZ, G. Estimating model dimension. The Annals of Statistics, v. 6, p. 461–464, 1978.

SORRIBAS, M. V. et al. Climate change impacts on Amazon discharge. Climatic Change, v. 136, p. 555–570, 2016. DOI: https://doi.org/10.1007/s10584-016-1640-2.

WICKHAM, H. ggplot2: elegant graphics for data analysis. New York: Springer, 2016.

ZEILEIS, A.; GROTHENDIECK, G. zoo: time series infrastructure. Journal of Statistical Software, v. 14, n. 6, p. 1–27, 2005.

Downloads

Publicado

2026-07-06

Como Citar

Salles, L., Gonçalves, T. dos S., Leal, L. R. B., & Galvão, P. (2026). Demanda, disponibilidade e segurança hídrica na Amazônia oriental: uma análise prospectiva da macrorregião costa atlântica–nordeste. Brazilian Journal of Animal and Environmental Research, 9(3), e88128. https://doi.org/10.34188/bjaerv9n3-008

Edição

Seção

Artigos originais