Contribución de técnicas multivariadas a las tasas de sequía en la comprensión de las otto-regiones de la cuenca de São Francisco

Autores/as

DOI:

https://doi.org/10.33448/rsd-v10i3.13118

Palabras clave:

Índices pluviométricos; Estadística multivariada; Río São Francisco.

Resumen

Objetivo: Usar técnicas de análisis multivariante, en particular análisis de componentes principales, para encontrar la mejor descripción de las tasas de sequía, y luego usar el análisis de conglomerados para determinar las regiones homogéneas del río São Francisco. Método: Se calcularon los índices para caracterizar la sequía: promedio anual máximo de precipitación diaria (máximo anual), promedio anual de precipitación acumulada (cantidad), promedio anual de días sin lluvia (<1 mm) (noprec), promedio anual de días consecutivos sin lluvia (<1 mm) (consecuente), promedio anual de días consecutivos con lluvia (>=1 mm) (consecwet) y el promedio anual de días lluviosos con precipitación superior al percentil 90% (prec90). Estos índices se ortogonalizaron utilizando el método de componentes principales y luego se agruparon utilizando el método de K-medias. Resultados: Las variables cantidad y prec90 son las más importantes, y juntas en el primer componente son responsables del 40,56%, y las variables noprec y consecwet fueron importantes para explicar el 31,04% en el segundo componente, y juntas explican el 71,60% del total. variabilidad de los datos. A través de la variabilidad del 86,40% en los tres primeros componentes principales retenidos, la técnica de conglomerados K-médias permitió la división de cuatro áreas homogéneas en la cuenca del São Francisco. Conclusiones: Se observaron cuatro regiones, que están compuestas por las regiones de São Francisco Bajo y Sub-Medio, Alto São Francisco y São Francisco Medio, dividiéndose en dos partes que no existe una correspondencia perfecta con las otto-regiones establecidas.

Citas

Ahmad, I., Zhang, F., Tayyab, M., Anjum, M. N., Zaman, M., Liu, J., Farid, H. U., & Saddique, Q. (2018). Spatiotemporal analysis of precipitation variability in annual, seasonal and extreme values over upper Indus River basin. Atmospheric Research, 213, 346–360.

Andrade, E. M., Paulo Cosenza, J., Pinguelli Rosa, L., & Lacerda, G. (2012). The vulnerability of hydroelectric generation in the Northeast of Brazil: The environmental and business risks for CHESF. In Renewable and Sustainable Energy Reviews. 16(8), 5760–5769. Elsevier. https://doi.org/10.1016/j.rser.2012.06.028

André, R. G. B., Marques, V. da S., Pinheiro, F. M. A., & Ferraudo, A. S. (2008). Identificação de regiões pluviometricamente homogêneas no Estado do Rio de Janeiro, utilizando-se valores mensais. Revista Brasileira de Meteorologia, 23(4), 501–509. https://doi.org/10.1590/s0102-77862008000400009

Araújo, W. S., Saviano Souza, F. A., Brito, J. I. B. de, & Lima, L. M. (2012). Estudo Pluvial no Nordeste do Brasil Utilizando Análise Multivariada (Rain Study in Northeast Brazil Using Multivariate Analysis). Revista Brasileira de Geografia Física, 5(3), 448. https://doi.org/10.26848/rbgf.v5i3.232781

Aslam, M. (2020). Design of the Bartlett and Hartley tests for homogeneity of variances under indeterminacy environment. Journal of Taibah University for Science, 14(1), 6–10.

Bezerra, B. G., Silva, L. L., Santos e Silva, C. M., & de Carvalho, G. G. (2019). Changes of precipitation extremes indices in São Francisco River Basin, Brazil from 1947 to 2012. Theoretical and Applied Climatology, 135(1–2), 565–576. https://doi.org/10.1007/s00704-018-2396-6

Charleton, M. E., Brunsdon, C., Demšar, U., Harris, P., & Fotheringham, A. S. (2010). Principal Components Analysis: from Global to Local. 13th AGILE International Conference on Geographic Information Science, 1–10.

