Análise fatorial na identificação dos fatores para obtenção de índice climatológico

Abstract

No semiárido pernambucano, a precipitação, radiação, velocidade do vento e a temperatura estão entre as variáveis meteorológicas mais importantes para os estudos das mudanças climáticas, uma vez que sua variabilidade espacial e temporal são características marcantes do clima. Objetivou-se estudar a estrutura de correlação de variáveis da área de meteorologia para a obtenção de "Índices climatológicos multivariados" para município de Garanhuns/PE, Brasil, baseado na técnica estatística de Análise Fatorial (AF) utilizando séries climatológicas mensais de 1963 a 2019 das variáveis meteorológicas, com banco de dados proveniente do Instituto Nacional de Meteorologia (INMET). O procedimento estatístico realizado foi à técnica de estatística multivariada de Análise Fatorial utilizando o método das Componentes Principais e Análise de Cluster de Conglomerado Hierárquico. Utilizando a técnica de Análise Fatorial que simplificou a informação contida nas variáveis observadas, relacionadas com variabilidade climática da região, obteve-se o índice do climático multivariado. Aos valores deste índice para os municípios de Garanhuns, foi aplicada a técnica de Análise de Agrupamento e permitiu identificar a formação de cinco grupos “cluster” de variáveis meteorológicas que mais influência o clima local. Estes grupos são caracterizados por possuírem homogeneidade interna e por serem diferenciados entre si. Sendo que foram agrupados em um mesmo cluster os com características meteorológicas mais parecidas entre si do que com as demais variáveis agrupadas nos outros clusters, onde foram criados clusters que não violam os princípios da homogeneidade e separação.

Comparação de modelos geoestatísticos para estimativa de precipitação em Minas Gerais, Brasil, entre os anos hidrológicos de 2000 e 2021

“…Neste sentido, modelos mais complexos, com inserção de outras variáveis meteorológicas, como umidade, velocidade do vento, pressão atmosférica, insolação, cobertura de nuvens, e frequência de chuvas podem gerar produtos mais assertivos para todo o estado (Andrade et al, 2021;Medeiros et al, 2022). Entende-se, no entanto, que modelos mais complexos requerem uma maior capacidade computacional, além de uma maior disponibilidade e necessidade de tratamento de dados.…”