Estudo numérico da variabilidade da Água Profunda do Atlântico Norte nos últimos dez mil anos

1 Introdução

Os oceanos têm um papel fundamental no clima global, sendo a principal fonte de umidade para a atmosfera. Essa umidade, quando condensada em chuva ou gelo, libera calor latente que é a principal forçante da circulação atmosférica (Tomczak e Godfrey, 2003). O papel do oceano também tem relação com seu elevado calor específico em relação ao continente nas proximidades. Devido a esse calor específico elevado, o oceano modera flutuações de temperatura e também transporta calor de uma região a outra (Clark et al., 2002).

Estudando as condições do clima no passado, pode-se entender as variações do sistema climático antes das forçantes antrópicas. Porém, com instrumentos, obtém-se dados limitados ao presente. Algumas das variáveis de interesse para a oceanografia, como a temperatura e a salinidade, alteram a química e biologia de sedimentos marinhos de forma mensurável (Henderson, 2002). A partir da análise das variações registradas no sedimento, pode-se inferir características do oceano no passado. Essas variações são chamadas de proxies, exemplos de proxies incluem as razões isotópicas. Os dados fornecidos pelos proxies permitem inferir variáveis, como a temperatura da água, que podem ser utilizados para inicialização de modelos numéricos que reconstroem as condições pretéritas do oceano.

Massas d’água como a Água Profunda do Atlântico Norte (APAN) têm grande relação com o sistema climático (Rahmstorf, 2002) e o estudo de sua variabilidade é de grande importância para a compreensão do clima. Diversos estudos visaram caracterizar a APAN e sua variabilidade no Atlântico Norte (e.g. Dickson e Brown (1994); Sarafanov et al. (2007); Steinfeldt et al. (2007); Huhn et al. (2008)). Neste trabalho, a variabilidade da APAN nos últimos dez mil anos foi estudada usando-se dados de um modelo acoplado e foi dado enfoque ao Atlântico Sul.

1.1 A Água Profunda do Atlântico Norte (APAN)

De acordo com Tomczak e Godfrey (2003), a APAN ocupa a faixa de 1000 a 4000 metros de profundidade e pode ser encontrada desde o Mar de Labrador (50°N) à Divergência Antártica (55°S), no limite sul da Corrente Circumpolar Antártica. Nas proximidades da América do Sul, a APAN pode ser encontrada entre 2000 e 3100 metros (Hogg et al., 1999). Como pode ser visto na Figura 1a, a massa d’água tem elevada salinidade (maior que 34,9) e está associada ao máximo de salinidade em subsuperfície (Tomczak e Godfrey, 2003). É uma massa d’água de grande importância por seu papel na circulação termo-halina (Broecker, 1991), contribuindo aproximadamente em 50% das águas profundas formadas no oceano global (Krueger et al., 2008).

Figura 1: Perfis de temperatura potencial e salinidade do oceano Atlântico mostrando as características atuais da APAN ao longo da seção indicada em (c). (a): temperatura potencial (°C); (b): salinidade; (c): localização da seção. As massas d’água representadas são: AIA: Água Intermediária Antártica; APAN: Água Profunda do Atlântico Norte originária do Mar de Labrador (ML), Mar da Groenlândia (MG) ou contendo contribuições da Água Mediterrânea Eurafricana (AME). Adaptado de Tomczak e Godfrey (2003).

A APAN tem origem em altas latitudes no Hemisfério Norte (Smethie et al., 2000; Huhn et al., 2008; Krueger et al., 2008), é formada no Mar de Labrador e tem influência também de aportes dos mares nórdicos (Smethie et al., 2000; Huhn et al., 2008). A produção e o transporte dessa massa d’água são variáveis importantes na determinação da resposta do oceano às mudanças no clima (Krueger et al., 2008), atuando na regulação da distribuição de sal e calor globalmente (Dickson e Brown, 1994).

No Atlântico Norte, o aquecimento diferenciado entre altas e baixas latitudes acelera as águas superficiais em direção aos polos, enquanto que o aporte de água doce nos polos (degelo) interrompe este fluxo (Clark et al., 2002). Assim é forçada a célula de revolvimento meridional (MOC, da sigla em inglês para Meridional Overturning Circulation), com águas superficiais dirigindo-se para norte e águas profundas seguindo para sul.

A massa d’água transportada pelo ramo profundo da célula de revolvimento meridional (Steinfeldt et al., 2007) é a APAN. Desta forma ela ventila o Oceano Atlântico. O processo de ventilação consiste em transferir águas superficiais ao interior do oceano (Blanke et al., 2002). O caminho da massa d’água termina quando mistura-se às águas do Oceano Austral para formar a Água Profunda Circumpolar que preenche o fundo dos oceanos Pacífico e Índico (Krueger et al., 2008).

