Study of the climatic characteristics of Guarapuava region through time series analysis and ARIMA modeling

Authors

DOI:

https://doi.org/10.33448/rsd-v9i5.3119

Keywords:

Climate trend; Seasonality; El Nino; Climate modeling

Abstract

The climate varies continuously with time, and its variables can be modeled as time series. The Enos phases with El Niño and La Niña events influence temperature and precipitation in different parts of the world. The objective of the work was to evaluate the trends of the climatic variables, minimum, maximum and average temperature and rainfall, in the geographical region of Guarapuava in Paraná State, using time series and ARIMA modeling. The study comprised a time series of rainfall and temperature of 43 years. The time series trend was analyzed using the Box-Jenkins models, of integrated auto-regressive moving averages (ARIMA). It was found that the rainfall shows stationary behavior in the period. The average air temperature shows an increasing linear trend, which is a consequence of the increase more related to the increase of the minimum temperature, than of the maximum temperature over time. The average air temperature showed an increase of approximately 1.4°C in the period, rising from 16.8 to 18.2°C.

Author Biographies

Janaina Cosmedamiana Metinoski Bueno, Universidade Estadual do Centro-Oeste (UNICENTRO)

Bióloga. Aluna PPGA unicentro.

Sidnei Osmar Jadoski, UNICENTRO-PR

Eng. Agrônomo-DR. Prof. Associado  Departamento de Agronomia. Universidade Estadual do Centro Oeste. Guarapuava-PR.

Vanderlei Aparecido de Lima, UTFPR

Prof. Depto Química. UTFPR - Patp Branco-PR.

References

Agrawal, A., Kumar, V., Pandey, A. & Khan, I. (2012). An application of time series analysis for weather forecasting. International Journal of Engineering Research and Applications, v. 2(1): 2248-9622.

Aguado-Rodríguez, G. Jr., Quevedo-Nolasco, A. & Castro-Popoca, M. et al. (2016). Predicción de variables meteorológicas por medio de modelos ARIMA. Agrociencia. 50(1): 1-13.

Antunes, J. L. F., Cardoso, M. R. A. (2015). Uso da análise de séries temporais em estudos epidemiológicos. Epistemologia e Serviços da Saúde, 24(1): 565-576.

Bandura, E., Bueno, J. C. M., Jadoski, G. S., Junior, G. F. R. (2019). Aplicações do modelo ARIMA para estatística na análise de dados em série temporal. Pesquisa Aplicada & Agrotecnologia, 12(3): 145-150.

Barros, V. R., Doyle, M. E., Camilloni, I. A. (2008). Precipitation trends in southeastern South America: relationship with ENSO phases and with low-level circulation. Theoretical and Applied Climatology, 93: 19–33.

Bernert, M. R., Jadoski, S. O., Watzlawick, L. F., Lima, V. A., Zerbielli, L. C. (2020). Influência de variáveis ambientais no incremento radial dos anéis de crescimento de Pinus taeda L. Research, Society and Development. 9(3): 1-21. Disponível em: https://rsd.unifei.edu.br/index.php/rsd/article/view/2472. Acesso: 12 março/2020.

Bhering, S. B., Santos, H. G., Manzatto, C. V. W. et al. (2013). Mapa de solos do Estado do Paraná. Embrapa Florestas: Embrapa Solos: Instituto Agronômico do Paraná. Rio de Janeiro, 2013, 74 p.

CPTEC- INPE (2020). Centro de Previsão de Tempo e Estudos Climáticos - Instituto Nacional de Pesquisas Espaciais. El Niño e La Niña. Disponível em: <http://enos.cptec.inpe.br/> Acesso: 26 janeiro/2020.

Chae, S, Kwon, S., Lee, D. (2018). Predicting Infectious Disease Using Deep Learning and Big Data. International Journal of Environmental Research and Public Health, 15: 1-19. Disponível em: <https://www.researchgate.net/publication/326660803_Predicting_Infectious_Disease_Using_Deep_Learning_and_Big_Data> Acesso: 16 janeiro/2020.

Corte-Real, J. (2015). The relevance of weather forecasting in the prevention of meteorological hazards. Finisterran, 100: 97-105.

Costa, C., Andrade, A. R. (2009). Dinâmica da precipitação pluviométrica na cidade de Guarapuava, PR: Condicionantes locais e regionais. Revista Brasileira de Climatologia, 21: 205-224.

Ely, D. F., Dubreuil, V. (2017). Análise das tendências espaço-temporais da precipitações anuais para o estado do Paraná-Brasil. Revista Brasileira de Climatologia, 21(1): 553-569.

Guimarães, D. P., Reis, R. dos. (2012). Impactos do Fenômeno Enos Sobre a Temperatura no Brasil. Revista Espinhaço, 1(1): 34-40, 2012.

