Modelagem probabilística da precipitação pluvial em diferentes escalas temporais para Santa Helena, Paraná
DOI:
https://doi.org/10.26848/rbgf.v18.2.p1527-1542Palavras-chave:
clima úmido, densidade de probabilidade, eventos extremos, variabilidade climáticaResumo
A precipitação é um fenômeno que varia espacial e temporalmente. Visando contribuir com tomadas de decisões mais assertivas e sustentáveis no gerenciamento dos recursos hídricos, torna-se necessário identificar a função de densidade de probabilidade que melhor caracterize os eventos de precipitação, considerando diferentes escalas de tempo. Assim, o objetivo deste trabalho foi determinar a precipitação provável em escala anual, mensal e decendial com várias probabilidades de ocorrência de valores extremos, selecionando a melhor função de densidade de probabilidade para Santa Helena, Paraná. Foram utilizados dados diários de precipitação de um período de 48 anos. As análises foram realizadas em três escalas de tempo: anual, mensal e decendial. Foram analisados os seguintes modelos de distribuição de probabilidade: Normal, Exponencial, Gama e Log-Normal. A avaliação do melhor modelo ajustado foi realizada utilizando o teste de Kolmogorov-Smirnov e determinação do p-valor. A análise probabilística identificou que a função de distribuição de probabilidade que melhor se ajustou foi a Log-Normal para as escalas anual e mensal, e a Exponencial para a escala decendial. Esses ajustes possibilitaram a determinação da precipitação provável em diferentes níveis de probabilidade de ocorrência, fornecendo informações detalhadas e confiáveis para cada uma das escalas de tempo avaliadas.
Downloads
Referências
Alvares, C. A., Stape, J. L., Sentelhas, P. C., Gonçaves, J. L. M., & Sparovek, G. (2013). Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, 22(6), 711–728. https://doi.org/10.1127/0941-2948/2013/0507
André, R. G. B., & Anunciação, Y. M. T. (2017). A precipitação pluvial provável em Jaboticabal, São Paulo. Agrometeoros, 25(2017), 347–359.
Aparecido, L. E. O., Rolim, G. S., & Moraes, J. R. S. C. (2020). Validation of ECMWF climatic data, 1979–2017, and implications for modelling water balance for tropical climates. International Journal of Climatology, 40(15), 1–20. https://doi.org/10.1002/joc.6604
Assad, E. D., Marin, F. R., Pinto, H. S., & Zullo Júnior, J. (2008). Zoneamento agrícola de riscos climáticos do Brasil: Base teórica, pesquisa e desenvolvimento. Informe Agropecuário, 29(246), 47–60.
Baú, A. L., Azevedo, C. A. V. de, & Bresolin, A. de A. (2013). Modelagem da precipitação pluvial diária intra-anual da Bacia Hidrográfica Paraná III associada aos eventos ENOS. Revista Brasileira de Engenharia Agrícola e Ambiental, 17(8), 883–891. https://doi.org/10.1590/s1415-43662013000800013
Bigolin, T., & Talamini, E. (2024). Impacts of Climate Change Scenarios on the Corn and Soybean Double-Cropping System in Brazil. Climate, 12(3), 1–21. https://doi.org/10.3390/cli12030042
Bittner, B., Marczin, T., & Kovács, T. Z. (2023). Strategic planning in agribusiness. Acta Agraria Debreceniensis, 1, 23–27. https://doi.org/10.34101/actaagrar/1/12803
Bochenek, B. (2022). Machine Learning in Weather Prediction and Climate Analyses—Applications and Perspectives. 1–16.
Bonfante, F. M., Cadorin, S. B., & Back, Á. J. (2021). Distribuições de probabilidade para estimativa da chuva mensal. Em Planejamento e Gestão Territorial: Inovação, Tecnologia e Sustentabilidade (p. 165–178).
Carvalho, M. A. C. C., Uliana, E. M., Silva, B. F. P., Martins, C. A. S., Cruz, I. F., Aires, U. R. V., & Mendes, M. A. S. A. (2022). Precipitação e produtividade de grãos em zonas de transição Cerrado-Amazônia no Brasil: Probabilidade, distribuição espacial e sistemas sinóticos. Geo UERJ, 41, e52331. https://doi.org/10.12957/geouerj.2022.52331
Catalunha, M. J., Sediyama, G. C., Leal, B. G., Soares, C. P. B., & Ribeiro, A. (2002). Aplicação de cinco funções densidade de probabilidade a séries de precipitação pluvial no Estado de Minas Gerais. Revista Brasileira de Agrometeorologia, 10(1), 153–162.
