Simulação estocástica da radiação fotossinteticamente ativa e da temperatura do ar por diferentes métodos

Abstract

Resumo -O objetivo deste trabalho foi comparar três métodos para simulação de dados de radiação fotossinteticamente ativa e temperatura do ar, com o uso de parâmetros diários de 17 estações do Estado de São Paulo. A simulação foi realizada para o primeiro e o 16 o dia de cada mês, conforme: a distribuição normal truncada a mais ou menos 1,96 de desvio-padrão; distribuição triangular assimétrica; e distribuição normal bivariada. As estimativas com os dados simulados foram comparadas com os respectivos parâmetros (obtidos com os dados observados), pelos testes de homogeneidade de variância F e Bartlett, teste t de comparação de médias, coeficiente de correlação de Pearson, índice de concordância de Willmott, índice de desempenho de Camargo, coeficiente angular e o teste de normalidade dos dados. A simulação pela distribuição normal bivariada é a mais adequada para representar as variáveis climáticas.Termos para indexação: distribuições de probabilidade, variáveis climáticas, normal bivariada, distribuição normal, distribuição triangular. Random simulation of photosynthetically active radiation and air temperature through different methodsAbstract -The purpose of this work was to compare three methods for simulating data of photosynthetically active radiation and air temperature, using daily parameters of 17 stations of São Paulo State, Brazil. The simulation of those elements was carried out for de 1 st and the 16 th day of each month, through three cases: nonsymmetric triangular distribution; normal distribution truncated at 1.96 standard deviation; and bivaried normal distribution. The simulated data were evaluated through the tests of homogeneity of variance F and Bartlett, t test, agreement index of Willmott, angular coefficient of the straight line, the index of performance of Camargo and tack the normal distribution (uni-varied). The simulation using the bi-varied normal distribution is most appropriate for representing the climate variables.

Modelagem da precipitação pluvial diária intra-anual da Bacia Hidrográfica Paraná III associada aos eventos ENOS

“…Ademais, a aplicação cada vez mais habitual do Método de Monte Carlo para estimar as propriedades estatísticas das variáveis hidrológicas envolvidas agrega uma importância extra para a geração de séries consistentes (Castellví et al, 2001;Calgaro et al, 2009;Detzel & Mine, 2011). Wan et al (2005), Martin et al (2007) e Semenov (2008) afirmam que modelos estocásticos aplicados em hidrologia são, muitas vezes, utilizados para complementar dados climatológicos observados diariamente e que também podem ser usados para gerar séries longas de dados sintéticos para análise de risco. Eles se concentram nas variações dos parâmetros meteorológicos do dia-a-dia transformando fluxos de números aleatórios produzidos por algoritmos computacionais em sequências de valores baseados em várias propriedades estatísticas das observações climatológicas atuais.…”

Decision Strategies for Soil Water Estimations in Soybean Crops Subjected to No-Tillage and Conventional Systems, in Brazil

“…CROPGRO-Soybean was calibrated, using genetic coefficients for the cultivar Fepagro RS-10, as described by Martorano (2007) and Martorano et al (2008a). The methodology of Willmott et al (1985) recommended the use of RMSE (root mean square error) and D-index (index of agreement), but suggested that RMSE is the ''best'' measure as it summarizes the mean difference in the units of observed and predicted values (Martin et al, 2007). The RMSE indicates the bias produced by the model, i.e., deviation of the actual slope from the 1:1 line while it also may be seen as a precision measure, as it compares the bias of model predicted values with the random variation that may occur.…”

Evaluation of six distributions of probability at maximum temperature series in Iguatu - CE, Brazil

“…Após a aplicação das distribuições de probabilidade, suas respectivas aderências foram testadas utilizando os testes Qui-quadrado e Lilliefors ambos ao nível de significância de 5%. a) Distribuição Gumbel I -tem como uma das formas de apresentar sua função densidade de probabilidade (BEIJO et al, 2005;NAGHETTINI;PINTO, 2007):…”