Performance of the Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS) Model in the Northeast Region of Brazil
DOI:
https://doi.org/10.26848/rbgf.v17.6.p4396-4408Palavras-chave:
Keywords: Climatology, technologies, applications.Resumo
Apresenta-se um estudo sobre as potencialidades de uso das ferramentas contidas na plataforma de processamento e análise de dados geoespaciais Google Earth Engine (GEE) em estudos climatológicos na Região Nordeste do Brasil (NEB), em particular a validação das estimativas do total anual das chuvas obtidas pelo modelo Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS) em sete regiões homogêneas do NEB. Estes dados são compostos por diversas fontes de informações meteorológicas, são informações de satélites, modelos numéricos e de observações em estações meteorológicas de centros operacionais e de pesquisas ao longo do globo. Na avaliação do desempenho do modelo CHIRPS foram usados os dados climatológicos obtidos no Banco de Dados Meteorológicos (BDMET) do Instituto Nacional de Meteorologia (INMET), métricas e testes estatísticos. Os resultados mostraram que o modelo CHIRPS apresenta potencial de uso em seis das sete regiões estudadas, com baixos erros e forte correlação estatística, e limitação em uma das dessas regiões. Assim, conclui-se que esta ferramenta tecnológica e de baixo custo operacional e gratuita pode ser usada para auxiliar nos estudos climatológicos, no planejamento e no desenvolvimento de estratégias de mitigação, adaptação e convivência com os períodos secos observados nas sub-regiões do NEB, especialmente em regiões que se encontram em situação de vulnerabilidade socioeconômica, com é o caso da região semiárida do NEB.
Downloads
Referências
Ali, A., Khattabi, A., Lahssini, S. 2022. Characterizing fluvial geomorphological change using Google Earth Engine (GEE) to support sustainable flood management in the rural municipality of El Faid. Arab J. Geosci. 15, 413. https://doi.org/10.1007/s12517-022-09674-3.
Almeida, F.T., Silva, G.C., Nunes, L.A. 2020. Performance of CHIRPS precipitation estimates in Piauí, Brazil. Journal of Hydrometeorology, 21(6), 1258-1272. https://doi.org/10.1175/JHM-D-19-0200.1.
Arab, S.T., Ahamed, T. 2023. Near-real-time drought monitoring and assessment for vineyard production on a regional scale with standard precipitation and vegetation indices using Landsat and CHIRPS datasets. Asia-Pac Journal Regional Science 7, 591–614. https://doi.org/10.1007/s41685-023-00286-7.
Baumhardt, O. de F., Costa, T.O., Wollmann, C. A., Gobo, J. P. A. 2024. Correlação entre a Precipitação Pluviométrica Registrada por Estações Meteorológicas Automáticas e Estimada a partir de dados CHIRPS – Estudo de Caso em Balneário Camboriú/SC. Revista Brasileira De Climatologia, 34(20), 360–383. https://doi.org/10.55761/abclima.v34i20.1764.
Carvalho, A. C. V., Xavier, A. C., Costa, A. F. 2016. Estudo comparativo entre dados observados e estimados de precipitação na região nordeste do Brasil. Revista Brasileira de Geografia Física, 9(6), 1836-1848. https://doi.org/10.26848/rbgf.v9.6.p1836-1848.
Costa, A. de S. 2020. Estudo da variabilidade da chuva no Nordeste do Brasil utilizando a transformada de ondeletas. Tese (Doutorado em Meteorologia) – Universidade Federal de Campina Grande, Centro de Tecnologia e Recursos Naturais.
Funk, C., Peterson, P., Landsfeld, M. et al. 2015. The climate hazards infrared precipitation with stations—a new environmental record for monitoring extremes. Science Data 2, 150066. https://doi.org/10.1038/sdata.2015.66.
Everitt, B. Cluster Analysis. Heinemann Educational Books, 3.ed. London, 1993. 170 p.
Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., Moore, R. 2017. Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202, 18-27. https://doi.org/10.1016/j.rse.2017.06.031.
Freire-Silva, J., Reis, J. V. dos, Santos, T. O. dos, Ferreira, H. dos S., Leitão, M. de M. V. B. R., Galvíncio, J. D., Candeias, A. L. B. 2022. Análise dos produtos de evapotranspiração automáticos GEE-SEBAL e do Sistema de Unidades de Resposta Hidrológica para Pernambuco – (SUPer) para regiões hídricas de Serra Talhada no estado de Pernambuco. Geografia Ensino & Pesquisa, 26, e33. https://doi.org/10.5902/2236499468044.
