Abstract:Entre os elementos do sistema climático que influenciam as atividades socioeconômicas, a precipitação apresenta papel fundamental em áreas tropicais. Regiões como África e América do Sul apresentam uma escassez considerável de observações desta variável, uma vez que a rede de estações meteorológicas não cobre sistematicamente todo o território. Neste contexto, produtos de múltiplos sensores, algoritmos e modelos climáticos são utilizados cada vez mais para análises dos elementos atmosféricos, do clima e da in… Show more
“…De modo geral, houve menor dispersão dos dados, pois se observa o não paralelismo na reta de regressão (1:1) entre os observados e imputados em todos os três métodos de interpolação de erosividade. Vale ressaltar quanto menor o desvio da reta 1:1, maior a concordância entre os dados observados e os estimados (Marcuzzo et al, 2011;Costa et al, 2019). O desempenho dos métodos de Krigagem, Fig.…”
Section: Validação Dos Métodos De Interpolaçãounclassified
Resumo A escassez de dados pluviográficos em Alagoas, similar em muitas regiões do país, faz com que utilizem equações de regressão obtidas em outras regiões do Brasil para calcular o fator R da Equação Universal de Perda de Solo. O estudo tem por objetivos: i) definir uma equação para estimar a erosividade das chuvas baseada no índice EI30 e no coeficiente de chuva Rc, ii) validar o método de imputação de dados para a chuva e erosividade e iii) estimar espacialmente a erosividade nos períodos chuvoso, seco e transição para Alagoas. Utilizaram-se dados pluviométricos mensais de 54 estações no período (1960-2016). A equação utilizada apresentou correlação significativa entre os dados observados e estimados, de acordo com os coeficientes r (93%), R2 (87%) e RMSE (775,2 MJ.mm.ha−1.h−1.ano−1). A Krigagem Ordinária foi o melhor interpolador espacial. A isoerosividade mensal mostrou que os maiores índices de EI30 ocorreram entre abril e julho, período coincidente com a quadra chuvosa do estado. Na erosividade anual, os maiores registros estão situados no Leste Alagoano, próximas ao litoral. Destaque para as estações Satuba, Maceió, São Luiz do Quitunde e Flexeiras, categorizadas entre moderada e forte. Estes resultados auxiliarão no planejamento de práticas conservacionistas, principalmente em áreas de vulnerabilidade.
“…De modo geral, houve menor dispersão dos dados, pois se observa o não paralelismo na reta de regressão (1:1) entre os observados e imputados em todos os três métodos de interpolação de erosividade. Vale ressaltar quanto menor o desvio da reta 1:1, maior a concordância entre os dados observados e os estimados (Marcuzzo et al, 2011;Costa et al, 2019). O desempenho dos métodos de Krigagem, Fig.…”
Section: Validação Dos Métodos De Interpolaçãounclassified
Resumo A escassez de dados pluviográficos em Alagoas, similar em muitas regiões do país, faz com que utilizem equações de regressão obtidas em outras regiões do Brasil para calcular o fator R da Equação Universal de Perda de Solo. O estudo tem por objetivos: i) definir uma equação para estimar a erosividade das chuvas baseada no índice EI30 e no coeficiente de chuva Rc, ii) validar o método de imputação de dados para a chuva e erosividade e iii) estimar espacialmente a erosividade nos períodos chuvoso, seco e transição para Alagoas. Utilizaram-se dados pluviométricos mensais de 54 estações no período (1960-2016). A equação utilizada apresentou correlação significativa entre os dados observados e estimados, de acordo com os coeficientes r (93%), R2 (87%) e RMSE (775,2 MJ.mm.ha−1.h−1.ano−1). A Krigagem Ordinária foi o melhor interpolador espacial. A isoerosividade mensal mostrou que os maiores índices de EI30 ocorreram entre abril e julho, período coincidente com a quadra chuvosa do estado. Na erosividade anual, os maiores registros estão situados no Leste Alagoano, próximas ao litoral. Destaque para as estações Satuba, Maceió, São Luiz do Quitunde e Flexeiras, categorizadas entre moderada e forte. Estes resultados auxiliarão no planejamento de práticas conservacionistas, principalmente em áreas de vulnerabilidade.