Segundo Piotrowski et al. (2004), o transporte da APAN para o Oceano Austral aumentou gradualmente desde a última deglaciação (há 17–18 mil anos). Os mesmos autores mostram que há também flutuações na produção da APAN com escala de milênios, vinculadas a mudanças climáticas no Atlântico Norte. Como mostram Clark et al. (2002), registros paleoceanográficos confirmam que variações na MOC e, consequentemente, na APAN tem papel fundamental em mudanças climáticas abruptas.

De acordo com Crowley (1992), a variabilidade da APAN tem importância significativa sobre a temperatura da superfície do mar (TSM) no hemisfério sul. A TSM é o principal parâmetro oceânico para a atmosfera, fornecendo a ligação entre os sistemas oceânico e atmosférico (Tomczak e Godfrey, 2003). Ninnemann et al. (1999) mostra que o efeito da APAN sobre a temperatura do Oceano Austral é desprezível.

1.2 Área de estudo

Pretende-se avaliar as propriedades da APAN no Atlântico Sul (Figura 2). As análises foram realizadas em dois pontos: 15°S 30°W e 30°S 45°W. A escolha dos pontos foi feita baseada no caminho da APAN de Kasten et al. (1998), também ilustrado na Figura 2. Adicionalmente, foi realizada uma análise de funções ortogonais empíricas que usou dados entre as latitudes 0° e 50°S e as longitudes 30°E e 70°W.

Figura 2: Mapa mostrando o Atlântico Sul, o caminho da APAN adaptado de Kasten et al. (1998) (setas pretas) e os pontos onde foram feitas as análises (círculos vermelhos). As latitudes e longitudes dos pontos são: 15°S 30°W e 30°S 45°W.

1.3 Hipótese científica

A circulação termo-halina, importante indicador de mudanças climáticas do transporte de calor dos oceanos, esteve estável no atual período interglacial, iniciado há cerca de dez mil anos (Ellison et al., 2006).

A hipótese pode ser verificada examinando a variabilidade da APAN que representa um ramo do transporte das latitudes de deficit (polos) para as regiões de excesso (trópicos).

1.4 Objetivos

Identificar escalas de variabilidade temporal na temperatura e salinidade associadas à Água Profunda do Atlântico Norte (APAN) na porção sul do oceano Atlântico utilizando resultados de simulação numérica com um modelo climático acoplado. O período de interesse é o atual período interglacial.

Adicionalmente, pretende-se verificar se há reflexos de grandes eventos climáticos na área de formação da massa d’água sobre a APAN na região do Atlântico Sul.

2 Metodologia

2.1 Comparação de modelos para o presente

Com a finalidade de validar o conjunto de dados para a realização das análises, os resultados dos modelos descritos a seguir foram comparados com uma referência. Neste estudo, a referência utilizada foi a reanálise SODA (Simple Ocean Data Assimilation—Assimilação Simples de Dados Oceânicos) e a comparação foi feita utilizando-se o diagrama de Taylor, proposto por Taylor (2001).

O diagrama de Taylor permite que diversos conjuntos de dados sejam comparados a uma referência, resumindo parâmetros estatísticos relativos aos dados modelados e observados em um único ponto de um diagrama bidimensional. Assim, cada conjunto de dado corresponde a um ponto, de forma que quando menor a distância entre pontos, maior o grau de similaridade entre os dados. Desta forma, o resultado de modelo cujo ponto estiver mais próximo ao ponto correspondente à reanálise considerado o mais próximo dos dados observados (Taylor, 2001).

Os parâmetros considerados no diagrama de Taylor são o desvio padrão, correlação e erro quadrático médio. Optou-se por utilizar desvio padrão e erro quadrático médio normalizados, assim é possível que variáveis com unidades diferentes possam ser analisadas no mesmo diagrama (Taylor, 2001). O desvio padrão normalizado corresponde ao desvio padrão de uma variável do modelo dividido pelo desvio padrão da mesma variável da reanálise de referência. Os contornos anotados erro quadrático médio normalizado. Um modelo ideal produziria resultados no digrama de Taylor, teriam desvio padrão normalizado e correlação iguais a 1, com erro quadrático médio igual a 0.

Devido a diferença na resolução temporal dos diferentes modelos, o diagrama foi construído com dados dos anos de 1990 a 2000, que é o período comum entre todos os resultados de modelo selecionados e a reanálise SODA. O diagrama foi construído utilizando-se dados globais tanto dos resultados de modelos quanto da reanálise. Para o cálculo da correlação, no qual os conjuntos devem ter a mesma grade, os dados do SODA foram interpolados para a grade dos modelos, pois a resolução espacial da reanálise é maior que a dos modelos.

2.1.1 NCAR CSM v1.4

Este conjunto de dados consiste em resultados de uma rodada do National Center for Atmospheric Research Climate System Model (NCAR CSM—Modelo do Sistema Climático do Centro Nacional para Pesquisa Atmosférica dos Estados Unidos), versão 1.4. O NCAR CSM é um modelo global acoplado atmosfera-oceano-gelo marinho-terra sem ajuste de fluxos. Uma descrição mais detalhada, incluindo as forçantes utilizadas, é fornecida por Ammann et al. (2007). Foram utilizadas a temperatura a salinidade resultantes do modelo com resolução temporal anual, compreendendo o último milênio, e resolução espacial de 1,8° de latitude e 3,6° de longitude.