IBGE - Instituto Brasileiro de Geografia e Estatística (2022). Censo Demográfico 2022. Rio de Janeiro. Disponível em:< https://ftp.ibge.gov.br/Censos/Censo_Demografico_2022/Populacao_e_domicilios_Primeiros_resultados/POP2022_Municipios_Primeiros_Resultados.pdf>. Acesso em: 05 de março de 2023.
Köppen, W. 1936. "Das geographische System der Klimate." In: Köppen, W., Geiger, R. (Eds.), Handbuch der Klimatologie. Gebrüder Borntraeger.
Lima, K.C., Pereira, E.R., Silva, T.G. 2021. Evaluation of satellite-based precipitation estimates for the Agreste region of Northeastern Brazil. J. of Hyd., 598, 126-142. https://doi.org/10.1016/j.jhydrol.2021.126142.
Lima, S., Silva, M., Grangeiro, W., da Silva, M.S., Andrade, A. Silva, M.M. 2019. Padrões Espaciais e Temporais de Episódios de Seca no Estado do Rio Grande do Norte. Journal of Hyperspectral Remote Sensing. 9. 330-342. https://doi.org/10.29150/jhrs.v9.6.p330-342.
Lima, M.A.S., Lira, M.A.T. 2021. A Variabilidade Climática e os Desastres Naturais no Estado do Ceará (1991-2019). Revista Brasileira de Meteorologia, v. 36, n. 3 p.603-614. http://dx.doi.org/10.1590/0102-77863630035.
Lima, R.F., Aparecido, L.E.O., Torsoni, G.B., Rolim, G.S. 2023. Climate Change Assessment in Brazil: Utilizing the Köppen-Geiger (1936) Climate Classification. Revista Brasileira de Meteorologia, v. 38, e38230001. http://dx.doi.org/10.1590/0102-77863810001.
López-Bermeo, C., Montoya, R. D., Caro-Lopera, F. J., Díaz-García, J. A. 2022. Validation of the accuracy of the CHIRPS precipitation dataset at representing climate variability in a tropical mountainous region of South America, Physics and Chemistry of the Earth, Parts A/B/C,vol. 127, 103184. ISSN 1474-7065.https://doi.org/10.1016/j.pce.2022.103184.
Medeiros-Feitosa, J.R., Oliveira, C.W. 2020. Estudo comparativo dos dados de precipitação do satélite TRMM e postos pluviométricos no estado do Ceará, Brasil. Rev. Geog. Amer. Central, Heredia, n.65, p.239-262. http://dx.doi.org/10.15359/rgac.65-2.10.
Medina, F. D., Zossi, B.S., Adriana Bossolasco, A., Elias, A. G. 2023. Performance of CHIRPS dataset for monthly and annual rainfall-indices in Northern Argentina, Atmospheric Research, Vol. 283, 2023, 106545. ISSN 0169-8095.https://doi.org/10.1016/j.atmosres.2022.106545.
Nawaz, M., Iqbal, M. F., Mahmood, I. 2021. Validation of CHIRPS satellite-based precipitation dataset over Pakistan. Atmospheric Research, vol. 248, 105289, ISSN 01698095.https://doi.org/10.1016/j.atmosres.2020.10528.
Ocampo-Marulanda, C., Fernández-Álvarez, C., Cerón, W. L., Canchala, T., Carvajal-Escobar, Y., Alfonso-Morales, W. 2022. A spatiotemporal assessment of the high-resolution CHIRPS rainfall dataset in southwestern Colombia using combined principal component analysis, Ain Shams Engineering Journal, vol. 13, Issue 5, 101739. https://doi.org/10.1016/j.asej.2022.101739.
Oliveira-Júnior, J.F., Silva Junior, C.A., Teodoro P.E., et al. 2021. Confronting CHIRPS dataset and in situ stations in the detection of wet and drought conditions in the Brazilian Midwest. Int. J. Climatol., vol.41, pp. 4478–4493. https://doi.org/10.1002/joc.7080.
Pereira, L.C., Santos, D.M., Silva, A.J. 2021. Evaluation of satellite-based precipitation estimates for coastal regions in Northeastern Brazil. Climate Research, 86(1), 93-108. https://doi.org/10.3354/cr01671.
Queiroz, A.B., Cavalcante, A.M.B., Lima, P.V.P.S., Silva, E.M. 2022. Tecnologias Sociais na Redução da Vulnerabilidade às Mudanças Climáticas nos Municípios do Ceará, Brasil. Revista Brasileira de Meteorologia, v.37, n.2, p.261-268. http://dx.doi.org/10.1590/0102-77863720051.