Gunda, T., Bazui, J. T., Nay, J., Yeung, K. L. (2017). Impact of seasonal forecast use on agricultural income in a system with varying crop costs and returns: an empirically-grounded simulation. Environmental Research Letters, 12(3): 1-13.

Hyndman, R.J., Athanasopoulos, G. (2019). Forecasting: principles and practice. 3rd edition, OTexts: Melbourne/2019. Disponível em: . Acesso: 9 dezembro/2019.

IAPAR - Instituto Agronômico do Paraná. (2020). Desvios de precipitação e temperatura. Disponível em: <http://www.iapar.br/pagina-984.html>. Acesso em: 10 janeiro/2020.

Kogima, K. C, Ely, D. F. (2019). Índices térmicos para a identificação de ondas de calor aplicados ao estado do Paraná, Brasil. Geo UERJ , 34: 1-27. Disponível em: <https://www.e-publicacoes.uerj.br/index.php/geouerj/article/viewFile/40947/28455>. Acesso: 12 fevereiro/2020.

Nascimento, L. P., Reis, D. A., Roeser, H. M. P., Fonseca, S. A. da F. (2019). Relationship between land use and water quality in a watershed impacted by iron ore tailings and domestic sewage. Revista Ambiente e Água, 14(5): 1-11.

National Oceanic and Atmospheric Administration (NOAA). (2019). Climate Predicion Center. U. S. A., 2019. Disponível em: <https://www.cpc.ncep.noaa.gov/products/precip/CWlink/MJO/enso.shtml >. Acesso: 20 dezembro/2019.

Nery, J. T. Dinâmica Climática da Região Sul do Brasil. (2005). Revista Brasileira de Climatologia, 1(1):61-75.

Nogarolli, M. (2007). O Novo Clima do Paraná. Percurso, 6: 81-105.

Oliveira, D., Borrozzino, E. (2018). Sazonalidade das tendências de temperatura do ar e precipitação pluvial no estado do Paraná. Revista da Sociedade Brasileira de Agrometeorologia, 26(1): 139-144.

Pereira, A.S. et al. (2018). Metodologia da pesquisa científica. [e-book]. Santa Maria. Ed. UAB/NTE/UFSM. Disponível em: https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1. Acesso: 21 fevereiro 2020.

Pinheiro, A., Gracia, R. L. G., Severo, D. L. (2013). Tendência das séries temporais de precipitação da região Sul do brasil. Revista Brasileira de Meteorologia, 28(3): 281 – 290.

R Development Core Team. (2018). R a language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.

Ricce, W. S., Caramori, P. H., Morais, H., Silva, D. A. B. E, Ataíde, L. T. (2009). Análise de tendências na temperatura e precipitação em Londrina, Estado do Paraná. In: Congresso Brasileiro de Agrometeorologia, 15. Belo Horizonte, 22 a 25 de setembro de 2009.

Salton, F. G., Morais, H., Caramori, P. H., Borozzino, E. (2016). Climatologia dos episódios de precipitação em três localidades no estado do Paraná. Revista brasileira de meteorologia, 31(4): 626-638, supl.1.

Sillmann, J., Thorarinsdottir, T., Keenlyside, N. (2017). Understanding, modeling and predicting weather and climate extremes: Challenges and opportunities. Weather and Climate Extremes. 18: 65-74.

Tank, K. A. M. G., Zwiers, F. W., Zhang, X. (2009). Guidelines on analysis of extremes in a changing climate in support of informed decisions for adaptation. Climate data and monitoring. WCDMP. WMO-TD. N.72, 53p.

Wagner, M. W., Jadoski, S. O., Saito, L. R., Suchoronczek, A. & Scabeni, C. J. (2009). Comportamento de características climáticas para o manejo de culturas agrícolas em Guarapuava, centro-sul do estado do Paraná. Pesquisa Aplicada & Agrotecnologia, 2(3): 41-49.

Wood, S. A., Jina, A. S., Jain, M., Kristjanson, P. & Defries, R. S. (2014). Smallholder farmer cropping decisions related to climate variability across multiple regions Global Environmental Change, 25: 163–172. Disponível em: https://www.sciencedirect.com/science/article/pii/S0959378013002410. Acesso 26 janeiro/2020.

Published

28/03/2020

How to Cite

BUENO, J. C. M.; JADOSKI, S. O.; LIMA, V. A. . de. Study of the climatic characteristics of Guarapuava region through time series analysis and ARIMA modeling. Research, Society and Development, [S. l.], v. 9, n. 5, p. e75953119, 2020. DOI: 10.33448/rsd-v9i5.3119. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/3119. Acesso em: 8 nov. 2024.

Issue

Section

Agrarian and Biological Sciences