As projeções do aquecimento global e do aumento de eventos climáticos extremos (Painel Intergovernamental Sobre Mudanças Climáticas (IPCC) são especialmente importantes para as áreas mais populosas, que penalizarão os grupos mais vulneráveis. O Sudeste do Brasil é um exemplo, que contribui com mais de 50 % do Produto Interno Bruto nacional, e abriga mais de 40 % da população. No entanto, as tendências históricas de temperatura não são homogêneas ao redor do globo, e particularmente na região Sudeste, devido a efeitos de distribuição de aerossóis, cobertura de superfície e circulações locais. Este estudo visa atribuir os principais fatores que contribuem para a determinação da variabilidade espacial e das tendências de temperatura no Sudeste. Com o modelo estatístico de Ribes et al. (2017) estimou-se um aumento de 1.1 °C em 50 anos na temperatura média regional observada, que não pode ser explicado sem o aumento de gases de efeito estufa, e que mais de 50 % da incerteza na estimativa dos parâmetros ajustados vem da variabilidade dos modelos do Coupled Model Intercomparison Project (CMIP5). Na escala local, utilizando 52 estações meteorológicas no Sudeste, com um modelo estatístico Aditivo Generalizado (GAM), estimou-se a variabilidade espacial da média de temperautra mínima e máxima (Tmin e Tmax), respectivamente, que foram significativamente controladas pelos fatores de zonalidade e continentalidade (posição geográfica) e altitude (~5.0 °C), pela cobertura de superfície segundo o Índice de Vegetação de Diferença Normalizada (NDVI) para Tmin (~3.0 ºC) e pela cobertura de nuvens para Tmax (~3.5 °C). Ainda, a análise do controle do NDVI sugere uma resposta heterogênea de Tmin que deve levar em conta a distribuição da cobertura vegetal mais localizada. A variabilidade temporal de temperatura de longo prazo em cinco estações meteorológicas no estado de SP mostrou que a tendência ajustada pelo GAM traz informações mais acuradas da variabilidade se comparada com oajuste linear, revelando uma provável influência do efeito de urbanização nas tendências da temperatura mínima, coerente com o crescimento da população nas cidades estudadas.

The projected global warming and increase in extreme events reported by the Intergovernmental Panel on Climate Change (IPCC) are important concerns for the most populated areas, that will impact mainly the most vulnerable. Southeast Brazil (SEB), for example, contributes more than 50 % of the national Gross Domestic Product (GDP) and houses more than 40 % of the countrys population. However, these trends are not homogeneous throughout the globe, because of internal variability, aerosol distribution, and changes in land use, for example. Therefore in this study, we aim to we attribute the main contributors to temperature spatial variability, and trends in Southeast Brazil. Using Ribes et al. (2017) statistical model, we have found a 1.1 °C increase in the regional average temperature in 50 years, that can not be explained without the increase in anthropogenic greenhouse gases, and that more than 50 % of the uncertainty in the parameters estimation of the statistical model comes from the climate model variability, that comes from Coupled Model Intercomparison Project (CMIP5). At a local level, using 52 weather stations in SEB, with the Generalized Additive Model (GAM), we have estimated the average minimum and maximum temperature spatial variability for minimum and maximum temperature (Tmin and Tmax, respectively), are mostly influenced by changes in geographical position and altitude (~5.0 °C), with contribution from land cover with the Normalized Difference Vegetation Index (NDVI) for Tmin (~3.0 °C) and cloud cover for Tmax (~3.5 °C). Also, NDVI analysis suggests a heterogeneous response to Tmin that needs to account for regional and local vegetation. The long-range temperature variability in five selected weather stations in São Paulo show that the estimated GAM trend gives more accurate information about the variability of temperature anomalies, compared to the linear fit, revealing a probable influence of urbanization in minimum temperature trends, which agrees with the changes in population in the selected sites.