Resumo em Espanhol:

Resumen El valle del Chumbao (Apurímac, Perú) enfrenta una creciente presión socioambiental por el crecimiento poblacional, la expansión urbana y el cambio climático. Esta investigación analizó la dinámica demográfica, la disponibilidad y gestión del agua, los cambios en la cobertura de suelos agrícolas y las tendencias climáticas en la microcuenca del río Chumbao. Se aplicó un enfoque mixto con datos del INEI, registros de la ANA, imágenes satelitales Landsat 8 OLI/TIRS (NDVI) y datos climáticos de CHELSA v2.1 (1979-2019), validados con registros del SENAMHI. Entre 1940 y 2017, la población de Apurímac creció a una tasa anual de 0,56%, consolidando una fuerte expansión urbana en el valle. Se han identificado 23 lagunas en la parte alta del valle y 52 entidades administradoras de agua en todo el valle. En 2021, el área agrícola cubría solo el 26% del valle, mientras que la superficie urbana alcanzaba el 55%. Las tendencias climáticas muestran aumentos de +0,7 °C/década (temperatura máxima), +0,4 °C/década (temperatura mínima) para junio y +14,4 mm/década (precipitación) en febrero. La interacción entre presión demográfica, estrés hídrico, pérdida de tierras agrícolas y variabilidad climática configura un escenario de alta sensibilidad que exige estrategias integradas de adaptación.

Resumo em Inglês:

Abstract The Chumbao Valley (Apurímac, Peru) is experiencing increasing socio-environmental pressure driven by population growth, urban expansion, and climate change. This study analyzed demographic dynamics, water availability and management, changes in agricultural land cover, and climate trends in the Chumbao River micro-basin. A mixed-methods approach was applied using data from the National Institute of Statistics and Informatics (INEI), records from the National Water Authority (ANA), Landsat 8 OLI/TIRS satellite imagery (NDVI), and CHELSA v2.1 climate data (1979-2019), validated with SENAMHI records. Between 1940 and 2017, the population of Apurímac grew at an annual rate of 0.56%, reinforcing intense urban expansion in the valley. A total of 23 high-altitude lakes and 52 water-management entities were identified across the valley. In 2021, agricultural land covered only 26% of the valley, whereas urban areas reached 55%. Climate trends indicate increases of +0.7 °C/decade in maximum temperature, +0.4 °C/decade in minimum temperature for June, and +14.4 mm/decade in February precipitation. The interaction between demographic pressure, water stress, loss of agricultural land, and climate variability shapes a highly sensitive scenario that requires integrated adaptation strategies.

Resumo em Português:

Resumo A intensificação da demanda hídrica decorrente do crescimento populacional e econômico exige a adoção de ferramentas eficazes para gestão dos recursos hídricos. A previsão de vazões, por meio da modelagem hidrológica, é essencial para subsidiar a alocação racional da água e mitigar impactos em múltiplos setores. Modelos determinísticos exigem grande volume de dados e conhecimento detalhado da bacia. Em contrapartida, modelos estocásticos como SARIMA e técnicas de aprendizado de máquina, como Redes Neurais Artificiais (RNA), oferecem alternativas viáveis, diante da escassez de dados. Assim, este estudo avaliou o desempenho preditivo dos modelos SARIMA e Multi-Layer Perceptron (MLP), aplicados às séries temporais de vazão média mensal, na Bacia Hidrográfica do Rio Itiquira, que pertence à Bacia do Rio Paraguai, conhecida por abrigar o Pantanal. A MLP apresentou desempenho superior no período de teste, com RMSE de 7,95 m3/s, NSE de 0,841, KGE de 0,906 e PBIAS de 4,05% para um horizonte de 9 meses, enquanto o SARIMA obteve RMSE de 11,291 m3/s, NSE de 0,679, KGE de 0,770 e PBIAS de 19,60%. Os resultados evidenciam a elevada capacidade da MLP em modelar padrões sazonais, reforçando seu potencial como ferramenta de suporte à gestão hidrológica em regiões com dados limitados.

Resumo em Inglês:

Abstract The intensification of water demand driven by population and economic growth requires the adoption of effective tools for water resources management. Streamflow forecasting is essential to support the rational allocation of water and to mitigate impacts across multiple sectors. The Upper Paraguay Basin, which encompasses the Pantanal, one of the largest continuous wetlands on the planet, stands out for its hydrological significance. However, deterministic models demand large data volumes and detailed knowledge of the basin. In contrast, stochastic models such as SARIMA and machine learning techniques, including Artificial Neural Networks (ANN), provide viable alternatives, particularly in data-scarce contexts. In this sense, this study evaluated the predictive performance of SARIMA and the Multi-Layer Perceptron (MLP) architecture applied to monthly mean streamflow time series, in Itiquira River Basin. The MLP model demonstrated superior performance during the testing period, achieving an RMSE of 7.95 m3/s, NSE of 0.841, KGE of 0.906, and PBIAS of 4.05% for a 9-month forecasting horizon, whereas the SARIMA model yielded an RMSE of 11.291 m3/s, NSE of 0.679, KGE of 0.770, and PBIAS of 19.60%. The results highlight the strong capability of the MLP to capture seasonal patterns, reinforcing its potential as a decision-support tool for hydrological management in regions with limited data availability.

Resumo em Português:

Resumo A ilha de calor urbana (ICU) é uma das consequências mais conhecidas da urbanização no clima local. Este estudo investiga a ICU na Região Metropolitana de São Paulo (RMSP), com foco na morfologia urbana e nas condições meteorológicas. Para tanto, utilizou-se o modelo Weather Research and Forecasting (WRF) com a metodologia de Zonas Climáticas Locais (ZCL) para executar simulações nos meses de setembro de 2014 a 2023. Os resultados apontam para um gradiente de temperatura de sudeste para noroeste na RMSP, de modo que locais na mesma categoria de ZCL apresentaram temperaturas diferentes segundo a localização. A proximidade com a costa gerou efeitos de resfriamento pelas brisas marítima e de vale-montanha. A intensidade da ICU foi maior à noite sob condições de céu claro e ventos calmos, com pico predominantemente às 18:00 HL. A escolha do ponto de referência rural impactou significativamente a magnitude e o comportamento da ICU. Além disso, áreas densamente construídas (ZCL 1-3) retiveram mais calor durante a noite em comparação com zonas mais abertas (ZCL 6, 9). Estes resultados destacam que investigações de ICU devem considerar a morfologia urbana, as condições meteorológicas, os padrões de circulação regional e a seleção dos pontos de referência rurais.

Resumo em Inglês:

Abstract The urban heat island (UHI) is a well-known consequence of urbanization on local climate. This study investigates the UHI in the Metropolitan Area of São Paulo (MASP), focusing on urban morphology and meteorological conditions. We utilized the Weather Research and Forecasting (WRF) model, incorporating the Local Climate Zones (LCZ) classification, to analyze simulations for September from 2014 to 2023. Results reveal a distinct southeast-to-northwest temperature gradient, where locations in the same LCZ class showed different temperatures based on their position. Proximity to the coast on the southeastern side provided cooling effects from the sea and valley-mountain breezes. UHI intensity was greater at night under clear skies and calm winds, peaking around 18:00 LT. The choice of rural reference point had a significant impact on the measured UHI magnitude. Furthermore, densely built-up areas (LCZ 1-3) retained more heat overnight compared to more open zones (LCZ 6, 9). These findings underscore the importance of comprehensive UHI assessments, which must consider urban morphology, meteorological conditions, regional circulation patterns, and the careful selection of rural reference points.