Espacialização da temperatura do ar anual no estado de Alagoas com diferentes modelos digitais de elevação e resoluções espaciais

Abstract

RESUMOO objetivo do presente trabalho foi estabelecer o modelo digital de elevação e sua resolução horizontal para interpolar a temperatura do ar anual para o estado de Alagoas via modelos de regressão linear múltipla. Ajustou-se um modelo de regressão linear múltipla a séries (11 a 34 anos) de temperatura do ar anual de 28 estações meteorológicas dos estados de Alagoas, Bahia, Pernambuco e Sergipe, em função da latitude, longitude e altitude. Os modelos de elevação considerados nas análises foram o SRTM e o GTOPO30, com resoluções originais de 90 e 900 m, respectivamente. O SRTM foi reamostrado para as resoluções de 125, 250, 500, 750 e 900 m. Na espacialização da temperatura do ar para Alagoas, utilizou-se da regressão linear múltipla aplicada a cada modelo de elevação e resolução espacial e a um grid com a latitude e longitude. Para Alagoas, as estimativas baseadas no SRTM mostraram erro padrão de estimativa (0,57 ºC) e dispersão (r 2 = 0,62) inferiores às obtidas pelo GTOPO30 (0,93 ºC e 0,20). No caso das resoluções do SRTM, não se observaram diferenças significativas entre o erro padrão (0,55 ºC; 750 m-0,58 ºC; 250m) e a dispersão (entre 0,60 -500 m e 0,65 -750 m) das estimativas. A espacialização da temperatura do ar anual para Alagoas via modelos de regressão múltipla aplicados ao SRTM mostra concordância superior à obtida com o GTOPO30, independente da resolução espacial. Palavras-chave: GTOPO30; SRTM; modelos geoestatísticos. ABSTRACTThe aim of this study was to establish a digital elevation model and its horizontal resolution to interpolate the annual air temperature for the Alagoas State by means of multiple linear regression models. A multiple linear regression model was adjusted to series (11 to 34 years) of annual air temperatures obtained from 28 weather stations in the states of Alagoas, Bahia, Pernambuco and Sergipe, in the Northeast of Brazil, in function of latitude, longitude and altitude. The elevation models SRTM and GTOPO30 were used in the analysis, with original resolutions of 90 and 900 m, respectively. The SRTM was resampled for horizontal resolutions of 125, 250, 500, 750 and 900 m. For spatializing the annual mean air temperature for the state of Alagoas, a multiple linear regression model was used for each elevation and spatial resolution on a grid of the latitude and longitude. In Alagoas, estimates based on SRTM data resulted in a standard error of estimate (0.57 º C) and dispersion (r 2 = 0.62) lower than those obtained from GTOPO30 (0.93ºC and 0.20).

Synoptic events associated with the land surface temperature in Rio de Janeiro

“…In ANOVA p<0.05 the model was significant. Similar results using digital elevation models (SRTM) and air temperature were found by Lyra et al (2011) and Oliveira et al (2013). Figure 2 showed that the algorithm applied to determine the land surface temperature, by using the images from MOD11A2 MODIS product, had the best mean statistical indexes for autumn and winter when compared to the data gathered by the Conventional Meteorological Stations in Rio de Janeiro State.…”

“…Thus, the higher (and lower) temperatures were conditioned by the higher (and lower) altitudes found in the state, indicating geographical influence on the distribution of surface temperature. Lyra et al (2011) observed that, in a tropical region, altitude is the main geographical factor (latitude, longitude and altitude) affecting the distribution of air temperature. With a high temperature nucleus, the Metropolitana region was the only exception to these findings, reflecting the scale of the urbanised areas in this region, itself a consequence of the high level of industrialization.…”

Cenários Climáticos Futuros Para O Paraná: Oportunidades Para O Setor Florestal

“…No Brasil, embora a falta de observações de longo prazo seja um fator limitante para diagnosticar e quantificar o papel dos diferentes agentes do clima, alguns pesquisadores (KRÜGER (2005);CGEE (2008);FERREIRA et al (2006); MARENGO et al (2006);NOBRE et al (2008);SARTORI et al (2010);LYRA et al (2011)) têm desenvolvido esta técnica e publicado cenários importantes que demonstram as variações climáticas no país.…”

Evapotranspiração De Referência Em Função Dos Extremos Da Temperatura Do Ar No Estado Do Rio De Janeiro

“…As estimativas do método de PM-FAO56, nas condições do estado do Rio de Janeiro avaliadas no presente trabalho, tiveram maior contribuição do seu termo diabático e entre 65 (IGB) e 97 % (Cordeiro -COR), com tendência de aumento dessa fração com a diminuição do déficit hídrico anual. Dessa forma, Apesar da temperatura do ar ser influenciada diretamente pela radiação, outros fatores, como umidade do ar (LYRA et al, 2011), velocidade do vento, nebulosidade (HARGREAVES e SAMANI, 1985, altitude (ALLEN, 1995) e advecção (TABARI; GRISMER; TRAJKOVIC, 2013) também influenciam na sua variação. Esses fatores contribuem para processos não lineares entre radiação e aquecimento do ar, e dessa forma, entre ETo e temperatura do ar.…”