RESUMOA região Sul do Brasil, em especial a região da Campanha, tem enfrentado períodos de estiagens na última década, com intensidade e frequência superior à normalidade, afetando de forma decisiva a produção agrícola e, consequentemente, a economia. O monitoramento da área afetada pela seca e sua quantificação é uma informação importante para o manejo e o gerenciamento deste tipo de desastre natural. Objetivou-se analisar a intensidade da seca utilizando o número de dias sem chuva (NDSC), o índice de porcentagem normal (IPN) e o índice padronizado de precipitação (SPI) para a localidade de Bagé/RS/Brasil, representativa da região da Campanha do estado. O cálculo do SPI foi baseado em dados mensais de precipitação pluvial, utilizando-se a distribuição Gama. O ajuste dessa função de probabilidade aos dados do estudo foi comprovado por meio do teste de Qui-quadrado. Os resultados indicaram que tanto o NDSC, quanto o IPN foram capazes de detectar os eventos de seca extrema e severa, que contribuíram para a diminuição no rendimento da soja em Bagé. Os anos de ocorrência de seca classificada como severa e extrema, coincidem com os anos de ocorrência do fenômeno "La Niña". Dos 1164 meses analisados, quanto aos valores de SPI, 6,8% (79) foram classificados como eventos de seca severa e extrema.Palavras-chave: precipitação mensal, Glycine max, déficit hídrico, distribuição Gama, SPI. Severity of drought using rainfall indices ABSTRACTThe southern region of Brazil, especially the region of Campanha, has experienced periods of drought in the last decade, with greater severity and frequency than normal, seriously affecting agricultural production and therefore the economy. Monitoring of the drought-affected area and the drought's quantification are important for the management of this type of natural disaster. This study aimed to analyze the severity of drought using the number of days without rain (NDSC), the rate of normal percentage (IPN) and the standardized precipitation index (SPI), from the town of Bagé/RS/Brazil, representing the Campanha region of the state.
Scientific evidence on climate changes at global level has gained increasing interest in the scientific community in general. The impacts of climate change as well as anthropogenic actions may cause errors in hydro-agricultural projects existent in the watershed under study. This study aimed to identify the presence or absence of trend in total annual precipitation series of the watershed of the Mirim Lagoon, state of Rio Grande do Sul-RS / Brazil / Uruguay (Brazilian side) as well as to detect the period in which they occurred. For that, it was analyzed the precipitation data belonging to 14 weather stations. To detect the existence of monotonic trend and change points, it was used the nonparametric tests of Mann-Kendall and Mann-Whitney, the "t" test of Student for two samples of unpaired data (parametric), as well as the technique of progressive mean. The Weather Station 3152014 (Pelotas) presented changes in the trend in the series of annual precipitation in the period from 1953 to 2007. The methodologies that use subdivided series were more efficient in detecting change in trend when compared with the Mann-Kendall test, which uses the complete series (from 1921 to 2007 PALAVRAS-CHAVE:teste paramétrico e não paramétrico, mudança climática, alteração de tendência.Monotonic trend and change points in southern Brazil precipitationEng.