“…Estes e outros estudos (MARIANO et al, 2018;COSTA et al, 2019) demonstram que o produto do CHIRPS v.2 é um bom conjunto de dados para o monitoramento da precipitação na região semiárida do Brasil e também pode contribuir para uma melhor compreensão da variabilidade espacial e temporal da pluviometria, como também da seca nessa região.…”
A produtividade de diversas culturas agrícolas é intensamente dependente da oferta pluviométrica, bem como de sua frequência e intensidade. O objetivo deste trabalho foi classificar a região semiárida brasileira em regiões homogêneas através da análise de agrupamento, levando-se em consideração a precipitação e a produtividade do milho, além de analisar a tendência temporal da precipitação por meio do teste de Mann-Kendall. Desse modo, pôde-se dividir a área de estudo em quatro grupos, evidenciando que o semiárido brasileiro é afetado pela alta variabilidade intrasazonal e interanual da precipitação que influencia diretamente no rendimento do milho. Os grupos 2 e 4 apresentaram uma tendência de aumento nos totais médios de produtividade do milho e tendência negativa na precipitação, isso pode ser explicado pela possível adoção da prática de irrigação, como também pelo o uso de variedades mais resistentes à seca, mecanização e manejo de solo. O milho é uma das culturas de maior importância econômica no semiárido, no entanto, os agricultores não conseguem explorar a potencialidade produtiva da cultura em virtude da alta variabilidade climática da chuva o que condiciona baixos rendimentos do grão.Palavras-chave: tendências de chuva, produtividade, caatinga.
“…Outro critério empregado para os ajustes dos resultados foi o coeficiente de Nash-Sutcliffe (NASH), os quais os picos de chuvas foram desconsiderados das análises por apresentarem valores extremos e isolados. Assim, foi utilizada uma classificação sugerida por Costa et al (2019) e Pereira et al (2016): valores bons (NASH > 0,75); aceitáveis (0,36 ≤ NASH ≤ 0,75); inapropriados (NASH < 0,36). A RMSE foi aplicada para retratar a diferença entre os valores de precipitação (COSTA et al, 2019).…”
Section: Equação Intervalo Valor óTimo N° Equaçãounclassified
“…O Coeficiente de NASH apresentou um valor de 0,65, logo, constata-se que os resultados obtidos neste critério, bem como nos demais são aceitáveis com base nos valores de (R), (R²) e NASH, conforme (COSTA et al, 2019;PEREIRA et al, 2016). Os testes estatísticos demonstram que os valores dos dados das duas fontes são próximos.…”
O presente estudo teve como objetivo analisar o comportamento pluviométrico das médias mensais e anuais das precipitações pluviométricas obtidas de duas fontes de dados diferentes, HidroWeb (ANA) e do satélite meteorológico GPCC, para a série de dados de 1986 a 2015. Com auxílio de ferramentas de geoprocessamento foi feito a interpolação de ambas as fontes de dados, pelo método de Krigagem, para médias mensais e anuais e de posse destas, feitas as comparações. Para avaliar o desempenho utilizou-se como métodos estatísticos os testes do coeficiente de correlação de Pearson (R), coeficiente de determinação (R²), coeficiente de Nash- Sutcliffe (NASH), o Erro Quadrático Médio (MSE) e a Raiz do Erro Quadrático Médio (RMSE). Para ambos os dados notou-se uma semelhança na interpolação dos dados, e a espacialização da distribuição da precipitação média anual para o período de 1986 a 2015 no estado do Pará através do método de interpolação, evidenciou que os maiores índices pluviométricos estão localizados no Nordeste Paraense, abrangendo áreas das mesorregiões do Marajó, Metropolitana de Belém e Nordeste Paraense. Além disto, os resultados obtidos pelo GPCC e ANA, indicaram que os menores índices de precipitações foram observados na porção sudeste do estado. Os resultados obtidos para a distribuição da média mensal da precipitação do estado do Pará com base nos dados do GPCC e ANA indicou comportamentos similares para sazonalidade, no qual observou duas estações bem distintas ao longo dos anos, uma chuvosa e outra menos chuvosa. Logo, os meses com maiores registros de precipitação é fevereiro, março e abril, enquanto os meses menos chuvosos é agosto e setembro. Os resultados dos testes estatísticos evidenciaram que em alguns meses os dados são bons entre si, e outros são moderados. Concluiu-se que os o comportamento pluviométrico é não-homogêneo e os conjuntos de dados apresentaram similaridades, confirmando a boa consistência entre as diferentes fontes de dados, demonstrando e contribuindo como subsídio para a gestão e planejamento dos recursos hídricos no estado.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.