2.1.2 ECBilt-CLIO v3

É um conjunto de dados composto por resultados da componente oceânica do ECBilt-Coupled Large-scale Ice Ocean (ECBilt-CLIO—ECBilt com Gelo Oceânico em Larga-escala) versão 1.3 do Centrum voor Klimaatonderzoek (Centro para Pesquisas Climáticas da Holanda). O modelo possui componentes atmosférica e oceânica acopladas. A descrição detalhada deste modelo é dada por Haarsma et al. (1996) e a descrição da rodada utilizada neste trabalho é dada por Timm e Timmermann (2007). Os resultados utilizados do ECBilt-CLIO, salinidade e temperatura potencial, têm resolução espacial de 3° de latitude e longitude e resolução temporal decadal compreendendo os últimos 21 mil anos.

2.1.3 NCAR CCSM v4

Outro conjunto de dados comparado foi o Community Climate System Model version 4 (CCSM v4—Modelo do Sistema Climático da Comunidade). Esta é a versão mais atual do modelo climático do NCAR, cujos resultados ainda são inéditos. Um volume especial descrevendo o modelo e seus resultados para as diferentes regiões do globo foi submetido em maio de 2011. Como as outras versões, o modelo tem quatro componentes (oceano, atmosfera, biosfera e criosfera) interligadas através de um acoplador de fluxos. A resolução utilizada neste trabalho foi de 1° × 1° em 40 níveis de profundidade.

2.1.4 NCAR CCSM v3

O conjunto de dados utilizado para as análises dos últimos dez mil anos foi a versão paleoclimática do modelo NCAR CCSM v3. Este é um modelo acoplado oceano-atmosfera-gelo marinho-superfície terrestre sem ajuste de fluxos. Apresenta resolução de 3,6 graus de longitude, resolução variável (de 3,75 a 0,9 graus) para latitude e 25 níveis verticais. A componente atmosférica é do Community Atmospheric Model 3 (CAM3—Modelo Atmosférico da Comunidade), a componente oceânica é a implementação do NCAR para o Parallel Ocean Program (POP—Programa Paralelo dos Oceanos) e a componente de gelo marinho é o NCAR Community Sea Ice Model (CSIM—Modelo de Gelo Marinho da Comunidade). Os dados são decadais e estão disponíveis de 21000 anos AP (Antes do Presente) ao presente.

O aspecto inovador desse conjunto de dados é que são transientes, em outras palavras, a simulação com o modelo do NCAR é contínua desde o Último Máximo Glacial (entre 19000 e 20000 anos atrás) até o período pré-industrial. Variam durante a simulação a constante solar e a concentração de gases estufa na atmosfera. Os detalhes do modelo e da rodada são apresentados no material suplementar de Liu et al. (2009).

2.1.5 SODA

A reanálise SODA (Simple Ocean Data Assimilation—Assimilação Simples de Dados Oceânicos) é construída baseada no modelo MOM2 (Modular Ocean Model—Modelo Oceânico Modular) do Geophysical Fluid Dynamics Laboratory (Laboratório de Dinâmica de Fluídos Geofísicos). Os dados assimilados incluem perfis de temperatura e salinidade do World Ocean Database 2001 (Banco de Dados Oceânico Mundial 2001) e também hidrografia adicional, temperatura da superfície do mar e dados de altímetro (Carton e Giese, 2008). Desta reanálise foram utilizados dados de temperatura e salinidade, disponíveis para o período de 1958 a 2004. Esses dados são disponibilizados em resolução espacial de 0,25° × 0,25° em 40 níveis de profundidade.

2.2 Variabilidade da APAN nos últimos dez mil anos

Nas análises descritas nesta seção, foram utilizados os resultados do modelo CCSM 3, escolhido conforme descrito na seção anterior.

A APAN está associada ao máximo de salinidade em subsuperfície (Tomczak e Godfrey, 2003), por isso foram construídos diagramas TS (temperatura e salinidade) das médias pr milênio para que possa ter-se uma visão geral da variação de temperatura e salinidade no período em estudo. Em sequência, foram construídas séries temporais do máximo de salinidade em subsuperfície e a temperatura associada ao ponto onde ocorre esse máximo (ilustrado na Figura 5). Nessas séries foram analisados os seguintes parâmetros: média, desvio padrão e tendência. As análises foram feitas para cada um dos pontos mostrados na Figura 2.

Na sequência, foram realizadas análises espectrais para determinar frequências e amplitudes das diversas componentes responsáveis pela variabilidade das propriedades da massa d’água. As análises espectrais, descritas em Emery e Thomson (2001), foram a análise de Fourier e análise de ondaletas (wavelets). Ao término dessas análises, foram feitas análises de Funções Ortogonais Empíricas (EOF—Empirical Orthogonal Functions), também descritas em Emery e Thomson (2001), para toda a região do Atlântico Sul de forma a ter uma visão geral da variabilidade da massa d’água na área.