Resumo -O conhecimento da temperatura do ponto de vista agronômico é importante para o crescimento e desenvolvimento das plantas, assim como para a produção agrícola. No entanto, nem sempre tem-se a disponibilidade de séries temporais, de forma que caracterize o comportamento da variável de interesse ao longo do tempo. Nesse sentido, objetivou-se modelar as séries de temperaturas médias mínima, máxima e média anual da estação agroclimatológica localizada em Pelotas, RS, Brasil, no período de 1931 a 2011, utilizando os modelos autorregressivos e, a partir da adequação do modelo selecionado, realizar a predição da variável. Para tanto foram utilizados os testes de Cox-Stuart, Wald-Wolfowitz, Spearman e Mann-Kendall, para comprovar ou não, a existência de tendência das séries de temperatura ao longo do tempo. Para a modelagem foram utilizados os modelos Autorregressivos Integrados Média Móvel e, para a seleção do modelo mais adequado, o teste de Porteau Monteau. O teste não-paramétrico de Spearman foi considerado o mais robusto para a detecção de tendência nas séries temporais, o que permitiu observar um acréscimo de 1,12ºC nas temperaturas médias mínimas anuais da localidade em estudo. As temperaturas médias mínimas anuais de Pelotas, RS, podem ser previstas pelos modelos autorregressivos -AR (1), cuja inclusão de outro parâmetro regressivo não apresentou ganho de informação na previsão das mesmas. Palavras-chave -Séries temporais. Processo estocástico. Modelos autorregressivosAbstract -The knowledge of temperature from the agronomic viewpoint is important for the growth and development of plants as well as for agricultural production. However, the availability time series is not always available in a way that would allow characterizing the behavior of the interest variable over time. In this sense, the aim of modeling the series of average minimum, maximum temperature and average annual agricultural weather season located in Pelotas, Brazil, in the period 1931-2011, using the autoregressive models and from the adequacy of the selected model, perform the prediction variable. For both tests Cox-Stuart, Wald-Wolfowitz Spearman and Mann-Kendall were used to prove or disprove the existence of the series of temperature trend over time. The Autoregressive Integrated Moving Average was used as a modeling method and the Porteau Monteau test was used in order to select the fittest model. The non-parametric Spearman test was considered the most robust for the detection of trend in time series, which allowed us to observe an increase of 1.12ºC in the annual minimum of the study site, average temperatures. The annual minimum of Pelotas average temperatures can be predicted by autoregressive models -AR (1), the inclusion of other regressive parameter showed no information gain in forecast of annual average minimum temperatures.
Apesar do grande potencial para o transporte aquaviário no Brasil, este modal ainda é pouco explorado. No entanto sua utilização para transporte de cargas, dados seus diferenciais competitivos (como menores custo e impactos ambientais, maior segurança e concentração de cargas), tem aumentado. Os recentes avanços da ciência, capacidade observacional e computacional no desenvolvimento de previsões ambientais mais confiáveis podem auxiliar no suporte à decisão e planejamento de operações ao longo de hidrovias e portos. Está sendo desenvolvida uma ferramenta de suporte ao planejamento e logística da navegação interior: PreHvia-Previsão Hidro-meteoceanográfica das vias fluviais e portos. Esta ferramenta web trará informações de previsão meteorológica e climática, assim como de vazão e cotas dos rios, e de altura d'água, corrente e onda na região próxima aos portos. Até o presente momento, o desenvolvimento da ferramenta é focado na região Amazônica, em especial para a hidrovia Tapajós-Amazonas e portos do Arquipélago da Ilha do Marajó, mas visiona a expansão para as demais hidrovias e portos brasileiros. Esse artigo discute as diversas metodologias e modelos numéricos, que estão sendo desenvolvidos e validados para previsões de tempo, clima, hidrológicas, hidrodinâmicas e oceânicas, assim como os resultados preliminares, dificuldades encontradas, os próximos passos e oportunidades para desenvolvimentos futuros. A ferramenta PreHvia é formada por quatro módulos principais: com modelos atmosférico e climático regionais, modelo hidrológico da bacia do Tapajós-Amazonas, modelo hidrodinâmico do Arquipélago de Marajó e modelo de ondas da região costeira e do Arquipélago de Marajó. Os diferentes modelos são acoplados formando um sistema de previsão de variáveis ambientais para os próximos dias, além do monitoramento e de uma climatologia e estatísticas que irão permitir o planejamento a longo prazo. A ferramenta fornecerá informações essenciais para um bom planejamento e operações eficientes, com maior segurança e menor riscos nas hidrovias e portos do país.
