Modelagem da distribuição de frequência da precipitação para o Agreste Meridional do Estado de Pernambuco
DOI:
https://doi.org/10.33448/rsd-v9i11.9899Palavras-chave:
Modelagem; Distribuição de probabilidade; Precipitação.Resumo
A caracterização de mudança climáticas de uma região admite determinar ações de planejamento para atividades agrícolas futuras. Sendo assim, objetivou-se modelar a precipitação pluviométrica do ano de 2017 para o Agreste Meridional de Pernambuco, Brasil, a partir de distribuições probabilísticas. Foram analisadas a qualidade do ajuste e aderência de distintas funções de probabilidade (Cos-Weibull, Weibull-Exponential, Kumaraswamy Weibull e Kumaraswamy Weibull Poisson e Gumbel). Para verificar os ajustes, foram determinados os critérios os estatísticos da AIC, BIC e HQIC, além dos testes de Anderson Darling (AD) e Cramér-von Misses (CVM). A área de estudo é formada por 71 municípios distribuídos em seis microrregiões do Agreste Pernambucano e está inserida na área de cobertura denominada "áreas sujeitas a secas", que apresenta período de estiagem inferior ao sertão. Para a elaboração deste trabalho, foram utilizados dados médios anuais de precipitação de 2017 das 71 estações meteorológicas (municípios), adquiridos da Agência de Água e Clima de Pernambucana (APAC) e da Agência Nacional de Água (ANA). As cinco funções de probabilidade resultaram em adequados e bons ajustes, exceto Kumaraswamy Weibull Poisson e Gumbel. Entretanto, os resultados obtidos indicaram que a distribuição Cos-Weibull com dois parâmetros foi mais adequadamente ajustada às condições pluviométricas das seis microrregiões do Agreste Pernambucano, seguidas pelas distribuições Weibull-Exponential, Kumweibul e Kumwpoisson. Para os dados em questão, a função de probabilidade que apresentou resultado mais acurado às condições pluviométricas das seis microrregiões do Agreste Pernambucano, foi a de Cos-Weibull com dois parâmetros, seguidas pelas distribuições Weibull-Exponential, Kumweibul, e por último a Kumaraswamy Weibull Poisson.
Referências
Agência Estadual de Planejamento e Pesquisas de Pernambuco (2017). Recuperado de http://www.condepefidem.pe.gov.br/web/condepe-fidem/pernambuco-em-mapas.
Akaike, H. (1972). Use of an information theoric quantity for statistical model identification. In: HAWAII INTERNATIONAL CONFERENCE ON SYSTEM SCIENCES, 5th, Hawaii. Western Periodicals. 249-250.
Anderson, T. W., & Darling, D. A. (1952). Asymptotic theory of certain goodnessof-fit criteria based on stochastic processes. Annals of Mathematical Statistics. 23, 193–212.
Andrade Júnior, A. S., & de Bastos, E. A. (1997). Precipitação pluviométrica provável em municípios do cerrado piauiense. Teresina. EMPRABA-CPAMN, 22p. Documentos, 25.
Andrade, A. R. S., Neto, A. H. G., Cruz, A. F. S., Andrade, E. K. P., Santos, V. F., & Silva, T. N. P. (2018) Geoestatística aplicada à variabilidade espacial e padrões nas séries temporais da precipitação no Agreste pernambucano. Journal of Environmental Analysis and Progress, Pernambuco, Brazil. 3(1), 126-145.
Araújo, W. F., Júnior, A. S. A., Medeiros, R. D. M., & Sampaio, R. A. (2001). Precipitação pluviométrica mensal provável em Boa Vista, Estado de Roraima, Brasil. Revista Brasileira de Engenharia Agrícola e Ambiental. 5(3), 563-567.
Arraes, F. D. D., Lopes, F. B., Souza, F., & Oliveira, J. B. (2009). Estimativa do balanço hídrico para as condições climáticas Iguatu, Ceará, usando modelo estocástico. Revista Brasileira de Agricultura Irrigada. 3(2), 78-87.
Assis, F. N., Arruda, H. V., & Pereira, A. R. (1996). Aplicações de estatística à climatologia: teoria e prática. Editora Universitária, 161.
Astolpho, Camargo, M. B. P., Junior, M. J. P., Filho, W. J. P.,& Bardin, L. (2005). Regionalização de riscos de ocorrência de temperaturas mínimas absolutas anuais para o estado de São Paulo com base em modelos probabilísticos e digitais de elevação. Bragantia. 64(1), 39-148.
Ávila, L. F., Mello, C. R., & Viola, M. R. (2009). Mapeamento da precipitação mínima provável para o sul de Minas Gerais. Revista Brasileira de Engenharia Agrícola e Ambiental. 13, 906-915.