2.2.1 Análise de Fourier

A análise de Fourier separa a série temporal em componentes de diferentes frequências e identifica as componentes mais significativas. A separação é feita considerando-se um sinal que existe no domínio do tempo como sendo uma combinação de ondas senoidais cada uma com um período e amplitude característicos.

Considerando um registro discreto de um fenômeno durante o intervalo [0, T], tem-se a série temporal y(t). Esta série pode ser representada por uma soma de senos e cossenos:

\begin{equation} y(t)=\bar{y}(t)+\sum\limits_{p}\left[A_p \, \text{cos}(\omega_p \, t) + B_p \, \sin(\omega_p \, t)\right] \end{equation}

sendo:

• o valor médio do registro
• A_p e B_p são constantes (os coeficientes de Fourier);
ω_p são frequências múltiplas da frequência fundamental (ω₁ = 2π/T, em que T é o comprimento total da série).

Neste trabalho são apresentados os periodogramas das séries temporais, obtido a partir dos coeficientes de Fourier. Nesse tipo de diagrama, pode-se observar a contribuição de cada componente oscilatória para o sinal oceânico observado (Emery e Thomson, 2001).

Para a obtenção do intervalo de confiança da análise, foi utilizado o espectro vermelho de Markov (Gilman et al., 1963). Este espectro, recomendado por Emery e Thomson (2001) na análise de processos oceanográficos, possui densidade espectral decrescente com o aumento da frequência.

O pré-processamento para a análise de Fourier consistiu em subtrair a média e a tendência linear dos dados.

2.2.2 Análise de ondaletas

Assim como a análise de Fourier, a análise de ondaletas também identifica componentes, mas de forma local, adicionando a informação de suas importâncias ao longo do tempo. A análise decompõe a série temporal em um espaço de tempo e frequência simultaneamente, permitindo, obter informações sobre os modos dominantes e como estes variam com o tempo (Torrence e Compo, 1998). Ela consegue captar o comportamento local do sinal, enquanto a análise de senos e cossenos, que oscilam eternamente, conseguem captar apenas o comportamento global. Isso faz com que o espectro de ondaletas seja menos afetado por uma não estacionalidade de um intervalo pequeno de tempo do que o espectro de Fourier.

Neste trabalho, foi escolhida a ondaleta de Morlet (Figura 3). Esta ondaleta foi escolhida por ser não ortogonal e ter uma parte complexa, o que permite que sejam obtidas a amplitude e fase das oscilações (Torrence e Compo, 1998). A ondaleta de Morlet pode ser escrita como:

\begin{equation} \varphi_0(\eta)=e^{i\omega_0\eta}e^{-\eta^2/2} \end{equation}

Onde:

• o primeiro termo representa a onda senoidal;
• ω₀ é a frequência adimensional;
• o segundo termo é a envoltória gaussiana de amplitude unitária;
• η é o parâmetro de tempo não dimensional.

Figura 3: Ondaleta de morlet com componentes real (linha sólida) e imaginária (linha tracejada).

A análise foi realizada utilizando software elaborado por Torrence e Compo (1998). Assim como na análise de Fourier, foi utilizado o espectro vermelho para a obtenção do intervalo de confiança. O pré-processamento para esta análise consistiu em subtrair a média e a tendência linear dos dados.

2.2.3 Funções ortogonais empíricas

O método de Funções Ortogonais Empíricas (EOF—Empirical Orthogonal Functions), também conhecido como Análise de Componentes Principais, é utilizado para encontrar padrões espaciais de variabilidade, as respectivas variações ao longo do tempo e a importância de cada padrão (Björnsson e Venegas, 1997).

Supondo medidas de uma variável, onde a média foi tirada da série, x₁,…,x_p, nos tempos t₁,…,t_n, dispostas numa matriz F, de forma que cada coluna tenha média zero. Para cada tempo t_j (j = 1,…,n), associa-se medidas x_i (i = 1,…,p) como um campo.

Para iniciar o cálculo da EOF, primeiro calcula-se a matriz de covariância de F:

\begin{equation} R=F^{t}F \end{equation}

E posteriormente, resolve-se o problema dos autovalores:

\begin{equation} RC=C\Lambda \end{equation}

Onde:

• Λ é a matriz diagonal contendo os autovalores λ_i de R;
• o vetor coluna c_i de C são os autovetores de R correspondentes aos autovalores λ_i;
• Λ e C têm dimensões p × p.

Para cada autovalor λ_i tem-se o correspondente autovetor c_i, denominado EOF. A primeira EOF é o autovetor associado com o maior autovalor, o segundo está associado ao segundo autovalor, e assim sequencialmente, de maneira que os menores autovalores são tidos como ruídos. Cada autovalor λ_i dá uma medida da fração da variância total em R explicada pelo modo. Essa fração é obtida dividindo-se o λi pela soma de todos os outros autovalores.

