Contribuição de técnicas multivariadas a índices de seca na compreensão das otto-regiões da bacia do São Francisco
DOI:
https://doi.org/10.33448/rsd-v10i3.13118Palavras-chave:
Índices pluviométricos; Estatística multivariada; Rio São Francisco.Resumo
Objetivo: Utilizar as técnicas de análise multivariada, em particular a análise de componentes principais, para encontrar a melhor descrição dos índices de seca, e em seguida usar a análise de agrupamentos para determinar as regiões homogêneas do Rio São Francisco. Método: Foram calculados os índices para caracterizar a seca: Média anual de precipitação máxima diária (anualmax), média anual de precipitação acumulada (amount), média anual de dias sem chuva (<1 mm) (noprec), média anual de dias consecutivos sem chuva (<1 mm) (consecdry), média anual de dias consecutivos com chuva (>=1 mm) (consecwet) e a média anual de dias chuvosos com Precipitação excedendo o percentil 90% (prec90). Esses índices foram ortogonalizados por meio do método de componentes principais e posteriormente agrupados por meio do método de K-médias. Resultados: As variáveis amount e prec90 são as mais importantes, e juntas no primeiro componente são responsáveis por 40,56%, e as variáveis noprec e consecwet foram importantes para explicar 31,04% na segunda componente, e juntas explicam 71,60% da variabilidade total dos dados. Através da variabilidade de 86,40% nas três primeiras componentes principais retidas, a técnica de agrupamentos K-médias possibilitou a divisão de quatro áreas homogêneas na bacia do São Francisco. Conclusões: Foram observadas 4 regiões que são compostas pelas regiões do baixo e Sub-Médio São Francisco, Alto São Francisco e o Médio São Francisco, dividindo-se em duas partes que não ocorre uma perfeita correspondência com as otto-regiões estabelecidas.
Referências
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
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2021 Eucymara França Nunes Santos; Ikaro Daniel de Carvalho Barreto; Esdras Adriano Santos Barbosa; Laélia Campos; Antônio Samuel Alves da Silva
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
