Uma das grandes preocupações da sociedade, na última década, diz respeito às alterações climáticas e suas consequências para a humanidade. O objetivo deste trabalho foi avaliar a variabilidade espacial da precipitação pluviométrica no Estado do Espírito Santo com base nos valores das coordenadas geográficas e altitude das estações de medição. Utilizaram-se valores de precipitação pluvial levantados para 55 postos pluviométricos localizados na área do estado, avaliando-se a média mensal e a média anual das séries históricas utilizadas. Os dados das coordenadas geográficas e da altitude foram submetidos à análise estatística multivariada baseada nas componentes principais para a sua redução dimensional. Os dados de precipitação, bem como o componente selecionado, foram submetidos à análise geoestatística multivariada, a qual forneceu resultados satisfatórios na estimativa de valores de precipitação em locais não amostrados, elevando a continuidade espacial do fenômeno. A precipitação mensal e anual, no Estado do Espírito Santo, apresentou elevada dependência espacial para a série estudada, com menor variabilidade na região norte, onde os índices de precipitação são reduzidos. O levantamento da precipitação não é dependente apenas do número de postos pluviométricos, mas principalmente da distribuição deles ao longo da área a ser amostrada, sendo o modelo ideal de mapeamento aquele que considera conjuntamente esses dois parâmetros.
Palavras-chave:Cokrigagem, componentes principais, precipitação pluvial.
Spatial variability of rainfall for the State of Espirito Santo, Brazil using multivariate methods
ABSTRACTOne of the major concerns of the scientific community over the last decade regards to climate change and its consequences for humanity. The objective of this study was to estimate the spatial variability of rainfall in the State of Espirito Santo, Brazil, based on the values of geographical coordinates and altitude of the measuring stations. The rainfall values raised for 55 climatic stations located within the state area were used, considering the monthly and annual means of the time series used. The geographic coordinates and altitude data were submitted to the multivariate statistical analysis based on the principal components for its dimensional reduction. The rainfall data and the selected component were submitted to the multivariate geostatistical analysis, which yielded satisfactory results in estimating rainfall values at non-sampled areas, increasing the spatial continuity of the phenomenon. The monthly and annual rainfall in the State of Espírito Santo presented high spatial dependence for the series studied, with less variability in the northern region, where the rainfall rates are reduced. The rainfall survey is not solely dependent on the number of rain gauge stations, but mostly on their distribution throughout the area to be sampled, whereas the ideal mapping model is the one that considers both parameters together.