Rodrigues, A.C., Souza, R.R., Lima, J.A. 2019. Evaluation of satellite-based rainfall estimates in the state of Maranhão, Brazil. Remote Sensing, 11(3), 303. https://doi.org/10.3390/rs11030303.
Sa'adi, Z., Yusop, N. E. A., Shiru, M. S., Muhammad, M. K. I., Ramli, M. W. A. 2023. Application of CHIRPS dataset in the selection of rain-based indices for drought assessments in Johor River Basin, Malaysia. Science of The Total Environment, vol. 892, 164471, https://doi.org/10.1016/j.scitotenv.2023.16441.
Santos, C.A.G., Gurgel, H.C., Oliveira, F.D., Silva, E.S. 2019. Spatio-temporal variability of droughts in the Brazilian Northeast using the SPEI at multiple time scales. Climate Dynamics, 53(9-10), p.5677-5692. https://doi.org/10.1007/s00382-019-04946-1.
Santos, E.M., Oliveira, L.H., Barbosa, H.A. 2021. Assessment of satellite-based rainfall estimates for the interior regions of Bahia, Brazil. Climate Research, 86, 113-126. https://doi.org/10.3354/cr01621.
Shen, Z., Yong, B., Gourley, J. J., Qi, W., Lu, D., Liu, J., Ren, L., Hong, Y., Zhang, J. 2020. Recent global performance of the Climate Hazards group Infrared Precipitation (CHIRP) with Stations (CHIRPS). Journal of Hydrology, vol. 591, 125284. ISSN 0022-1694. https://doi.org/10.1016/j.jhydrol.2020.125284.
Singh, H., Kochhar, A., Litoria, P.K., Pateriya, B. 2022. Analysis of Long-Term Rainfall Trends Over Punjab State Derived from CHIRPS Data in the Google Earth Engine Platform. In: Dua, M., Jain, A.K., Yadav, A., Kumar, N., Siarry, P. (eds) Proceedings of the International Conference on Paradigms of Communication, Computing and Data Sciences. Algorithms for Intelligent Systems. Springer, Singapore. https://doi.org/10.1007/978-981-16-5747-4_41.
Silva, V.P.R., Sousa, F.A.S. 2020. Influência das anomalias da temperatura da superfície do mar na precipitação do Nordeste brasileiro. Revista Brasileira de Climatologia, 29(1), 309-323. https://doi.org/10.5380/abclima.v29i0.58237.
Silva, D.L., Souza, R.C., Oliveira, L.H. 2020. Assessing the accuracy of CHIRPS rainfall estimates for coastal regions in Northeastern Brazil. Climate Dynamics, 55(3-4), 1233-1246. https://doi.org/10.1007/s00382-020-05337-4.
Sousa, W.G., Silva, M.T., Siqueira, M. S., Gomes, H.B., Oliveira, G., Silva, T.G.F., Cavalcanti, E. P. 2024. Variabilidade espaço temporal da seca meteorológica nas microrregiões do MATOPIBA. Revista Brasileira de Geografia Física, 17(1), 01–21. https://doi.org/10.26848/rbgf.v17.1.p01-21.
Sousa, P.M., Silva, V.P.R., Santos, C.A.C. 2020. Performance assessment of CHIRPS rainfall estimates in the Brazilian semi-arid region. International Journal of Climatology, 40(4), 2017-2031. https://doi.org/10.1002/joc.6312.
Ward, J. H. Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, v. 58, p. 236-244, 1963.
Wilks, D. S. Statistical Methods in the Atmospheric Sciences. 2. ed. London, Academic Press, 2006. 649p.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Gabio Stalin Soares Almeida, Emerson Mariano da Silva, Vicente de Paulo Rodrigues da Silva, João Hugo Baracuy da Cunha Campos, Madson Tavares Silva
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam na Revista Brasileira de Geografia Física concordam com os seguintes termos:
Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0) que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (exemplo: depositar em repositório institucional ou publicar como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
Autores têm permissão para disponibilizar seu trabalho online antes ou durante o processo editorial, em redes sociais acadêmicas, repositórios digitais ou servidores de preprints. Após a publicação na Revista Brasileira de Geografia Física, os autores se comprometem a atualizar as versões preprint ou pós-print do autor, nas plataformas onde foram originalmente disponibilizadas, informando o link para a versão final publicada e outras informações relevantes, com o reconhecimento da autoria e da publicação inicial nesta revista.
Qualquer usuário tem direito de:
Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial.
Adaptar — remixar, transformar e criar a partir do material para qualquer fim, mesmo que comercial.
O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.
De acordo com os termos seguintes:
Atribuição — Você deve dar o crédito apropriado, prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
