O sistema climático e a vegetação interagem em diversas escalas temporais e espaciais. A vegetação responde às condições climáticas, ao mesmo tempo modulando as trocas de momento, energia, umidade e carbono com a atmosfera, regulando o clima. As mudanças antrópicas do clima e de uso do solo estão influenciando significativamente a atmosfera e a biosfera, mas também tem modificado os mecanismos de interação, complexos e não lineares, que são parcialmente conhecidos. Neste contexto, torna-se importante determinar as relações subjacentes entre clima e vegetação, pois elas têm implicações para as projeções climáticas e para a adaptação às mudanças já em curso. Este trabalho contribui para a compreensão das interações entre clima e vegetação na América do Sul, incluindo efeitos antrópicos na vegetação. Um diferencial é a adoção de uma abordagem de grandes dados, cruzando informações de modelos do sistema terrestre, sensoriamento remoto e reanálises climáticas. Utilizamos o ndice de vegetação de diferença normalizada para representar a vegetação, e precipitação, temperatura, radiação solar, cobertura de nuvens, umidade do solo, e défice de pressão de vapor para representar o clima. Também consideramos as classificações climáticas de Köppen-Geiger e a distribuição dos biomas terrestres em escala continental. A metodologia é baseada em estatstica multivariada, teoria da informação, aprendizado de máquina supervisionado e não supervisionado, com interpretabilidade dos modelos treinados. Primeiro, analisamos os pontos de quebra e as tendências de longo prazo da vegetação. A Caatinga exibiu quebra significativa no ano de 2012, em uma seca sem pre- cedentes que afetou a vegetação negativamente até pelo menos 2015. Na Argentina, a vegetação sofreu perdas significativas depois em 2008, associada à diminuição das chuvas daquele ano. Muitos pontos de quebra foram associados à atividade agropecuária, intensificada a partir do ano 2001. As tendências de longo prazo mostraram que o Sudeste Brasileiro apresentou as mai- ores taxas de esverdeamento, principalmente em São Paulo, associado com a expansão acelerada da cana-de-açúcar entre 2003 e 2008, e em Minas Gerais, associada a culturas de café. Também analisamos os modos de variabilidade espaço-temporal e os agrupamentos das séries temporais do ndice de vegetação. Muito da variabilidade da vegetação está associada à precipitação do mês anterior, com exceção de grandes partes da Amazônia, que exibem padrões anticorrelacionados com a precipitação. Encontramos 8 agrupamentos principais que refletem os padrões temporais caractersticos do ndice de vegetação, e esses agrupamentos puderam ser associados a biomas terrestres e regiões que passaram por desmatamento nas últimas décadas. De modo geral, esses agrupamentos mostraram concordância elevada com as classificações climáticas, como esperado pelo levantamento da literatura. Por fim, investigamos a sensibilidade da vegetação às variáveis climáticas e de superfcie. O cálculo da sensibilidade foi realizado de forma a isolar os efeitos de cada variável climática na vegetação. Assim conseguimos quantificar as influências de curto prazo do clima na vegetação. As variáveis de umidade do solo superficial e cobertura de nuvens exerceram as maiores influências na vegetação em quase todo continente, seguido pelo défice de pressão de vapor do mês anterior. As regiões mais úmidas da Amazônia demonstraram aumento da atividade vegetativa quando o ar do mês corrente está mais seco do que o normal. Os resultados mostram que a abordagem de grandes volumes de dados pode ser uma grande aliada na tarefa desafiadora de se modelar as interações entre clima e vegetação levando em conta as influências antrópicas.

The climate system and vegetation interact at various temporal and spatial scales. Vegetation responds to climatic conditions while also modulating exchanges of momentum, energy, moisture, and carbon with the atmosphere, thereby regulating the climate. Anthropogenic climate and land use changes are significantly influencing the atmosphere and biosphere, while also modifying the complex and nonlinear mechanisms of interaction, which are only partially understood. In this context, it becomes important to determine the underlying relationships between climate and vegetation, as they have implications for climate projections and adaptation to ongoing changes. This study contributes to the understanding of the interactions between climate and vegetation in South America, including anthropogenic effects on vegetation. A distinguishing feature is the adoption of a big data approach, integrating information from Earth system models, remote sensing, and climate reanalysis. We used the Normalized Difference Vegetation Index to represent vegetation, and precipitation, temperature, solar radiation, cloud cover, soil moisture, and vapor pressure deficit to represent climate. We also considered the Köppen-Geiger climate classifications and the distribution of terrestrial biomes at a continental scale. The methodology is based on multivariate statistics, information theory, supervised and unsupervised machine learning, with interpretability of trained models. First, we analyzed breakpoints and long-term trends in vegetation. The Caatinga biome exhibited a significant breakpoint in 2012, during an unprecedented drought that negatively affected vegetation until at least 2015. In Argentina, vegetation experienced significant losses after 2008, associated with decreased rainfall that year. Many breakpoints were associated with intensified agricultural and livestock activities starting in 2001. Long-term trends showed that the Southeast of Brazil exhibited the highest rates of greening, particularly in São Paulo, associated with the accelerated expansion of sugarcane between 2003 and 2008, and in Minas Gerais, associated with coffee cultivation. We also analyzed the modes of spatiotemporal variability and the clustering of vegetation index time series. Much of the vegetation variability was associated with precipitation in the previous month, except for large parts of the Amazon, which exhibited anticorrelated patterns with precipitation. We identified eight main clusters that reflected characteristic temporal patterns of the vegetation index, and these clusters could be associated with terrestrial biomes and regions that underwent deforestation in recent decades. Overall, these clusters showed high agreement with climate classifications, as expected from the literature. Finally, we investigated the sensitivity of vegetation to climate and surface variables. Sensitivity calculations were performed to isolate the effects of each climatic variable on vegetation, enabling us to quantify short-term influences of climate on vegetation. Surface soil moisture and cloud cover exerted the greatest influences on vegetation across the continent, followed by the vapor pressure deficit of the previous month. The wettest regions of the Amazon demonstrated increased vegetative activity when the current months air was drier than normal. The results demonstrate that the big data approach can be a valuable tool in the challenging task of modeling climate-vegetation interactions, accounting for anthropogenic influences.