Christensen, O. B., & Christensen, J. H. (2004). Intensification of extreme European summer precipitation in a warmer climate. Global and Planetary Change, 44(1–4), 107–117. https://doi.org/10.1016/j.gloplacha.2004.06.013

Freitas, J. C., De Andrade, A. R. S., Braga, C. C., Honorato, A., Neto, G., & De Almeida, T. F. (2013). Análise de agrupamentos na identificação de regiões homogêneas de índices climáticos no Estado da Paraíba, PB – Brasil. Revista Brasileira de Geografia Física, 6(4), 732–748.

Jong, P., Tanajura, C. A. S., Sánchez, A. S., Dargaville, R., Kiperstok, A., & Torres, E. A. (2018). Hydroelectric production from Brazil’s São Francisco River could cease due to climate change and inter-annual variability. Science of The Total Environment, 634, 1540–1553. https://doi.org/10.1016/j.scitotenv.2018.03.256

Dourado, C. da S., Oliveira, S. R. de M., & de Avila, A. M. H. (2013). Análise de zonas homogêneas em séries temporais de precipitação no Estado da Bahia. Bragantia, 72(2), 192–198. https://doi.org/10.1590/S0006-87052013000200012

Easterling, D. R., Meehl, G. A., Parmesan, C., Changnon, S. A., Karl, T. R., & Mearns, L. O. (2000). Climate extremes: observations, modeling, and impacts. Science, 289(5487), 2068–2074.

García, S., Fernández, A., Luengo, J., & Herrera, F. (2010). Advanced nonparametric tests for multiple comparisons in the design of experiments in computational intelligence and data mining: Experimental analysis of power. Information Sciences, 180(10), 2044–2064.

Guedes, R. S., Lopes, F. J., Amanajás, J. C., & Braga, C. C. (2010). Aplicação Da Análise Fatorial Em Componentes Principais A Dados De Precipitação No Estado Do Amapá. Revista de Geografia (Recife), 27(1), 107-119–119.

Härdle, W. K., & Simar, L. (2013). Applied multivariate statistical analysis. In Applied Multivariate Statistical Analysis (Vol. 5, Issue 8). Prentice hall Upper Saddle River, NJ. https://doi.org/10.1007/978-3-642-17229-8

Hecke, T. Van. (2012). Power study of anova versus Kruskal-Wallis test. Journal of Statistics and Management Systems, 15(2–3), 241–247.

Hu, Y., Yao, L., & Hu, Q. (2020). Evaluation of Water Resources Carrying Capacity in Jiangxi Province Based on Principal Component Analysis. Journal of Coastal Research, 105(sp1), 147–150. https://doi.org/10.2112/JCR-SI105-031.1

Koutsoyiannis, D. (2020). Revisiting the global hydrological cycle: is it intensifying? Hydrology and Earth System Sciences, 24(8), 3899–3932. https://doi.org/10.5194/hess-24-3899-2020

Maneta, M. P., Torres, M., Wallender, W. W., Vosti, S., Kirby, M., Bassoi, L. H., & Rodrigues, L. N. (2009). Water demand and flows in the São Francisco River Basin (Brazil) with increased irrigation. Agricultural Water Management, 96(8), 1191–1200. https://doi.org/10.1016/j.agwat.2009.03.008

Marston, M. L., & Ellis, A. W. (2020). Delineating Precipitation Regions of the Contiguous United States from Cluster Analyzed Gridded Data. Annals of the American Association of Geographers, 1–19. https://doi.org/10.1080/24694452.2020.1828803

Mingoti, S. A. (2007). Análise de dados através de métodos de estatística multivariada – uma abordagem aplicada. In Análise de dados através de métodos estatística multivariada: uma abordagem aplicada.