Apesar do grande potencial para o transporte aquaviário no Brasil, este modal ainda é pouco explorado. No entanto sua utilização para transporte de cargas, dados seus diferenciais competitivos (como menores custo e impactos ambientais, maior segurança e concentração de cargas), tem aumentado. Os recentes avanços da ciência, capacidade observacional e computacional no desenvolvimento de previsões ambientais mais confiáveis podem auxiliar no suporte à decisão e planejamento de operações ao longo de hidrovias e portos. Está sendo desenvolvida uma ferramenta de suporte ao planejamento e logística da navegação interior: PreHvia – Previsão Hidro-meteoceanográfica das vias fluviais e portos. Esta ferramenta web trará informações de previsão meteorológica e climática, assim como de vazão e cotas dos rios, e de altura d’água, corrente e onda na região próxima aos portos. Até o presente momento, o desenvolvimento da ferramenta é focado na região Amazônica, em especial para a hidrovia Tapajós-Amazonas e portos do Arquipélago da Ilha do Marajó, mas visiona a expansão para as demais hidrovias e portos brasileiros. Esse artigo discute as diversas metodologias e modelos numéricos, que estão sendo desenvolvidos e validados para previsões de tempo, clima, hidrológicas, hidrodinâmicas e oceânicas, assim como os resultados preliminares, dificuldades encontradas, os próximos passos e oportunidades para desenvolvimentos futuros. A ferramenta PreHvia é formada por quatro módulos principais: com modelos atmosférico e climático regionais, modelo hidrológico da bacia do Tapajós-Amazonas, modelo hidrodinâmico do Arquipélago de Marajó e modelo de ondas da região costeira e do Arquipélago de Marajó. Os diferentes modelos são acoplados formando um sistema de previsão de variáveis ambientais para os próximos dias, além do monitoramento e de uma climatologia e estatísticas que irão permitir o planejamento a longo prazo. A ferramenta fornecerá informações essenciais para um bom planejamento e operações eficientes, com maior segurança e menor riscos nas hidrovias e portos do país.
Many hydro-meteorological disasters in small and steep watersheds develop quickly and significantly impact human lives and infrastructures. High-resolution rainfall data and machine learning methods have been used as modeling frameworks to predict those events, such as flash floods. However, a critical question remains: How long must the rainfall input data be for an empirical-based hydrological forecast? The present article employed an artificial neural network (ANN)hydrological model to address this issue to predict river levels and investigate its dependency on antecedent rainfall conditions. The tests were performed using observed water level data and high-resolution weather radar rainfall estimation over a small watershed in the mountainous region of Rio de Janeiro, Brazil. As a result, the forecast water level time series only archived a successful performance (i.e., Nash–Sutcliffe model efficiency coefficient (NSE) > 0.6) when data inputs considered at least 2 h of accumulated rainfall, suggesting a strong physical association to the watershed time of concentration. Under extended periods of accumulated rainfall (>12 h), the framework reached considerably higher performance levels (i.e., NSE > 0.85), which may be related to the ability of the ANN to capture the subsurface response as well as past soil moisture states in the watershed. Additionally, we investigated the model’s robustness, considering different seeds for random number generating, and spacial applicability, looking at maps of weights.
The present technical article refers to the methodology, application and evaluation of the first computational tool for diagnosis and prognosis of flash floods, based on rain thresholds, which was implemented in the platform of the National Center for Monitoring and Early Warning of Natural Disasters (Cemaden). From historical series of river levels and rainfall data, a procedure was developed to construct relationships that indicate the amount of rain necessary to increase the probability of flash floods occurring in up to twentyfour hours. Rainfall data from rain gauges, weather radars, satellites and atmospheric modeling are used for real-time monitoring of the pre-es- tablished critical rainfall thresholds, integrated into the monitoring and operation. Three cases of flash flood risk warnings sent after the implementation of the tool were analyzed, which demonstrated a good performance in the anticipation of flash floods hazard situations. O presente artigo refere-se à apresentação da metodologia, aplicação e avaliação da primeira ferramenta computacional para diagnóstico e prognóstico para inundações bruscas, baseada em limiares de chuva, que foi implementada na plataforma do Centro Nacional de Monitoramento e Alerta de Desastres Naturais (Cemaden). A partir de séries históricas de níveis dos rios e dados pluviométricos, um procedimento foi ela- borado para construir relações que indicam a quantidade de chuva necessária para aumento da probabilidade de ocorrência de inundações bruscas em até vinte e quatro horas. Os dados de precipitação provenientes de pluviômetros, radares meteorológicos, satélites e modelagem atmosférica por conjunto são utilizados para acompanhamento em tempo real dos níveis críticos de chuva pré-estabelecidos, integrados ao monitoramen- to e operação. Foram analisados três casos de alertas de risco às inundações bruscas, enviados após a implementação da ferramenta, que demonstrou um bom desempenho na antecipação de situações de perigo devido às inundações bruscas
Avaliação da chuva prevista em curto prazo por radar meteorológico
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.