A matriz de autovalores C é uma matriz identidade. Isso significa que as EOFs não são correlacionadas sobre o espaço entre si, ou seja, os autovetores são ortogonais entre si. O padrão espacial obtido da EOF representa uma estrutura estacionária. A evolução no tempo de uma EOF mostra como esse padrão oscila no tempo e pode ser calculado por:

\begin{equation} \vec{a}_k=F\vec{c}_k \end{equation}

Onde:

• k indica o modo da EOF, por exemplo, k = 1 para a primeira EOF;

Os n componentes do vetor são denominados coeficientes de expansão. Como as EOFs são ortogonais no espaço, os coeficientes de expansão não são correlacionados no tempo, isto é, as séries temporais também são ortogonais no tempo.

Pode-se reconstruir os dados a partir das EOFs e dos coeficientes de expansão:

\begin{equation} F=\sum\limits^{p}_{j=1}\vec{a}_j(EOF_j) \end{equation}

Os autovalores com suas componentes EOF e os coeficientes de expansão constituem o modo de variabilidade da série.

3 Resultados e discussão

3.1 Comparação de modelos para o presente

Para a comparação, foram utilizados dados globais em médias no tempo para a década de 90. Como pode ser visto no diagrama de Taylor, mostrado na Figura 4, os resultados da temperatura dos quatro modelos comparados encontram-se próximos à referência, com correlações maiores que 0,95 e desvios padrão normalizados próximos a um.

Figura 4: Diagrama de Taylor comparando os resultados dos modelos ECBilt-CLIO (E), NCAR CSM v1.4 (N), CCSM4 (C) e CCSM3 (T) à reanálise SODA (Ref.). Os resultados são apresentados separadamente para temperatura (Tem) e salinidade (Sal). O desvio padrão normalizado corresponde ao desvio padrão de uma variável do modelo dividido pelo desvio padrão da mesma variável da reanálise de referência (SODA). Os contornos anotados correspondem ao erro quadrático médio normalizado. A normalização do desvio padrão e do erro quadrático médio permite que variáveis com unidades diferentes possam ser analisadas no mesmo diagrama (Taylor, 2001). Para a construção do diagrama, foram utilizados dados globais em médias no tempo para a década de 90.

Entretanto, os resultados de salinidade encontram-se distantes da reanálise, sendo que o ECBilt-CLIO e o NCAR CSM v1.4 apresentam correlações menores que 0,60. Para a salinidade, o modelo CCSM4 apresentou os melhores resultados. É importante notar que a salinidade da superfície é relaxada para valores observados. Em profundidade, não há restrições. Considerando que os resultados disponíveis do CCSM4 não têm a resolução temporal longa o suficiente, optou-se por excluí-los das análises seguintes deste trabalho.

O conjunto de dados escolhido para as demais análises foi o dos resultados do CCSM 3, que, depois do CCSM4, apresenta a melhor correlação com a reanálise SODA. O modelo ECBilt-CLIO, que apresentou um desvio padrão normalizado mais próximo de 1 comparado com o CCSM3, não foi escolhido, pois as análises espectrais seguintes são influenciadas principalmente pelo período da variabilidade. Assim, optou-se por utilizar um modelo que tenha maior correlação com a referência no espaço de fase, ou seja, representa melhor período e frequência do que um modelo com desvio padrão mais semelhante à reanálise, que representa melhor a amplitude da variabilidade.

Uma explicação possível para a grande diferença entre os resultados de salinidade entre os modelos é o fato de existirem relativamente poucas observações de salinidade (principalmente em profundidade altas) e não existirem proxies geoquímicos independentes para salinidade, sendo utilizados métodos indiretos (Henderson, 2002), dificultando a obtenção de dados consistentes. Mesmo no presente, medidas de salinidade existem em menor número que medidas de temperatura (Carton e Giese, 2008).

3.2 Variabilidade da APAN nos últimos dez mil anos

A variabilidade da APAN foi analisada através de suas características de temperatura e salinidade (T,S). A Figura 5 apresenta os diagramas TS das médias por milênio para os dois pontos selecionados para o estudo. Neste diagrama estão os dados de 20000 anos AP (antes do presente) ao presente. Entretanto, as análises a seguir serão baseadas apenas nos dados de 10000 anos AP ao presente.

Figura 5: Diagramas TS mostrando a evolução temporal dos resultados do modelo CCSM 3 para os pontos estudados (Figura 2). Cada linha representa a média de um milênio. Os contornos são linhas de densidade em kg/m³. Com finalidade ilustrativa, as setas indicam o máximo de salinidade em subsuperfície no presente. As cores representam Anos Antes do Presente (Anos AP).

As médias, desvios padrão e tendências das séries temporais encontram-se nas Tabelas 1 e 2 para temperatura e salinidade respectivamente. Nestas tabelas, vê-se que a média da salinidade da APAN encontrada está de acordo com o esperado, maiores que 34,9 segundo Tomczak e Godfrey (2003).