Bega, R. M., Vieira, S. R., De Maria, I. C., Dechen, S. C. F., & Castro, O. M. (2005). Variabilidade espacial das precipitações pluviais diárias em uma estação experimental, em Pindorama, SP. Bragantia, Campinas, São Paulo. 64(1), 149-156.
Brito, C. C. R. (2014). Método gerador de distribuições e classes de distribuições probabilísticas. Tese de Doutorado, Universidade Federal Rural de Pernambuco – UFRPE, Recife.
Burnham, K. P., & Anderson, D. R. (2002). Model selection and multi-model inference: a practical information-theoretic approach. 2a. Edição, Springer.
Camargo, A .P, & Pereira, A. R. Agrometeorology of the coffee crop. Geneva, Switzerland: Word Meteorological Organization. (1994). (Agricultural Meteorology Cam Report, 58).
Carvalho, J. R. P., Vieira, S. R., & Grego, C. R. (2009). Comparação de métodos para ajuste de modelos de semivariograma da precipitação pluvial anual. Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande. 13(4), 443-448.
Chen, G., & Balakrishnan, N. (1995). A general purpose approximate goodness-of-fit test. Journal of Quality Technology. 27, 154-161.
Cordeiro, G.M., & Castro, M. (2011). A new family of generalized distributions. Journal of Statistical Computation and Simulation, London. 81, 883-898.
Dourado Neto D., Assis, J. P. De, Timm, L. C., Manfron, P. A., Sparovek, G., Faraway, J., Marsaglia, G., Marsaglia, J., & Baddeley, A. (2014). Goftest: Classical Goodness-of-Fit Tests for Univariate Distributions. R package version 1.0-2.
Emiliano, P. C. (2013). Critérios de informação: como eles se comportam em diferentes modelos. Tese doutorado, Universidade Federal de Lavras – UFLA, Recife.
França, M. V., Medeiros, R. M., Araújo, W. R., & Holanda, R. M. M. (2020). Variabilidade dos índices de aridez e aplicabilidade da equação de perda de solo no município de Amparo de São Francisco - Sergipe, Brasil. Research, Society and Development. 9(10), 1-25. ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v9i10.8756
Kumaraswamy, P. (1980). A generalized probability density function for double-bounded random processes. Journal of Hydrology, New York. 46, 79-88.
Marshall, A. W., & Olkin, I. (1997). A new method for adding a parameter to a family of distributions with aplication to the esponential and Weibull families. Biometrika, London. 3, 641-652.
Mazucheli, J., & Emanuell, I.P. (2019). Aplicação da Distribuição Nakagami na Análise de Dados de Precipitação. Revista Brasileira de Meteorologia. 34(1), 17.
Mello, Y. R., & Oliveira, T. M. N. (2016). Análise Estatística e Geoestatística da Precipitação Média para o Município de Joinville (SC). Revista Brasileira de Meteorologia, São Paulo. 31(2), 229-239.
Moura, M. S. B., Sobrinho, J. E., Filho, F. Q. P., Filho, F. X. O., & Maia, A. J. (2001). Estimativa da evapotranspiração de referência máxima possível para o município de Mossoró-RN, utilizando a distribuição probabilística de Gumbel. Caatinga, Mossoró-RN. 14(1/2), 25-30.
Moura, Q. L., Ruivo, M. L. P., & Rodrigues, H. J. B. (2015). Variação sazonal da população de bactérias e fungos e dos teores de nitrato de amônio do solo nos sítios do LPA e PPBIO na Amazônia Oriental. Revista Brasileira de Meteorologia, São Paulo. 30(3), 265-274.
Mudholkar, G. S., Srivastava, D. K., & Freimer, M. (1995). The exponentiated Weibull family: a reanalysis of the bus-motor-failure data. Technometrics, Washington. 37, 436-445.
Oliveira, L. F. C., Viola, M. R., Pereira, S., & Morais, N. R. (2011). Modelos de predição de chuvas intensas para o estado do Mato Grosso, Brasil. Ambi‐Agua, Taubaté. 6(3), 274‐ 290.
Pascoa, M. A. R. (2012). Extensões da distribuição gama generalizada: propriedades e aplicações. Tese de doutorado - Escola Superior de Agricultura “Luiz de Queiroz”, São Paulo.
Ramos, A. M. (2010). Influência das mudanças climáticas devido ao efeito estufa na drenagem urbana de uma grande cidade. Tese de doutorado - Universidade Federal de Pernambuco – UFPE, Recife.
