Projetado em código aberto, o modelo tem capacidade de detectar alterações que modelos anteriores não conseguiam prever.

No contexto de um mundo que passa por uma mudança do Clima, é importante ter métodos que consigam medir e prever essas alterações, em especial aquelas que afetam diretamente a produção agrícola. No Brasil, as áreas mais afetadas pelo aumento da frequência de secas abrigam grandes áreas destinadas a atividades agrícolas e de pecuária. O aumento da seca na primavera, período crítico para o desenvolvimento inicial das culturas e para o florescimento, pode prejudicar a germinação, reduzir o vigor das plantas e afetar o potencial de rendimento. Em busca de soluções, uma equipe de pesquisadores desenvolveu uma ferramenta de código aberto chamada SPEIChanges, que mede, em termos de probabilidade, como mudanças no clima alteram a frequência de secas. A ferramenta foi apresentada na revista Environmental Modelling and Software, em outubro de 2026.

A proposta central da SPEIChanges é avaliar a relação entre a quantidade de água que chega à superfície na forma de chuva (a precipitação) e a perda de água para a atmosfera pela evaporação do solo e pela transpiração das plantas (a demanda evaporativa). O método verifica como essa relação muda ao longo do tempo e, com isso, pode avaliar o estresse hídrico de forma mais ampla e representar melhor os impactos reais da seca.

“Quando analisamos a seca, temos um problema em quantificar como esse fenômeno está mudando. O nosso objetivo foi avaliar como ajustar os modelos existentes para que eles refletissem essas mudanças”, explica Letícia Lopes Martins, pesquisadora da Embrapa Agricultura Digital e do Semear Digital. O ponto de partida foi uma limitação identificada pelos autores nos índices de seca mais utilizados até o momento. O Índice Padronizado de Precipitação (SPI), criado em 1993, usa exclusivamente a precipitação. Já o Índice Padronizado de Precipitação e Evapotranspiração (SPEI) usa precipitação e demanda evaporativa mas, assim como o SPI, foi criado para um clima considerado estável, com propriedades estatísticas que não mudam com o tempo. “Isso gera um problema, já que esses modelos não quantificam as mudanças de clima, e nós queremos avaliar o quanto o clima mudou no passado e o quanto vai mudar no futuro”, avalia a pesquisadora.

Um dos modelos que levam em conta essas mudanças foi criado em 2022 a partir do SPI mas, segundo os autores, “embora seja um método robusto para detectar e quantificar mudanças na frequência de secas, eles também mostram que ele herda as limitações fundamentais do algoritmo SPI, que se baseia exclusivamente na precipitação para avaliar eventos de seca”. A proposta apresentada pelos autores foi, então, estender a estrutura desse novo modelo com duas inovações metodológicas. A primeira é que o modelo deve ser capaz de capturar como a alteração do balanço entre precipitação e demanda evaporativa altera a probabilidade de seca. E a segunda inovação busca compreender quais mudanças estatísticas estão por trás dessa alteração de probabilidade de seca, o que ajuda a entender de forma mais completa como as mudanças climáticas afetam a seca. “Com isso, juntamos as abordagens que consideram um clima que não muda e as que consideram as mudanças para conseguir analisar as alterações na frequência de seca”, explica Letícia Martins.

O estudo usou quatro conjuntos de dados para avaliar o método SPEIChanges sob condições climáticas históricas e futuras contrastantes em todo o mundo: a série histórica de Oxford, no Reino Unido, de 1827 a 2020; 11 localidades com diferentes tipos de clima, de 1901 a 2024; dados em grade de todo o Brasil, de 1980 a 2025; e projeções para o Brasil de 2030 a 2100 sob o cenário de altas emissões de carbono na atmosfera.

Em um primeiro momento, o SPEIChanges precisa escolher qual padrão descreve melhor a série de dados. São quatro opções: nada muda com o tempo; só o valor médio do clima muda; há muita variação no clima mas o valor médio se mantém; ou os dois mudam juntos. O programa testa as quatro opções e fica com a que melhor se ajusta. Para calibrar o modelo, os pesquisadores utilizaram dados históricos e simulados nos quais sabiam, de antemão, qual era o padrão correto, o que permitiu demonstrar o sucesso do método. O experimento também mostrou que, quando apenas a média do clima varia, o poder do SPEIChanges é comparável ao de testes já consagrados, “já quando a variabilidade climática aumenta, o nosso modelo conseguiu caracterizar melhor as mudanças na frequência de secas”, afirmam os autores.

Por exemplo, nas análises de dados do Brasil, o SPEIChanges indicou áreas maiores com aumento da frequência de secas na comparação com modelos anteriores, tanto no período histórico quanto nas projeções. Para secas severas, entre 1980 e 2025, as mudanças ocorreram em 75,1% do território na primavera, 61,2% no verão, 54,3% no outono e 65,1% no inverno. Nas projeções para 2030–2100, o modelo projetou aumento da frequência de secas severas em 37% do Brasil no verão, 28% no outono, 89% no inverno e 92% na primavera.

O estudo avaliou o desempenho comparativo e a consistência interna do modelo em relação a modelos anteriores, além de demonstrar forte consistência climatológica entre os resultados do SPEIChanges e as mudanças observadas e projetadas na frequência de secas. “Embora o nosso modelo seja melhor que os anteriores, nós ainda não conseguimos ter uma boa quantificação da seca que vai acontecer nos rios e nas áreas agrícolas. Para isso, ainda precisamos incorporar outros indicadores, como a vazão de rios e a umidade do solo, por exemplo, que são índices principais para avaliar o impacto da seca na vegetação e na parte hídrica”, conclui Letícia Martins.

A ferramenta foi disponibilizada para download como pacote experimental em R no GitHub.

Érica Speglich (MTb 0100674/SP) – Projeto Semear Digital

Graziella Galinari (MTb 3863/PR) – Embrapa Agricultura Digital

Contatos para a imprensa: agricultura-digital.imprensa@embrapa.br