Tabela 1: Média, desvio padrão e tendência da temperatura da APAN nos pontos estudados.

Ponto	Média [°C]	Desvio padrão [°C]	Tendência [°C/década]
15°S 30°W	4,63	0,12	+1,6488×10−5
30°S 45°W	3,70	0,23	+6,1884×10−5

Tabela 2: Média, desvio padrão e tendência da salinidade da APAN nos pontos estudados.

Ponto	Média [°C]	Desvio padrão [°C]	Tendência [°C/década]
15°S 30°W	35,63	0,07×10−2	−1,9368×10−5
30°S 45°W	35,57	0,06×10−2	−1,5190×10−5

As séries temporais, periodogramas e análise de ondaletas obtidos encontram-se nas Figuras 6 a 9 para os pontos estudados, mostrados na Figura 2. Os resultados para temperatura associada a APAN encontra-se nas Figuras 6 e 8, enquanto as Figuras 7 e 9 apresentam os resultados para salinidade.

Nas séries temporais de temperatura (Figuras 6a e 8a), observa-se o mínimo na temperatura da APAN entre 8500 e 8000 anos AP. Este mínimo corresponde ao esfriamento observado por Alley et al. (1997) na área de formação da APAN. Ellison et al. (2006) mostram que houve uma diminuição da salinidade ao redor da Groenlândia associada ao evento climático em 8200 anos AP. Assim, pode-se explicar a redução observada na salinidade associada a APAN (Figurass 7a e 9a) no mesmo período.

A análise de Fourier (Figuras 6b, 7b, 8b e 9b) revela que, para temperatura associada à APAN, são significativos períodos entre 20 e 50 anos e também períodos entre 1000 e 1500 nos dois pontos estudados. Para a salinidade, os períodos significativos nos dois pontos estão entre 1429 e 2000 anos, sendo que no ponto 30°S 45°W também ocorrem períodos significativos entre 27 e 55 anos. A Tabela 3 apresenta em detalhes os períodos significativos obtidos na análise de Fourier para os pontos 15°S 30°W e 30°S 45°W.

Tabela 3: Períodos significativos na análise de Fourier dos pontos estudados.

Ponto	Períodos na temperatura [anos]	Períodos na salinidade [anos]
15°S 30°W	20, 21, 23, 25, 26, 29, 38, 49, 625, 1111, 1250, 1429, 1667, 2000	1429, 1667, 2000
30°S 45°W	21, 24, 25, 26, 27, 28, 29, 30, 31, 32, 37, 38, 40, 55, 56, 1429	27, 29, 30, 31, 32, 33, 38, 40, 44, 55, 1429, 1667, 2000

Os períodos significativos entre 1000 e 1500 anos são condizentes com variações da ordem de milênios obtidas por Piotrowski et al. (2004) e com ciclos climáticos no Atlântico Norte com períodos de 1470±532 anos obtidos por Bond et al. (1997). Segundo Bond et al. (2001), esses ciclos podem ter relação com variações na irradiância solar. Os efeitos dos ciclos já foram encontrados no Hemisfério Sul por Mahiques et al. (2009) em registros sedimentares.

De forma geral, a análise de ondaletas reproduziu, como esperado, os resultados obtidos com a análise de Fourier. É importante ressaltar que há diferenças nos gráficos que apresentam a análise de Fourier (Figuras 6b, 7b, 8b e 9b) e os que apresentam o espectro de potência global (Figuras 6d, 7d, 8d e 9d), pois há diferença nas escalas dos eixos: Fourier em escala linear e EOF em escala logarítmica de base 2.

A análise EOF encontra-se nas Figuras 10 e 11, para salinidade e temperatura respectivamente. Na primeira EOF da salinidade (Figura 10), observa-se que, neste conjunto de dados, não há variabilidade espacial significativa de salinidade, é visto apenas a diminuição contínua desta variável. Para a temperatura, a primeira EOF mostra o efeito da proximidade da costa e da cordilheira meso-oceânica. A variável apresenta um aumento contínuo até cerca de 1000 anos AP, seguido por redução até o presente. Tanto para salinidade quanto para temperatura, a segunda e terceira EOF podem ser consideradas ruído (representam menos de 10% da variabilidade).

Figura 6: Análises realizadas no ponto 15°S 30°W com dados da temperatura na profundidade da APAN. (a) Temperatura da APAN. (b) Resultado da análise de Fourier. A linha tracejada indica o intervalo de confiança de 95%. (c) Espectro de potência. O contorno preto indica o nível de significância de 10% usando o espectro vermelho como referência. A porção sombreada indica o cone de influência. (d) Energia total do espectro de potência (linha preta contínua). A linha vermelha pontilhada indica a significância da mesma forma que (b).

Figura 7: Análises realizadas no ponto 15°S 30°W com dados da salinidade na profundidade da APAN. (a) Salinidade da APAN. (b) Resultado da análise de Fourier. A linha tracejada indica o intervalo de confiança de 95%. (c) Espectro de potência. Não foram encontrados períodos dentro do intervalo de confiança de 90%. A porção sombreada indica o cone de influência. (d) Energia total do espectro de potência (linha preta contínua).

