Análise de complexidade da precipitação mensal no estado de Pernambuco utilizando o Sample Entropy

Autores

DOI:

https://doi.org/10.33448/rsd-v9i9.7763

Palavras-chave:

Ciclo hidrológico; Precipitação; Série temporal; Entropia.

Resumo

A precipitação pluviométrica é uma das etapas do ciclo hidrológico responsáveis pelo retorno das águas condensadas na atmosfera à superfície terrestre. É um processo natural de extrema importância para o funcionamento dos ecossistemas, pois regula a disponibilidade hídrica para os diversos usos e serviços ambientais. O objetivo deste trabalho é avaliar a variabilidade de séries temporais de precipitação do estado de Pernambuco através de dados mensais de precipitação coletados durante o período de 1950 a 2012, cedidos pelo Laboratório de Meteorologia de Pernambuco (LAMEP), órgão pertencente ao Instituto Tecnológico de Pernambuco (ITEP). Os dados foram analisados através do método Sample Entropy (SampEn), desenvolvido para quantificar a complexidade em séries temporais não lineares, e interpolados através do método Inverse Distance Weighting (IDW), proporcionando uma estimativa da complexidade da precipitação no estado de Pernambuco. Os resultados mostraram que para todo estado de Pernambuco, os valores de entropia das séries de precipitação mensal são classificados de moderado a baixo, indicando que ao longo de toda região, as séries não são difíceis de serem modeladas para realização de possíveis previsões da mesma na escala mensal.

Biografia do Autor

Cleo Clayton Santos Silva, Universidade Federal Rural de Pernambuco

Mestre em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco (2016), Especialista em Didática do Ensino Superior (2012) e em Metodologia do Ensino da Matemática pela Faculdade São Luis de França (2008), Graduado em Estatística Bacharelado pela Universidade Federal de Sergipe (2014) e em Matemática Licenciatura pela Universidade Tiradentes (2007). Professor da Faculdade de Administração e Negócios de Sergipe desde agosto de 2019.

Rômulo Simões Cezar Menezes, Universidade Federal de Pernambuco

Graduado em Agronomia pela Universidade Federal Rural de Pernambuco (1992), mestre em Soil Fertility - University of Georgia (1995) e doutor em Soil and Crop Sciences - Colorado State University (1999). Atualmente é Professor Associado do Departamento de Energia Nuclear da Universidade Federal de Pernambuco. 

Tatijana Stosic, Universidade Federal Rural de Pernambuco

Doutora em Física Estatística pela Universidade de Belgrado, atualmente é Professora Associada III do Departamento de Estatística e Informática da Universidade Federal Rural de Pernambuco. Atua na Pós-Graduação em Biometria e Estatística Aplicada da UFRPE, onde promove aplicação de métodos de Física Estatística em diversas áreas fenomenológicas, para análise de dados de meio ambiente, hidrologia, economia e medicina. 

Antonio Samuel Alves da Silva, Universidade Federal Rural de Pernambuco

Doutor em Biometria e estatística Aplicada pela Universidade Federal Rural de Pernambuco (2015), Mestre em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco (2012) e graduado em Matemática pela Universidade Regional do Cariri (2009). Professor Adjunto do Departamento de Estatística e Informática e do Programa de Pós Graduação em Biometria e Estatística Aplicada na Universidade Federal Rural de Pernambuco.

Referências

Chiaranda, R., Rizzi, N. E., Colpini, C., Soares, T. S., & Silva, V. S. M. (2012). Análise da Precipitação e da Vazão da Bacia do Rio Cuiabá. Revista Brasileira de Ciências Agrárias, 7, 117-122.

Chou, C. M. (2014). Complexity analysis of rainfall and runoff time series based on sample entropy in different temporal scales. Stochastic Environmental Research and Risk Assessment, 28, 1401-1408.

Dantas, J. A., Santos, M. C., & Heck, R. J. (1998). Caracterização de podzólicos amarelos irrigados e não irrigados de submédio São Francisco. Revista Brasileira de Ciência do Solo [online], 22, 761-771.

