Krigagem na construção de mapa pluviométrico do estado de Sergipe (Kriging in the construction of pluviometric map of the State of Sergipe)

Wellington Jorge Cavalcanti Lundgren, Inajá Francisco de Souza, Giovanna Alencar Lundgren

Resumo


Previsão de chuvas que incluam informação sobre, quantidade de precipitação, local de ocorrência e época (o tempo em ano, mês ou dia) são sempre variáveis de difícil trato. A maneira usual de apresentação de previsões pluviométricas são os mapas de pluviometria para uma determinada região. Essas apresentações geralmente envolvem doze mapas (isolinhas), um para cada mês do ano. Nessas previsões, duas variáveis explicativas são utilizadas, o tempo, geralmente em mês e a localização geográfica (latitude e longitude). Essa forma de apresentação é trabalhosa e volumosa devido à quantidade de mapas envolvidos. Nesse trabalho, a geoestatística foi utilizada com o objetivo de construir um único mapa, que fornecesse ao mesmo tempo, a quantidade de precipitação, o local e o mês do ano. A quantidade de chuva é estimada usando-se um plano cartesiano não geométrico, ou seja, os eixos com latitude e longitude, foram substituídos por outras duas informações, a distância do local até o mar em linha reta, como abscissa e o mês do ano que se deseja estimar como ordenada. Um semivariograma amostral foi construído, um modelo teórico gaussiano foi ajustado aos dados e foi detectada dependência espacial (DI) forte, igual a 0,94. A krigagem foi utilizada e o mapa construído. A acurácia das previsões de precipitação foram verificadas pela validação cruzada. O gráfico de dispersão, valores observados x valores estimados forneceu R2 = 0,8967 para a equação de regressão linear simples. A krigagem construiu mapa de excelente qualidade fornecendo resultados confiáveis para a precipitação em Sergipe.

 

 

 

A B S T R A C T

Forecast rainfall that include information, amount of precipitation, place of occurrence and time (the time in year, month and day) are always hard to deal with variables. The usual way of presenting rainfall predictions are the rainfall maps for a given region, these presentations usually involve twelve maps (isolines ), one for each month of the year. In these predictions, two explanatory variables are used, the time, usually in the month and geographic location (latitude and longitude). This form of presentation is cumbersome and bulky because the amount of maps involved. In this work geostatistics was used in order to build a single map that provides at the same time, the amount of rainfall, the location and month of the year. The amount of rain is estimated using a non-geometric Cartesian plane, ie, the axes with latitude and longitude, were replaced by two other information, the distance from the location to the sea straight, as abscissa and the month of the year to be estimated as ordered. A sample semivariogram was built, a Gaussian theoretical model was fitted to the data and was detected spatial dependence (DI) strong, equal to 0.94. Kriging was used and the map built, the accuracy of precipitation forecasts were verified by cross-validation. The scatter plot, observed x values estimated values provided R2 = 0.8967 for the linear regression equation. Kriging built excellent quality map providing reliable results for precipitation in Sergipe.

Keywords: rain, forecast, isolines, geostatistics, spatial dependence.

  


Palavras-chave


chuvas, previsão, isolinhas, geoestatatística, dependência espacial.

Texto completo:

PDF

Referências


Alves, E. D. L.; Vecchia, F. A. S. Análise de diferentes métodos de interpolação para a precipitação pluvial no Estado de Goiás. Acta Scientiarum. Human and Social Sciences, v. 33, n. 2, p. 193–197, 2011.

Biondi, F.; Myers, D.E.; Avery,C.C. Geostatistically modeling stem size and increment in an old-growth fo- rest. Canadian Journal of Forest Research, Ottawa, v.24, n. 7, p. 1354-1368, 1994.

Camargo, E. C. G.; Felgueiras, C. A.; Monteiro, A. M. V. A Importância da Modelagem da Anisotropia na Distribuição Espacial de Variáveis Ambientais Utilizando Procedimentos Geoestatísticos. Anais X SBRS pg. 395-402. Foz de Iguaçu. 2001.

Cambardella, C. A. et al. Field-Scale Variabillity of soil properties in Central Iowa Soils. Soil Sci. Soc. Am. J., v. 58, p. 1501–1511, 1994.

Carvalho, J. R. P. de; Silveira, P. M. da; Vieira, S. R. Geoestatística na determinação da variabilidade espacial de características químicas do solo sob diferentes preparos. Pesquisa Agropecuária Brasileira, v. 37, n. 8, p. 1151–1159, 2002.