Mishra, A. K., Özger, M., & Singh, V. P. (2009). An entropy-based investigation into the variability of precipitation. Journal of Hydrology, 370(1–4), 139–154. https://doi.org/10.1016/j.jhydrol.2009.03.006

Oliveira, V. A., de Mello, C. R., Viola, M. R., & Srinivasan, R. (2017). Assessment of climate change impacts on streamflow and hydropower potential in the headwater region of the Grande river basin, Southeastern Brazil. International Journal of Climatology, 37(15), 5005–5023. https://doi.org/10.1002/joc.5138

Prado, B. Q. de M., Fernandes, H. R., Araújo, T. G., Laia, G. A., & Biase, N. G. (2016). Avaliação de variáveis climatológicas da cidade de Uberlândia (MG) por meio da análise de componentes principais. Engenharia Sanitaria e Ambiental, 21(2), 407–413. https://doi.org/10.1590/S1413-41522016147040

Razali, N. M., & Wah, Y. B. (2011). Power comparisons of shapiro-wilk, kolmogorov-smirnov, lilliefors and anderson-darling tests. Journal of Statistical Modeling and Analytics, 2(1), 21–33.

Santos, D. C. (2015). Análise multivariada de índices climáticos na amazônia ocidental. Revista Brasileira de Climatologia, 15.

Simões, Y. de S., Silva, E. H. B. C., & Araújo, H. A. de. (2018). Rainfall zoning of Bahia State, Brazil: an update proposal. Ambiente e Agua - An Interdisciplinary Journal of Applied Science, 13(1), 1. https://doi.org/10.4136/ambi-agua.2171

Team, R. C. (2021). R: A language and environment for statistical computing. Vienna, Austria.

Wang, H., Shao, Z., Gao, T., Zou, T., Liu, J., & Yuan, H. (2017). Extreme precipitation event over the Yellow Sea western coast: Is there a trend? Quaternary International, 441, 1–17. https://doi.org/10.1016/j.quaint.2016.08.014

Zhang, Q., Peng, J., Xu, C. Y., & Singh, V. P. (2014). Spatiotemporal variations of precipitation regimes across Yangtze River Basin, China. Theoretical and Applied Climatology, 115(3–4), 703–712. https://doi.org/10.1007/s00704-013-0916-y

Zhang, Q., Singh, V. P., Peng, J., Chen, Y. D., & Li, J. (2012). Spatial-temporal changes of precipitation structure across the Pearl River basin, China. Journal of Hydrology, 440–441, 113–122. https://doi.org/10.1016/j.jhydrol.2012.03.037

Zhang, Q., Xu, C. Y., Chen, X., & Zhang, Z. (2011). Statistical behaviours of precipitation regimes China and their links with atmospheric circulation 1960-2005. International Journal of Climatology, 31(11), 1665–1678. https://doi.org/10.1002/joc.2193

Ziegler, A. D., Sheffield, J., Maurer, E. P., Nijssen, B., Wood, E. F., & Lettenmaier, D. P. (2003). Detection of intensification in global- and continental-scale hydrological cycles: Temporal scale of evaluation. Journal of Climate, 16(3), 535–547. https://doi.org/10.1175/1520-0442(2003)016<0535:DOIIGA>2.0.CO;2

Zolina, O., Simmer, C., Kapala, A., Bachner, S., Gulev, S., & Maechel, H. (2008). Seasonally dependent changes of precipitation extremes over Germany since 1950 from a very dense observational network. Journal of Geophysical Research Atmospheres, 113(6). https://doi.org/10.1029/2007JD008393

Publicado

06/03/2021

Cómo citar

SANTOS, E. F. N. .; BARRETO, I. D. de C.; BARBOSA, E. A. S. .; CAMPOS, L. .; SILVA, A. S. A. da . Contribución de técnicas multivariadas a las tasas de sequía en la comprensión de las otto-regiones de la cuenca de São Francisco. Research, Society and Development, [S. l.], v. 10, n. 3, p. e7210313118, 2021. DOI: 10.33448/rsd-v10i3.13118. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/13118. Acesso em: 31 jul. 2024.

Número

Sección

Ciencias Exactas y de la Tierra