Preenchimento de Falhas em Séries Temporais de Precipitação Diária no Rio Grande do Sul

Abstract

Resumo O preenchimento de falhas em séries temporais de precipitação é um importante processo para aplicações em hidrologia, visando o aproveitamento de longas séries, evitando que as mesmas sejam descartadas. Desse modo, este estudo teve como objetivo realizar o preenchimento de falhas em séries históricas de precipitação diária no Rio Grande do Sul (RS), auxiliando no aproveitamento desses dados em estudos que necessitem de analises de longo prazo. Para tanto, foram utilizadas séries históricas de 287 estações, no período entre 1987 e 2016 e aplicados os métodos de Regressão Linear Múltipla (RLM) e Redes Neurais Artificiais (RNA), comparando e avaliando os valores preenchidos. Um algoritmo foi desenvolvido para realizar as seguintes operações: i) identificar os dias com falhas em cada estação; ii) identificar as estações que podem ser utilizadas para o preenchimento de cada falha; iii) identificar todas as combinações de entrada para o preenchimento de falhas em cada estação; iv) realizar o ajuste/treinamento dos modelos RLM e RNA; v) realizar a validação dos modelos com base no período sem falhas de cada estação. Os principais resultados indicam que a maior densidade de estações pluviométricas favorece o processo de preenchimento de falhas em séries históricas de precipitação, melhorando a qualidade da série preenchida. O preenchimento de falhas apresentou maior coeficiente de determinação e menor erro médio absoluto usando o modelo RLM em relação às RNA, possivelmente em função da forte correlação linear entre os dados de precipitação de cada local em relação a sua vizinhança. O modelo de RLM apresentou um coeficiente de determinação (R2) médio de 0,697, enquanto que o modelo RNA obteve media de 0,675. Levando-se em conta a análise por meio do erro médio absoluto (EMA), a média dos valores foi de 2,27 mm para a RLM, enquanto para a RNA o erro ficou em 2,31 mm. Conclui-se, considerando o conjunto de dados de precipitação diária do RS, que houve uma pequena superioridade do método RLM em relação à RNA.

Comportamento histórico de chuvas e vazões na bacia hidrográfica do rio Cachoeira e suas implicações na ocorrência de eventos de inundações na cidade de Itabuna-BA

“…As falhas mensais encontradas nas séries históricas da pluviometria, nestas 11 estações préselecionadas, foram preenchidas de acordo com o método da regressão linear múltipla (Oliveira et al, 2010;Bertoni e Tucci, 2013;Mello et al, 2017;Brubacher et al, 2020) Em seguida plotou-se a curva das duplas massas, onde está a equação de tendência linear das precipitações anuais e sua correlação. Neste caso pode-se garantir a consistência do preenchimento dos dados e consequentemente da série histórica utilizada por meio do coeficiente de determinação próximo de 1.…”

Banco de Dados Espacial de Precipitação do Estado do Rio Grande do Sul

“…Visando comparar os dois métodos, foi desenvolvido um algoritmo no software MATLAB, com os seguintes critérios: i) para uma estação vizinha ser considerada apta para o preenchimento de falhas, o coeficiente de correlação linear (r) da precipitação nos dois locais deve ser igual ou superior a 0,6 e a distância máxima entre as estações não pode ultrapassar 100 km; ii) três é o número mínimo de estações vizinhas para executar o processo de preenchimento; iii) o conjunto amostral de treinamento e de validação dos modelos de RLM e RNA, em cada estação, é sempre o mesmo. Esses critérios foram propostos em Brubacher et al (2020).…”

“…Embora as análises das variações climáticas se destaquem em nível mundial (Dore, 2005;Wang et al, 2018;Ghumman et al, 2020;Tabari, 2020), a importância do monitoramento e o registro de séries temporais de precipitação permitem que projetos técnicos sejam viabilizados, no planejamento e prevenção de desastres (Chou et al, 2013;Barcellos et al, 2016;Liu et al, 2021), normais climatológicas (Arguez et al, 2012;Reboita e Kruche, 2018;Vieira et al, 2018), projetos agrícolas e de engenharia hidráulica (Beijo et al, 2005;Menezes et al, 2010;Costa, 2016), entre outros. Esses estudos demandam séries longas de precipitação para serem viáveis, no entanto, dificuldades na sua obtenção e no seu processamento são recorrentes (Trenberth, 2011;Brubacher et al, 2020;Veber et al, 2020).…”