Figura 8: Análises realizadas no ponto 30°S 45°W com dados da temperatura na profundidade da APAN. (a) Temperatura da APAN. (b) Resultado da análise de Fourier. A linha tracejada indica o intervalo de confiança de 95%. (c) Espectro de potência. O contorno preto indica o nível de significância de 10% usando o espectro vermelho como referência. A porção sombreada indica o cone de influência. (d) Energia total do espectro de potência (linha preta contínua). A linha vermelha pontilhada indica a significância da mesma forma que (b).

Figura 9: Análises realizadas no ponto 30°S 45°W com dados da salinidade na profundidade da APAN. (a) Salinidade da APAN. (b) Resultado da análise de Fourier. A linha tracejada indica o intervalo de confiança de 95%. (c) Espectro de potência. O contorno preto indica o nível de significância de 10% usando o espectro vermelho como referência. A porção sombreada indica o cone de influência. (d) Energia total do espectro de potência (linha preta contínua). A linha vermelha pontilhada indica a significância da mesma forma que (b).

Figura 10: 1ª e 2ª EOF da salinidade, representam 86,4% e 7,7% da variabilidade da série temporal respectivamente.

Figura 11: 1ª e 2ª EOF da temperatura, representam 99,9% e 0,1% da variabilidade da série temporal respectivamente.

4 Conclusões

Apesar de autores como Ivanova et al. (2008) considerarem a representação da formação da APAN como um desafio para modelos climáticos, os resultados do modelo CCSM 3 representaram corretamente a massa d’àgua e a influência de eventos climáticos associados a sua área de formação nas proximidades da Groenlândia.

Os ciclos de variabilidade da massa d’àgua encontrados correspondem aos os períodos encontrados por diversos autores em registros sedimentares e cores de gelo (Bond et al., 1997; Piotrowski et al., 2004; Mahiques et al., 2009). Neste trabalho, os ciclos foram encontrados nos resultados de modelo.

Segundo Ellison et al. (2006), o clima do período interglacial atual permaneceu estável, ocorrendo apenas o evento frio em 8200 anos AP na região da Groenlândia. Foi encontrada influência deste evento no Atlântico Sul. Não foi encontrada influência de outros eventos significativos.

A análise de EOF não mostrou padrões de variabilidade espacial.

Referências

Alley, R. B.; Mayewski, P. A.; Sowers, T.; Stuiver, M.; Taylor, K. C.; Clark, P. U., 1997, Holocene climatic instability: A prominent, widespread event 8200 yr ago. Geology, 25 (6): 483–486.

Ammann, C. M.; Joos, F.; Schimel, D. S.; Otto-Bliesner, B. L.; Tomas, R. A., 2007, Solar influence on climate during the past millennium: Results from transient simulations with the NCAR Climate System Model. P. Natl. Acad. Sci. USA, 104 (10): 3713–3718.

Björnsson, H.; Venegas, S. A., 1997, A Manual for EOF and SVD Analyses of Climatic Data. Tech. Rep. 97-1, Centre for Climate and Global Change Research.

Blanke, B.; Speich, S.; Madec, G.; Maugé, R., 2002, A global diagnostic of interior ocean ventilation. Geophys. Res. Lett., 29 (8): 1267–1271.

Bond, G.; Kromer, B.; Beer, J.; Muscheler, R.; Evans, M. N.; Showers, W.; Hoffmann, S.; Lotti-Bon, R.; Hajdas, I.; Bonani, G., 2001, Persistent solar influence on North Atlantic climate during the holocene. Science, 294: 2130–2136.

Bond, G.; Showers, W.; Cheseby, M.; Lotti, R.; Almasi, P.; deMenocal, P.; Priore, P.; Cullen, H.; Hajdas, I.; Bonani, G., 1997, A Pervasive Millennial-Scale Cycle in North Atlantic Holocene and Glacial Climates. Science, 278 (5341): 1257–1266.

Broecker, W. S., 1991, The great ocean conveyor. Oceanography, 4 (2): 79–89.

Carton, J. A.; Giese, B. S., 2008, A Reanalysis of Ocean Climate Using Simple Ocean Data Assimilation (SODA). Mon. Weather Rev., 136: 2999–3017.

Clark, P. U.; Pisias, N. G.; Stocker, T. F.; Weaver, A. J., 2002, The role of the thermohaline circulation in abrupt climate change. Nature, 415: 863–869.

Crowley, T. J., 1992, North Atlantic Deep Water cools the southern hemisphere. Paleoceanography, 7 (4): 489–497.

Dickson, R. R.; Brown, J., 1994, The production of North Atlantic Deep Water: Sources, rates, and pathways. J. Geophys. Res., 99 (C6): 12319–12341.

Ellison, C. R. W.; Chapman, M. R.; Hall, I. R., 2006, Surface and Deep Ocean Interactions During the Cold Climate Event 8200 Years Ago. Science, 312 (5782): 1929–1932.

