Cadena de Markov: un análisis de los niveles de precipitación en la Región Metropolitana de Recife-PE
DOI:
https://doi.org/10.33448/rsd-v12i8.42766Palabras clave:
Précipitation; Cadena de markov; Matriz de transición; Ventana deslizante.Resumen
Este estudio presenta un análisis del índice de precipitación en seis estaciones experimentales de la Agencia Pernambucana de Aguas y Clima (APAC) con el objetivo de monitorear el comportamiento de este índice en algunos municipios de la región metropolitana de Recife - Pernambuco: Jaboatão dos Guararapes, Olinda, Várzea/Recife, Lamepe ITEP/Recife, Jaboatão dos Guararapes - TIP y Camaragibe). Se recopilaron datos diarios de precipitación entre 1960 y 2020. Se identificaron los siguientes estados a utilizar en la cadena de Markov: sin lluvia, lluvia ligera, lluvia ligera a moderada, lluvia moderada, lluvia moderada a intensa y lluvia intensa. Además, se aplicó el método de ventanas móviles de 180 días. Se obtuvo la matriz de probabilidad de transición de la cadena de Markov para los estados mencionados anteriormente. Esta información es esencial para estimar la probabilidad de eventos adversos en los que las fuertes lluvias pueden afectar la vida de miles de habitantes de la Región Metropolitana de Recife (RMR). Trabajos futuros pueden utilizar la matriz de probabilidad de transición estimada en este estudio para simular escenarios de lluvia y evaluar los potenciales riesgos de inundaciones y deslizamientos de tierra.
Citas
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.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 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
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