Dong, L., & Meng, L. (2013). Application of sample entropy on measuring precipitation series complexity in jiansanjiang branch bureau of china. Nature Environment and Pollution Technology, 12, 249.

Ferraz, J. S. F., Albuquerque, U. P., & Meunier, I. M. J. (2006). Valor de uso e estrutura da vegetação lenhosa às margens do riacho do Navio, Floresta, PE, Brasil. Acta Botanica Brasilica, 1, 125-134.

Ferreira, F. F., Lacerda, F. F., & Aragão, J. O. R. (2006). Relação entre a precipitação observada no leste de Pernambuco e os dados da bóia PIRATA localizada em 32W e 08S. In: XIV Congresso Brasileiro de Meteorologia. Anais 1980 – 2006, cbmet.com. Edição XIV, Florianópolis.

Girão, O., Corrêa, A., & Guerra, A. (2006). Influência da Climatologia Rítmica sobre áreas de risco: o caso da Região Metropolitana do Recife para os anos de 2000 e 2001. Revista de Geografia (Recife), 23, 3-41.

Guedes, M. V. (2012). Situação das áreas de reserva legal e proteção dos recursos naturais em assentamentos rurais da Mata Meridional pernambucana. Dissertação de Mestrado. Universidade Federal de Pernambuco, CFCH. Programa de Pós-Graduação em Desenvolvimento e Meio Ambiente. Recife.

Lacerda, F.F. (1996). Estimativa da variabilidade espacial das chuvas nas microrregiões homogêneas do Estado de Pernambuco em 1995. In: XI Congresso Brasileiro de Meteorologia, Cachoeira Paulista.

Lira, V. M., Oliveira, F. M., Dantas, R. T., & Souza, W. M. De (2006). Alterações da precipitação em municípios do Estado de Pernambuco. Engenharia Ambiental, 3, 52-61.

Manso, V. A. V., Coutinho, P. N., Guerra, N. C., & Soares Junior, C. F. A. (2006). Erosão e progradação do litoral brasileiro (Pernambuco). In: Dieter Muehe. (Org.). Erosão e progradação do litoral brasileiro, 1, 179-196.

Pereira, A. S., et al. (2018). Metodologia da pesquisa científica. [e-book]. Santa Maria. Ed. UAB/NTE/UFSM. Recuperado de https://repositorio.ufsm.br/bitstream/handle/1/15824 /Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1.

Pinto, N. L. De S., Holtz, A. C. T., Martins, J. A., & Gomide, F. L. S. (1988). Hidrologia Básica.

R Core Team (2019). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria.

Richman, J. S., & Moorman, J. R. (2000). Physiological time-series analysis using approximate entropy and sample entropy. American Journal of Physiology- Heart and Circulatory Physiology, 278, 2039-2049.

Shepard, D. (1968). A two-dimensional interpolation function for irregularly-spaced data. In: Proceedings of the 1968 23rd ACM national conference. 517-524.

Shi, W., & Shang P. (2013). Cross-sample entropy statistic as a measure of synchronism and cross-correlation of stock markets. Nonlinear Dynamics, 71, 539–554.

Silva, A. S. A. (2015). Ferramentas para modelagem e interpolação de dados ambientais em escala regional. 104 p. Doutorado em Biometria e Estatística Aplicada – Universidade Federal Rural de Pernambuco, Recife – PE.

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, 04018068.

Downloads

Publicado

04/09/2020

Como Citar

SILVA, C. C. S.; MENEZES, R. S. C.; STOSIC, T.; SILVA, A. S. A. da. Análise de complexidade da precipitação mensal no estado de Pernambuco utilizando o Sample Entropy. Research, Society and Development, [S. l.], v. 9, n. 9, p. e714997763, 2020. DOI: 10.33448/rsd-v9i9.7763. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/7763. Acesso em: 30 jun. 2024.

Edição

Seção

Ciências Agrárias e Biológicas