Cadeia de Markov: uma análise dos níveis de precipitação na Região Metropolitana do Recife-PE
DOI:
https://doi.org/10.33448/rsd-v12i8.42766Palavras-chave:
Precipitação; Cadeia de Markov; Matriz de transição; Janela móvel.Resumo
Este trabalho apresenta uma análise do índice de precipitação em seis estações experimentais da Agência Pernambucana de Águas e Clima (APAC) com o objetivo de monitorar o comportamento desse índice em alguns municípios da região metropolitana do Recife - Pernambuco: Jaboatão dos Guararapes, Olinda, Várzea/Recife, Lamepe ITEP/Recife, Jaboatão dos Guararapes - TIP e Camaragibe). Foram coletados dados diários de precipitação entre 1960 e 2020. Identificou-se os seguintes estados a serem utilizados na cadeia de Markov: sem chuva, chuva fraca, chuva fraca a moderada, chuva moderada, chuva moderada a forte e chuva forte. Além disso, aplicou-se o método de janelas móveis de 180 dias. Obteve-se a matriz de probabilidade de transição da cadeia de Markov para os estados supracitados. Essa informação é essencial para estimar a probabilidade de ocorrência de eventos adversos em que as fortes chuvas podem impactar a vida de milhares de habitantes da Região Metropolitana do Recife (RMR). Trabalhos futuros podem utilizar-se da matriz de probabilidade de transição estimada no presente trabalho para simular cenários de chuva e potenciais riscos de inundação e deslizamentos de encostas.
Referências
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
Publicado
Como Citar
Edição
Seção
Licença
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
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.