Emery, W. J.; Thomson, R. E., 2001, Data Analysis Methods in Physical Oceanography. Amsterdan: Elsevier, 2 ed., 638 pp.

Gilman, D. L.; Fuglister, F. J.; Mitchell, J. M., 1963, On the Power Spectrum of “Red Noise”. J. Atmos. Sci., 20: 182–184.

Haarsma, R. J.; Selten, F. M.; Opsteegh, J. D.; Lenderink, G.; Liu, Q., 1996, ECBilt: a coupled atmosphere ocean sea-ice model for climate predictability studies. Tech. Rep. TR-195, KNMI, De Bilt, Holanda.

Henderson, G. M., 2002, New oceanic proxies for paleoclimate. Earth and Planetary Science Letters, 203 (1): 1–13.

Hogg, N. G.; Siedler, G.; Zenk, W., 1999, Circulation and Variability at the Southern Boundary of the Brazil Basin. J. Phys. Oceanogr., 29: 145–157.

Huhn, O.; Roethera, W.; Steinfeldt, R., 2008, Age spectra in North Atlantic Deep Water along the South American continental slope, 10°N–30°S, based on tracer observations. Deep-Sea Res. Pt I, 55 (10): 1252–1276.

Ivanova, D. P.; McClean, J.; Bryan, F., 2008, North Atlantic Deep Water formation as depicted by coupled climate models: biases and variability.

Kasten, S.; Glasby, G. P.; Schulz, H. D.; Friedrich, G.; Andreev, S. I., 1998, Rare earth elements in manganese nodules from the South Atlantic Ocean as indicators of oceanic bottom water flow. Mar. Geol., 146 (1-4): 33–52.

Krueger, S.; Leuschner, D.; Ehrmann, W.; Schmiedl, G.; Mackensen, A.; Diekmann, B., 2008, Ocean circulation patterns and dust supply into the South Atlantic during the last glacial cycle revealed by statistical analysis of kaolinite/chlorite ratios. Mar. Geol., 253 (3-4): 82–91.

Liu, Z.; Otto-Bliesner, B. L.; He, F.; Brady, E. C.; Tomas, R.; Clark, P. U.; Carlson, A. E.; Lynch-Stieglitz, J.; Curry, W.; Brook, E.; Erickson, D.; Jacob, R.; Kutzbach, J.; Cheng, J., 2009, Deglaciation with a New Mechanism for Bølling-Allerød Warming. Science, 325: 310–314.

Mahiques, M. M.; Wainer, I. K. C.; Burone, L.; Nagai, R.; de Mello e Sousa, S. H.; Figueira, R. C. L.; da Silveira, I. C. A.; Bícego, M. C.; Alves, D. P. V.; Øyvind Hammerb, 2009, A high-resolution Holocene record on the Southern Brazilian shelf: Paleoenvironmental implications. Quaternary International, 206: 52–61.

Ninnemann, U. S.; Charles, C. D.; Hodell, D. A., 1999, Origin of global millennial scale climate events: Constraints from the Southern Ocean deep sea sedimentary record. In Peter U. Clark, Robert S. Webb, L. D. K. (ed.), Mechanisms of global climate change at millennial time scales, pp. 99–112, Washington: American Geophysical Union.

Piotrowski, A. M.; Goldstein, S. L.; Hemming, S. R.; Fairbanks, R. G., 2004, Intensification and variability of ocean thermohaline circulation through the last deglaciation. Earth Planet. Sci. Lett., 225 (1-2): 205–220.

Rahmstorf, S., 2002, Ocean circulation and climate during the past 120,000 years. Nature, 419: 207–214.

Sarafanov, A.; Sokov, A.; Demidov, A., 2007, Water mass characteristics in the equatorial North Atlantic: A section nominally along 6.5°N, July 2000. J. Geophys. Res., 112.

Smethie, W. M.; Fine, R. A.; Putzka, A.; Jones, E. P., 2000, Tracing the flow of North Atlantic deep water using chlorfluorocarbons. J. Geophys. Res., 105: 14297–14324.

Steinfeldt, R.; Rhein, M.; Walter, M., 2007, NADW transformation at the western boundary between 66°W/20°N and 60°W/10°N. Deep-Sea Res. Pt. I, 54 (6): 835–855. Taylor, K. E., 2001, Summarizing multiple aspects of model performance in a single diagram. J. Geophys. Res., 106 (D7): 7183–7192.

Timm, O.; Timmermann, A., 2007, Simulation of the Last 21000 Years Using Accelerated Transient Boundary Conditions. J. Climate, 20: 4377–4401.

Tomczak, M.; Godfrey, J. S., 2003, Regional Oceanography. Londres: Butler & Tanner, 2 ed., 390 pp.

Torrence, C.; Compo, G. P., 1998, A Practical Guide to Wavelet Analysis. Bull. Amer. Meteor. Soc., 79: 61–78.