Correção de dados agrometeorológicos utilizando métodos estatísticos

Abstract

A análise de dados climáticos fornece suporte para a previsão de fenômenos, para a avaliação de dados históricos e para a tomada de decisões, em especial na área agrícola. Garantir a sua qualidade é fundamental. O processo de coleta dos dados, através das estações meteorológicas, pode apresentar problemas, onde inconsistências podem ocorrer. Este artigo apresenta uma abordagem para solução do problema, utilizando técnicas estatísticas e geoestatísticas, na identificação de dados inconsistentes e na estimativa de dados a serem corrigidos ou preenchidos. A implementação destas técnicas, em um banco de dados espacial, apresentou-se como um facilitador na identificação e no preenchimento de dados. Para avaliação destas técnicas foram utilizados dados de temperatura coletadas por estações meteorológicas localizadas no Estado do Paraná. Como resultado, as técnicas de identificação de erros mostraram-se adequadas na consistência de erros básicos e históricos. A validação espacial apresentou baixo desempenho por superestimar a quantidade de dados incorretos. As técnicas utilizadas na estimativa dos dados, Krigagem, Inverso da Distância e Regressão Linear, apresentaram desempenho semelhantes com relação à análise dos erros.

Assessment of monthly global solar irradiation estimates using air temperature in different climates of the state of Rio de Janeiro, Southeastern Brazil

“…The quality of weather data used in this study was based on a set of validation rules and analysis with the objective of identifying errors and failures in the meteorological series used in the methods to estimate H g . A three-step quality control was used: (1) basic validation, (2) temporal validation and (3) spatial validation, as described by Allen [13,26] and Baba et al [27].…”

SIMULAÇÃO DA DEMANDA HÍDRICA DO PANICUM MAXIMUM CV. MOMBAÇA EM FUNÇÃO DA TEXTURA DO SOLO E PRECIPITAÇÃO PLUVIAL EM LINHARES - ES

“…Sob este ponto de vista, os dados válidos podem ser restritos dentro de um limite de valores possíveis. Por exemplo, a umidade relativa do ar deve estar em um intervalo de dados de 0% a 100%, e a temperatura deve estar em um intervalo de -30 °C e + 50 °C (BABA et al, 2014).…”

Comparação entre dados meteorológicos provenientes de sensoriamento remoto (modelados e de satélites) e de estações de superfície (Comparison of meteorological data obtained by remote sensing (from models and satellites) and weather stations data)

“…Apesar de São Paulo ser um dos estados brasileiros com maior cobertura de dados meteorológicos, esta cobertura é ainda escassa e espacialmente descontínua, além de ser sujeita a apresentar falhas temporais nos dados disponibilizados (Baba et al, 2014;Depiné et al, 2014;Xavier et al, 2016). Precipitação pluvial, radiação solar, temperatura, umidade do ar e velocidade do vento são elementos climáticos que exercem direta e grande influência sobre o crescimento e a produtividade de culturas agrícolas, atuando sobre as taxas de evapotranspiração (Allen et al, 1998).…”