Carvalho, J. R. P. de; Vieira, S. R.; Grego, C. R. Comparação de métodos para ajuste de modelos de semivariograma da precipitação pluvial anual. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 13, n. 4, p. 443–448, 2009.

Cressie, N. Statistic for spatial data. New York: [s.n.].

Gomes, O. M. et al. Análise Geoestatística da Precipitação Pluvial do Estado da Paraíba. Revista Brasileira de Geografia Física, v. 4, n. 4, p. 692–702, 2011.

Gonçalves, A. C. A.; Folegatti, M. V.; Viana, J. de D. Análises exploratória e geoestatística da variabilidade de propriedades físicas de um Argissolo Vermelho. Acta Scientiarum Agronomy, v. 23, n. 5, p. 1149–1157, 2001.

Guedes, L. P. C. et al. Anisotropia no estudo da variabilidade espacial de algumas variáveis químicas do solo. Revista Brasileira de Ciencia do Solo, v. 32, n. 6, p. 2217–2226, 2009.

Guimarães, E. C. Geoestatística básica e aplicada. Uberlândia, Universidade Federal de Uberlândia, 2004.

Isaaks, E. H. and Srivastava, M. R., An Introduction to Applied Geostatistics. Oxford University Press, New York, 1989

Landim, P. M. B. Krigagem ordinária para situações com tendência regionalizada. Rio Claro-SP: [s.n.].2002.

Landim, P. M. B. Sobre Geoestatística e mapas. Terra e Didática, v. 2, n. 1, p. 19–33, 2006.

Mello, C. R. et al . Krigagem e inverso do quadrado da distância para interpolação dos parâmetros da equação de chuvas intensas. Rev. Bras. Ciênc. Solo, Viçosa , v. 27, n. 5, p. 925-933, Oct. 2003 .

Mello, J. M. de; Batista, J. L. F.; Ribeiro, P. J. O.; Oliveira, M. S. de. Ajuste e seleção de modelos espaciais de semivariograma visando à estimativa volumétrica de Eucalyptus grandis. Scientia Forestalis/Forest Sciences, n. 69, p. 25–37, 2005.

Montenegro, A. A. A.; Montenegro, S. M. G. L. Variabilidade espacial de classes de textura, salinidade e condutividade hidráulica de solos em planície aluvial. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 10, n. 081, p. 30–37, 2006.

Pelissari, A. L. et al. Modelagem geoestatística da dinâmica espacial da altura dominante de Tectona grandis L.f. (TECA). Enciclopéddia Bioesfera, v. 8, n. 15, p. 1249–1260, 2012.

Rosa, Gilmar. Avaliando a Qualidade dos Estimadores de Variograma (Variograma Experimental) e do Método de Mínimos Quadrados Ponderados para Estimação dos Parâmetros do Modelo de Variograma Teórico do Processo. Disertação, Departamento de Estatística, Universidade Federal de Minas Gerais, 134 pg. 2003.

Rossoni, D. F.; Lima, R. R. de. A importância da correção da anisotropia em análises geoestatísticas. Revista de Estatística da Universidade Federal de Ouro Preto, v. 2, p. 217–221, 2012.

Silva, A. F. da. Lima, J. S. de; Oliveira, R. B. de. Métodos de interpolação para estimar o pH em solo sob dois manejos de café arábica. Idesia (Arica), v. 28, n. 2, p. 61–66, 2010.

Souza, G. S. de et al. Krigagem ordinária e inverso do quadrado da distância aplicados na espacialização de atributos químicos de um argissolo. Scientia Agraria, v. 11, n. 1, p. 73–81, 2010.

Thompson, S.K. Sampling. New York, Wiley-Interscience Publication, 1992. 343p.

Vieira, S.R. Geoestatística em estudos de variabilidade espacial do solo. In: NOVAIS, R.F.; ALVAREZ V., V.H. & SCHAEFER, C.E.G.R., eds. Tópicos em ciência do solo. Viçosa, Sociedade Brasileira de Ciência do Solo, 2000. p.1-54




DOI: https://doi.org/10.5935/1984-2295.20170002



      

Revista Brasileira de Geografia Física - ISSN: 1984-2295

Creative Commons License
Esta obra está licenciada com uma Licença Creative Commons Attribution-NonCommercial 4.0 International License