Markov Chain: An analysis of the precipitation levels in the Metropolitan Region of Recife-PE
DOI:
https://doi.org/10.33448/rsd-v12i8.42766Keywords:
Precipitation; Markov chain; Transition matrix; Sliding window.Abstract
This study presents an analysis of the precipitation index at six experimental stations operated by the Pernambuco Water and Climate Agency (APAC) to monitor the behavior of this index in selected municipalities of the metropolitan region of Recife, Pernambuco: Jaboatão dos Guararapes, Olinda, Várzea/Recife, Lamepe ITEP/Recife, Jaboatão dos Guararapes - TIP, and Camaragibe. Daily precipitation data were collected between 1960 and 2020. The following states were identified for use in the Markov chain: no rain, light rain, light to moderate rain, moderate rain, moderate to heavy rain, and heavy rain. Additionally, the 180-day moving window method was applied. The transition probability matrix of the Markov chain for the states mentioned above was obtained. This information is essential for estimating the probability of adverse events in which heavy rains can impact the lives of thousands of inhabitants in the Metropolitan Region of Recife (RMR). Future work can utilize this study's estimated transition probability matrix to simulate rainfall scenarios and assess potential risks of flooding and landslides.
References
Silva D. S., Lima M. J. S., Pedro Neto, P. F. S., Gomes, H. F. B. G., Silva, F. D. S., Almeida, H. R. R. C., Costa, R. L. & Pereira, M. P. S. (2020). Caracterização de eventos extremos e de suas causas climáticas com base no Índice Padronizado de Precipitação Para o Leste do Nordeste. Revista brasileira de Geografia Física. 13(2), 449-64. https://doi.org/10.26848/rbgf.v13.2.p449-464.
Santos, S. R. Q., Braga, C. C., Sansigolo, C. A. & Santos, A. P. P. S. (2017) Determinação de Regiões Homogêneas do Índice de Precipitação Normalizada (SPI) na Amazônia Oriental. Revista Brasileira de Meteorologia. 32(1), 111-22. 10.1590/0102-778632120160013.
Assis Dias M., Saito S. M., Alvalá R. C. S., Seluchi M. E., Bernardes T., Camarinha P. I. M., Stenne C., & Nobre, C. A. (2020). Índice de vulnerabilidade relacionado a populações em risco de deslizamentos no Sistema Brasileiro de Alerta Prévio (BEWS). Int. J. Redução do Risco de Desastres, 49
da Silva, A. P., Barroso, E. V., & Polivanov, H. (2022). Índices pluviométricos críticos para prevenção de desastres por deslizamentos na cidade de Niterói, RJ. Geologia USP. Série Científica, 22(3), 47-60.
Souza, W. M., Azevedo, P. V., & Araújo, L. E. (2012). Classificação da Precipitação Diária e Impactos Decorrentes dos Desastres Associados às Chuvas na Cidade do Recife-PE. Revista Brasileira de Geografia Física. v. 5, n. 2 (2012). https://doi.org/10.26848/rbgf.v5i2.232788.
Marengo J. A. A. B, Alcantara E. B, Cunha A. P. A. B; Seluchi M., Nobre, C. A., Dolif, G, Goncalves, D., Assis, Dias M.; Cuartas L. A., Bender, F., Ramos A. M., Mantovani, J. R., Alvalá, R. C., & Moraes, O. L., Flash floods and landslides in the city of Recife, Northeast Brazil after heavy rain on May 25–28, 2022: Causes, impacts, and disaster preparedness. Weather and Climate Extremes. Volume 39, March 2023, 100545.
Pedreira, L. S., São Mateus, M. D. S., & Calumby, R. T. (2022, May). Integração de sistemas para predição de deslizamentos de terra baseada em aprendizado de máquina. In Anais Estendidos do XVIII Simpósio Brasileiro de Sistemas de Informação (pp. 358-365). SBC.
dos Santos Araújo, W., Souza, F. D. A. S., de Brito, J. I. B., & Lima, L. M. (2012). Aplicação do modelo estocástico Cadeia de Markov a dados diários de precipitação dos estados da Bahia e Sergipe. Revista Brasileira de Geografia Física, 3, 509-523.
Morettin, P. A. (2017). Estatística básica. Saraiva Educação SA.
Mendonça, E. B. (2017). Estatística descritiva para cursos de graduação. Appris.
R-project. (2023, 06 21). Retrieved from The R Project for Statistical Computing: https://www.r-project.org/
Taha, H. A. (2007). Operations research: an introduction. (8a ed.), Pearson.
Atuncar, G. S. (2011). Conceitos Básicos de Processos Estocásticos. Departamento de Estatística - Universidade Federal de Minas Gerais. 83 p.
Nogueira, F. Modelagem e Simulação - Cadeias de Markov. Notas de aula. http://leg.ufpr.br/lib/exe/fetch.php/projetos:microarray:cadeiamarkov.pdf.
Andersen, A. R., Nielsen, B. F., & Reinhardt, L. B. (2017). Optimization of hospital ward resources with patient relocation using Markov chain modeling. European Journal of Operational Research, 260(3), 1152-1163.
Jale, J. S., Júnior, S. F. A. X., Xavier, É. F. M.; Stošić, T., Stošić, B., & Ferreira, T. A. E. (2019). Application of Markov chain on daily rainfall data in Paraíba-Brazil from 1995-2015. Acta Scientiarum. Tecnologia vol. 41, 2019.
Grigoletti, P. S. (2015). Cadeias de Markov. Pelotas - Rs: Escola de Informática – Universidade Católica de Pelotas (Ucpel). 9p. https://www.researchgate.net/publication/228747669_Cadeias_de_Markov.
Magela, M. M. Teoria básica das cadeias de markov. Esprito Santo: Universidade Federal do Esprito Santo - Ufes, 2015. 112 p.
Zebetti, A. Probabilidade - Cadeias de Markov. Notas de aula. https://www.inf.ufsc.br/~andre.zibetti/probabilidade/cadeias-de-markov.html.
Braverman, V., Ostrovsky, R., & Zaniolo, C. (2009). Optimal sampling from sliding windows. Journal of Computer and System Sciences 78, pp. 260-272.
Cormode, G., & YI, K. (2011). Tracking distributed aggregates over time-based sliding windows. Proceedings of the 30th annual ACM SIGACT-SIGOPS symposium on Principles of distributed computing, pp. 213-21.
Yu Yufeng, Z. Y. (2014). Time Series Outlier Detection Based on Sliding Window Prediction. Journal of Computer Applications, 34(8), 2217-2220.
da Silva Junior, M. A. B., Cabral, J. J. D. S. P., da Fonseca Neto, G. C., da Silva, P. O., Guerra, C. M. F., & da Silva, S. R. (2020). Desafios para a adaptação da infraestrutura de drenagem urbana em cenário de mudança do clima no Recife-PE. Journal of Environmental Analysis and Progress, 5(3), 302-318.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Sóstenes Jerônimo da Silva; Syntia Regina Rodrigues de Souza; Antônio Edson Brandão da Silva; José Ailton Alencar da Silva; Jader Silva Jale; Tatijana Stosic
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
1) Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
2) Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
3) Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
