Transporte de Água Doce através de 34.5S: Variabilidade, Forçantes e Implicações

• Processo: 25/05519-1
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de junho de 2025
• Data de Término da vigência: 31 de maio de 2027
• Área de conhecimento: Ciências Exatas e da Terra - Oceanografia - Oceanografia Física
• Pesquisador responsável: Edmo José Dias Campos
• Beneficiário: Emmanuel Kobozina Magnangou
• Instituição Sede: Instituto Oceanográfico (IO). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 24/09961-8 - Variabilidade dos Transportes pelas Águas Profundas no Atlântico Sul, AP.R
• Assunto(s): Atlântico Sul Oceanografia dinâmica
• Palavra(s)-Chave do Pesquisador: Amoc | Atlantico Sul | Transporte de Água Doce | variabilidade interanual | Oceanografia Dinâmica

Resumo

O transporte meridional de água doce através do Atlântico Sul desempenha papel fundamental na regulação do clima global. Estudos recentes sugerem que uma tendência negativa significativa no transporte de água doce através da latitude 34.5S, conhecida como linha SAMBA, pode atuar como um sinal de alerta prévio de que a Circulação de Revolvimento Meridional do Atlântico, referida na literatura como AMOC (do inglês Atlantic Meridional Overturning Circulation), está caminhando para um ponto de não retorno, potencialmente levando ao seu colapso, com profundas consequências climáticas globais. A linha SAMBA (South Atlantic MOC Basin-wide Array) fornece dados observacionais contínuos, essenciais para o monitoramento da variabilidade dos transportes de calor e água doce nessa região. Este estudo tem como objetivo quantificar a variabilidade sazonal e interanual do transporte meridional de água doce (MOV) ao longo da linha SAMBA; investigar seus principais fatores de controle - incluindo mudanças no forçamento atmosférico e na circulação oceânica - e avaliar suas implicações mais amplas para o balanço de água doce no Atlântico Sul. A análise integrará técnicas padrão de análise de dados com métodos de aprendizado de máquina para aprimorar a detecção e a caracterização da variabilidade do MOV. Com base em observações in situ, produtos de reanálise e simulações de modelos numéricos, esta pesquisa oferecerá uma avaliação abrangente da variabilidade e das tendências do MOV e de seu papel potencial na modulação do clima regional e global.