Ribeiro, A. M. A., & Lunardi, C. (1997). A precipitação mensal provável para Londrina, PR, através da função gama. Energia na Agricultura, Botucatu. 12, 37-44.
Ribeiro, B. T., Avanzi, J. C, Mello, C. R., Lima, J. M., & Silva, M. L. N. (2007). Comparação de distribuições de probabilidade e estimativa da precipitação provável para região de Barbacena – MG. Ciência e Agrotecnologia. 31(5), 1297-1302.
Salgueiro, J. H. P. B. (2005). Avaliação de rede pluviométrica e análise de variabilidade espacial da precipitação: estudo de caso na bacia do rio Ipojuca em Pernambuco. Dissertação de mestrado, Universidade Federal de Pernambuco - CTG. Engenharia Civil.
Santos, F. S., Nascimento, K. K. F., Jesus, E. S., Jale, J. S., Stosic, T., & Ferreira, T. A. E. (2019). Análise estatística da velocidade do vento em Petrolina-PE utilizando as distribuições Weibull e a Burr. Journal of Environmental Analysis and Progress. 4(1), 057-064.
Scheffer, S., Doherty, F. R., Ferreira, N. S., & Filho, P. F. A. (1994). Análise da Rede Pluviométrica do Estado de Pernambuco. In: II Simpósio de Recursos Hídricos do Nordeste, ABRH, – 310, Fortaleza, Ceará, 302.
Sidney R. Vieira, S. R., Camargo, M. B. P., & Siqueira, G. M. (2009). Análise espacial da temperatura e da precipitação média anual no estado de São Paulo (Brasil). BioEng, Campinas. 3(2), 87-97.
Silva, I. N., Oliveira, J. B. de, Fontes, L. O., & Arraes, F. D. D. (2013). Distribuição de frequência da chuva para região Centro-Sul do Ceará, Brasil. Revista Ciência Agronômica. 44(3), 481-487.
Silva, R. O. B. (2013). Tendências de mudanças climáticas na precipitação pluviométrica no estado de Pernambuco. Dissertação (Mestrado Engenharia Civil), Universidade Federal de Pernambuco – UFPE, Recife.
Silva, S. A., Lima, J. S. S., & Bottega, E. L. (2011). Variabilidade espacial da precipitação pluviométrica para o Estado do Espírito Santo utilizando métodos multivariados. Revista Brasileira de Ciências Agrárias. 6(4), 703-790.
Souza, I. F., Lundgren, W. J. C., & Netto, A. O. (2010). Comparação entre distribuições de probabilidades da precipitação mensal no Estado de Pernambuco. Revista Scientia Plena, Aracajú. 6(6), 1-10.
Souza, L. (2015). New Trigonometric Class of Probabilistic Distributions. Thesis (Doctorate in Biometry and Applied Statistics) - Department of Statistics and Information, Federal Rural University of Pernambuco, Recife, Brazil.
Uliana, E. M., Reis, E. F., Silva, J. G. F, & Xavier, A. C. (2013). Precipitação mensal e anual provável para o Estado do Espírito Santo. Revista Irriga, Botucatu. 18(1), 139-147.
Viana, T. V. A, Júnior, R.R.C., Moreira, L.G.M., Azevedo, B.M.A., & Viana, S.S.A. (2005). Análise estocástica dos déficits e dos excedentes hídricos mensais em Fortaleza, CE. Revista Ciência Agronômica. 36(3), 391-395.
Vieira, J. P. G., Souza, M. J. H. De, Teixeira, J. M., & Carvalho, F. P. (2010). Estudo da precipitação mensal durante a estação chuvosa em Diamentina, Minas Gerais. Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande. 14(7), 762-767.
Warrick, A. W., & Nielsen, D. R. (1980). Spatial variability of soil physical properties in the field. In: Hillel, D. (Ed.). Applications of soil physics. New York: Academic Press. 319-344.
Yilmaz, V., & Çelik, H. E. (2008). A statistical approach to estimate the wind speed distribution: the case of gelibolu region. Doğuş Üniversitesi Dergisi. 9(1), 122-132.
Zhang, T., & Xie, M. (2007). Failure data analysis with extended Weibull distribution. Communications in Statistical - Simulation and Computation, London. 36, 579-592.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2020 Antonio Ricardo Santos de Andrade; Luciano Souza; Edijailson Gonçalves da Silva; Emylle Kerolayne Palmeira de Andrade; Claudia Machado Costa; Maria Gorete dos Santos Silva; Jéssica Dayana de Souza Silva; Adiel Felipe da Silva Cruz; Wllias Mendonça dos Santos; Maria Emanuely da Silva Ferreira
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.