Krigagem e inverso do quadrado da distância para interpolação dos parâmetros da equação de chuvas intensas

Abstract

RESUMOEm projetos de obras hidráulicas, é necessária a estimativa da chuva intensa adequada à realidade técnico-financeira dos projetos, para posterior cálculo de vazões máximas. O uso da equação de chuvas intensas é a forma mais usual para estimativa da chuva de projeto. No entanto, há dificuldade em obtê-la para locais desprovidos de dados pluviométricos, o que pode ser superado mediante técnicas computacionais para a espacialização dos seus parâmetros. Para isto, pode-se trabalhar com procedimentos estatísticos para interpolação dos parâmetros com base em estações meteorológicas vizinhas ao local. Objetivouse, neste trabalho, comparar os dois procedimentos estatísticos mais exatos, conforme já constatado em outras aplicações físicas, que são a krigagem (interpolador geoestatístico) e o inverso do quadrado da distância, para interpolação dos parâmetros da equação de chuvas intensas. Utilizaram-se 140 estações meteorológicas do estado de São Paulo, as quais dispõem da respectiva equação de chuvas intensas estimada com base em dados pluviométricos, consideradas como ideais. Destas, 126 foram utilizadas para estudo da dependência espacial dos parâmetros e 14 para comparação de erros nas estimativas da chuva intensa. Constatou-se que ambos os métodos apresentaram boa precisão, mas a krigagem produziu menores erros médios para 11 estações, verificando-se melhorias consideráveis em especial para tempos de retorno e tempos de duração da precipitação usuais em projetos em pequenas bacias hidrográficas, podendo-se sugerir este método como o mais adequado.Termos de indexação: chuva intensa, espacialização, geoestatística, hidrologia.(1) Trabalho financiado pela FAPEMIG. Recebido para publicação em novembro de 2002 e aprovado em julho de 2003.

Métodos de interpolação espacial para o mapeamento da precipitação pluvial

“…Tradicionalmente, o monitoramento da precipitação é realizado em postos de coleta pontuais, o que determina a utilização de métodos de interpolação espacial para o seu mapeamento, dentre os quais se destacam o interpolador geoestatístico e o inverso do quadrado da distância (Mello et al, 2003;Cecílio & Pruski, 2003;Carvalho & Assad, 2005). Neste contexto, uma demanda técnico-científica atual e relevante consiste na avaliação do desempenho de interpoladores no mapeamento de variáveis climáticas.…”

“…Segundo Vieira (2000), este interpolador pondera os vizinhos do ponto a ser estimado, obedecendo aos critérios de não-tendenciosidade e mínima variância, o que lhe permite produzir melhores estimativas e, ainda segundo Junqueira Júnior et al (2008), Assad et al (2003) e Mello et al (2003), a consideração da dependência espacial possibilita o controle de uma parcela do erro aleatório e a obtenção de bons resultados. O interpolador de krigagem, linear por definição, estima a variável interpolada na posição p (x p ), a partir do estabelecimento do peso de krigagem (), de cada uma das n observações vizinhas (x i ), da seguinte forma:…”

“…De acordo com Watson & Philip (1985) e Mello et al (2003), este interpolador é largamente utilizado com o expoente 2, com bons resultados, e com o qual recebe a denominação de inverso do quadrado da distância (IQD) razão pela qual se utilizou, neste trabalho, o inverso do quadrado da distância, operando com os 15 vizinhos mais próximos; sua expressão está apresentada na Eq. 4, em que d é a distância euclidiana entre a posição p a ser estimada e o i-ésimo local amostrado.…”

Distribution and density of the mollusk Donax striatus (Linnaeus, 1767) in a tropical estuarine region in the brazilian semi-arid

“…Subsequently, the recording of bands 1, 2, and 3, in true color, was done using the SPRING 5.1 program. The spatial data interpolation was achieved with the ArcView 3.2 geographic information system using the IDW method (Inverse Distance Weighted) described by Mello et al (2003) (Equation 2). …”

Mapeamento de chuvas intensas no estado de Minas Gerais

“…Estudos aplicando técnicas geoestatísticas para espacialização de variáveis hidrológicas e de atributos do solo vêm sendo produzidos, evidenciando seu melhor desempenho em relação a outras técnicas (Mello et al, 2003Gomes et al, 2007;Junqueira Junior et al, 2008;Ávila et al, 2011). O interpolador geoestatístico pondera os vizinhos do ponto a ser estimado, obedecendo aos critérios de não tendenciosidade e variância mínima, gerando mapas não enviesados, uma vez que essa é a característica mais importante nos mapeamentos de variáveis contínuas (Isaaks & Srivastava, 1989;Vieira et al, 2002).…”