Variabilidade da temperatura da superfície do mar na plataforma interna do Paraná : intercomparação de dados remotos e in-situ

Abstract

Resumo: Este estudo compara dados de temperatura da superfície do mar (TSM) in-situ, de satélite (MODIS Terra e Aqua diurnos e noturnos) e de reanálise (OSTIA) da região da plataforma interna do Paraná em escala diária. O coeficiente de determinação (R²) para o satélite Aqua foi 0,96°C e 0,87°C, para o Terra foi 0,94°C e 0,65°C (diurnos e noturnos, respectivamente) e de 0,82°C para a reanálise. Apesar da boa concordância, os dados MODIS apresentam muitas lacunas por conta da alta cobertura de nuvens na região. Assim, as feições dominantes de variabilidade da TSM foram caracterizadas com base nos 34 anos (1985-2018) de dados de reanálise. Há tendência de aumento de 0,02°C.ano-1, cerca do dobro da taxa de aquecimento do oceano global (0,011°C.ano-1). A partir de Funções Ortogonais Empíricas foi possível identificar que a variabilidade não cíclica é dominada por fenômenos de escala local, principalmente a ação do vento associada a eventos de alta energia, com periodicidade em torno de 8 dias. Além disso, a atuação da Corrente do Brasil durante o verão e da Corrente Costeira do Brasil durante o inverno, também influencia os padrões de TSM. Este estudo evidencia a complexidade de interação entre as forçantes que alteram a TSM em diferentes escalas espaço- temporais, enfatizando a importância da análise conjunta de dados remotos e in-situ a fim de preencher lacunas e garantir séries temporais confiáveis e de alta resolução.

Abstract: This study compares in-situ, satellite (MODIS Terra and Aqua daytime and nighttime) and reanalyzed (Reynolds SST) sea surface temperature (SST) data of the inner shelf of Paraná at daily scales. The coefficient of determination (R²) was 0.96 and 0.87 for Aqua satellite, 0.94 and 0.65 for Terra (daytime and nighttime, respectively) and 0.92 for OSTIA. Although there is a good agreement of MODIS retrievals, the high cloud coverage of the area results in gaps along the time series. Thus, dominant features of the SST variability patterns were characterized based on 34 years (1984-2018) of OSTIA. The warming trend is 0.02°C.year-1, about double of global ocean warming rates (0.011°C.year-1). Empirical Orthogonal Functions analysis showed that non-cyclic variability is dominated by local-scale phenomena, particularly wind action associated to high energy events with periodicity of about 8 days. Besides, the influence of the Brazil Current during summer and the Brazil Counter Current during winter also affect SST patterns. This study shows the complex interaction between parameters controlling SST in different spatiotemporal scales and highlights the importance of comparing remote and in-situ data to fill gaps and provide reliable high-resolution time series.