Modelagem de precipitação máxima na bacia do rio São Francisco: uma comparação entre diferentes métodos de estimativa de parâmetros da função generalizada de valores extremos

Resumo

Estudos de precipitação máxima têm grande relevância para o gerenciamento de recursos hídricos. A função de densidade de probabilidade generalizada de valores extremos (GEV) tem auxiliado na modelação de eventos extremos naturais. Existem vários métodos para inferir os parâmetros da função GEV, como o de máxima verossimilhança (MV) e momentos-L (ML). A inferência Bayesiana (IB) constitui uma alternativa à abordagem frequentista na medida em que permite combinar a informação conferida pelas amostras aleatórias de precipitações máximas com informação a priori sobre os parâmetros na estimação de modelos. Entretanto, poucos trabalhos utilizam a abordagem Bayesiana. Objetivou-se com o presente trabalho, apresentar a modelação da função GEV, com parâmetros estimados pelos seguintes métodos: MV, ML e IB. Com testes de adequação, definiu-se modelo probabilístico mais adequado, e realizou a predição de valores de precipitação máxima diária para os tempos de retorno 10, 25, 50, 100, 200, 500 e 1000 anos. A área de estudo foi a bacia hidrográfica do rio São Francisco e os de dados utilizados neste estudo foram obtidos a partir do banco de dados da Agência Nacional de Águas e Saneamento Básico (ANA). Utilizando o teste de AD, verificou-se que os métodos ML e IB foram considerados os mais adequados para estudos de probabilidade de precipitação máxima diária anual. Verificou-se que as estações com séries menos assimétricas, o método IB obteve melhores resultados enquanto as mais assimétricas o método ML foi melhor. Pode-se inferir que o método IB demostrou maiores incertezas para predição de chuvas com tempo de retorno acima de 100 anos.