Análise de quantificação de recorrência de séries temporais mensais de chuva em Pernambuco, Brasil
DOI:
https://doi.org/10.33448/rsd-v9i9.7737Palavras-chave:
Precipitação; Gráfico de recorrência; Análise quantitativa de recorrência.Resumo
A precipitação é a principal variável climática que é usada para modelar índices de risco para desastres naturais. Neste trabalho foi investigado a dinâmica não linear das séries temporais de chuvas mensais registradas de 1962 a 2012, em três estações no estado de Pernambuco, Brasil, localizadas em regiões com diferentes regimes de chuvas (Zona da Mata, Agreste e Sertão), fornecidos pelo Laboratório de Meteorologia do Instituto de Tecnologia de Pernambuco (LAMEP/ITEP). O objetivo deste trabalho é contribuir para uma melhor compreensão da distribuição espaço-temporal da precipitação no estado de Pernambuco. Para a concretização da pesquisa, foi utilizado a metodologia da teoria da dinâmica não linear, Gráfico de recorrência (RP), que permite distinguir entre diferentes tipos de processos subjacentes. Os resultados mostraram que o regime de chuvas na região semiárida Sertão é caracterizado por um comportamento determinístico menos forte e menos complexo, comparado à Zona da Mata e Agreste, onde identificamos transições entre dinâmicas caóticas e não estacionárias. Para a zona de transição Agreste, a dinâmica das chuvas mostrou uma memória mais forte com um tempo médio de previsão mais longo, enquanto que a dinâmica da chuva na região com clima subúmido, Zona da Mata, é caracterizada por estados laminares (que mudam lentamente).
Referências
Alvares, C. A., Stape, J. L., Sentelhas, P. C., de Moraes, G., Leonardo, J., & Sparovek, G. (2013). Köppen's climate classification map for Brazil. Meteorologische Zeitschrift, 22(6), 711-728.
Afsar, O., Tirnakli, U., & Marwan, N. (2018). Recurrence Quantification Analysis at work: Quasi-periodicity based interpretation of gait force profiles for patients with Parkinson disease. Scientific reports, 8(1), 9102.
Bastos, J. A., & Caiado, J. (2011). Recurrence quantification analysis of global stock markets. Physica A: Statistical Mechanics and its Applications, 390(7), 1315-1325.
Buytaert, W., Celleri, R., Willems, P., De Bievre, B., & Wyseure, G. (2006). Spatial and temporal rainfall variability in mountainous areas: A case study from the south Ecuadorian Andes. Journal of hydrology, 329(3-4), 413-421.
Chadwick, R., Good, P., Martin, G., & Rowell, D. P. (2016). Large rainfall changes consistently projected over substantial areas of tropical land. Nature Climate Change, 6(2), 177-181.
Debortoli, N. S., Camarinha, P. I. M., Marengo, J. A., & Rodrigues, R. R. (2017). An index of Brazil’s vulnerability to expected increases in natural flash flooding and landslide disasters in the context of climate change. Natural hazards, 86(2), 557-582.
Donner, R. V., Balasis, G., Stolbova, V., Georgiou, M., Wiedermann, M., & Kurths, J. (2019). Recurrence‐Based Quantification of Dynamical Complexity in the Earth's Magnetosphere at Geospace Storm Timescales. Journal of Geophysical Research: Space Physics, 124(1), 90-108.
Eckmann, J. P., Kamphorst, S. O., & Ruelle, D. (1987). Recurrence Plots of Dynamical Systems. EPL (Europhysics Letters), 4(9), 973.
Hastenrath, S. (2012). Exploring the climate problems of Brazil’s Nordeste: a review. Climatic Change, 112(2), 243-251.
Jha, S. K., & Sivakumar, B. (2017). Complex networks for rainfall modeling: spatial connections, temporal scale, and network size. Journal of Hydrology, 554, 482-489.
Kantz, H., & Schreiber, T. (2004). Nonlinear time series analysis (Vol. 7). Cambridge university press.
Longobardi, A., & Villani, P. (2010). Trend analysis of annual and seasonal rainfall time series in the Mediterranean area. International journal of Climatology, 30(10), 1538-1546.
Lyra, G. B., Oliveira‐Júnior, J. F., & Zeri, M. (2014). Cluster analysis applied to the spatial and temporal variability of monthly rainfall in Alagoas state, Northeast of Brazil. International Journal of Climatology, 34(13), 3546-3558.
Marengo, J. A., & Bernasconi, M. (2015). Regional differences in aridity/drought conditions over Northeast Brazil: present state and future projections. Climatic Change, 129(1-2), 103-115.
Marwan, N., Romano, M. C., Thiel, M., & Kurths, J. (2007). Recurrence plots for the analysis of complex systems. Physics reports, 438(5-6), 237-329.
Maslin, M., & Austin, P. (2012). Uncertainty: Climate models at their limit?. Nature, 486(7402), 183.
Medeiros, E. S. D., Lima, R. R. D., Olinda, R. A. D., & Santos, C. A. C. D. (2019). Modeling Spatiotemporal Rainfall Variability in Paraíba, Brazil. Water, 11(9), 1843.
Melo Santos, A. M., Cavalcanti, D. R., Silva, J. M. C. D., & Tabarelli, M. (2007). Biogeographical relationships among tropical forests in north‐eastern Brazil. Journal of Biogeography, 34(3), 437-446.
Oliveira, P. T., e Silva, C. S., & Lima, K. C. (2017). Climatology and trend analysis of extreme precipitation in subregions of Northeast Brazil. Theoretical and Applied Climatology, 130(1-2), 77-90.
Panagoulia, D., & Vlahogianni, E. I. (2014). Nonlinear dynamics and recurrence analysis of extreme precipitation for observed and general circulation model generated climates. Hydrological Processes, 28(4), 2281-2292.
Pereira, A. S., Shitsuka, D. M., Parreira, F. J., & Shitsuka, R. (2018). Metodologia do trabalho científico.[e-Book]. Santa Maria. Ed. UAB/NTE/UFSM. Available at: https://repositorio. ufsm. br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica. pdf.
R Core Team (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.
Robertson, A. W., Kirshner, S., & Smyth, P. (2004). Downscaling of daily rainfall occurrence over northeast Brazil using a hidden Markov model. Journal of climate, 17(22), 4407-4424.
Silva, A. S. A., Stosic, B., Menezes, R. S. C., & Singh, V. P. (2019). Comparison of interpolation methods for spatial distribution of monthly precipitation in the state of Pernambuco, Brazil. Journal of Hydrologic Engineering, 24(3), 04018068.
Stosic, T., Telesca, L., de Souza Ferreira, D. V., & Stosic, B. (2016). Investigating anthropically induced effects in streamflow dynamics by using permutation entropy and statistical complexity analysis: A case study. Journal of Hydrology, 540, 1136-1145.
Tan, X., & Gan, T. Y. (2017). Multifractality of Canadian precipitation and streamflow. International Journal of Climatology, 37, 1221-1236.
Webber Jr, C. L., & Zbilut, J. P. (2005). Recurrence quantification analysis of nonlinear dynamical systems. Tutorials in contemporary nonlinear methods for the behavioral sciences, 94(2005), 26-94.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2020 Leika Irabele Tenório de Santana; Antonio Samuel Alves da Silva; Rômulo Simões Cezar Menezes; 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.