Dourados Neto, D., Assis, J. P. D., Timm, L. C., Augusto, P., Sparovek, G., & Martin, T. N. (2005). Probabilidade a séries históricas de precipitação pluvial diária em Piracicaba-SP Adjustment of models of probability distribution to the historical daily rainfall series in Piracicaba, Brazil. Revista Brasileira Agrometeorologica, 13(2), 273–283.
Espeland, E. K., & Kettenring, K. M. (2018). Strategic plant choices can alleviate climate change impacts: A review. Journal of Environmental Management, 222, 316–324.
Farias, J. R. B., Almeida, I. R. de, & Garcia, A. (1997). Zoneamento Agroclimático da Cultura da Soja. https://doi.org/633.340981
Ghini, R., Hamada, E., & Bettiol, W. (2008). Mudanças climáticas e doenças de plantas. Scientia Agricola, 65, 98–107.
Giovanella, T. H., Oliveira, F. C., Tluszcz, J., Jordan, R. A., Ziech, A. R. D., Paula Filho, P. L., & Alencastro, M. E. S. (2024). Dinâmica do coeficiente de resposta da soja ao estresse hídrico em clima subtropical úmido. Observatório De La Economía Latinoamericana, 22(10), e7480. https://doi.org/10.55905/oelv22n10-251
Gitz, V., Meybeck, A., Lipper, L., Young, C., & Braatz, S. (2016). Climate change and food security: Risks and responses. Em Food and Agriculture Organization of the United Nations. https://doi.org/10.1080/14767058.2017.1347921
Habibullah, M. S., Din, B. H., Tan, S. H., & Zahid, H. (2022). Impact of climate change on biodiversity loss: Global evidence. Environmental Science and Pollution Research, 29(1), 1073–1086. https://doi.org/10.1007/s11356-021-15702-8
Henrique, E., Moura, F., Armando, R., Pereira, de A., Gonçalves, A. O., Júnior, Á., Bordignon, Z., & Marin, F. R. (2017). Simulação de produtividade futura de soja em Piracicaba-SP com base em projeções de mudanças climáticas. Agrometeoros, 25(1), 9–17.
Huang, H., Cui, H., & Ge, Q. (2021). Assessment of potential risks induced by increasing extreme precipitation under climate change. Natural Hazards, 108(2), 2059–2079. https://doi.org/10.1007/s11069-021-04768-9
José, J. V., Souza, M. D., Pereira, L. B., Barros, T. H. da S., Leite, H. M. F., & Santos, L. da C. (2022). Probabilidade de ocorrência da precipitação pluvial em três cidades da Bacia Hidrográfica do Alto Juruá. Irriga, 27(1), 124–140. https://doi.org/10.15809/irriga.2022v27n1p124-140
Karczewski, M., Kaźmierczak, B., Michalski, A., & Kuchar, L. (2022). Probability function estimation for the maximum precipitation model using kernel estimators. Rocznik Ochrona Srodowiska, 24, 260–275. https://doi.org/10.54740/ros.2022.019
Matsunaga, W. K., Sales, E. S. G., Júnior, G. C. A., Silva, M. T., Lacerda, F. F., de Paiva Lima, E., dos Santos, C. A. C., & de Brito, J. I. B. (2024). Application of ERA5-Land reanalysis data in zoning of climate risk for corn in the state of Bahia—Brazil. Theoretical and Applied Climatology, 155(2), 945–963. https://doi.org/10.1007/s00704-023-04670-3
Melo, V. G. M. L., Frizzone, J. A., de Camargo, A. P., & de Melo, L. L. (2023). Evaluation of irrigation requirement for the design of an irrigation system using a probabilistic approach for the estimation of evapotranspiration and rainfall. Revista Ciencia Agronomica, 54, 1–10. https://doi.org/10.5935/1806-6690.20230048
Montes-Pajuelo, R., Rodríguez-Pérez, Á. M., López, R., & Rodríguez, C. A. (2024). Analysis of probability distributions for modelling extreme rainfall events and detecting climate change: insights from mathematical and statistical methods. Mathematics, 12(7), 1–24. https://doi.org/10.3390/math12071093
Nery, J. T. (2005). Dinâmica climática da região sul do Brasil. Revista Brasileira de Climatologia, 1(1), 61–75.
Paludo, A., Becker, W. R., Richetti, J., Silva, L. C. D. A., & Johann, J. A. (2020). Mapping summer soybean and corn with remote sensing on Google Earth Engine cloud computing in Parana state–Brazil. International Journal of Digital Earth, 13(12), 1624–1636. https://doi.org/10.1080/17538947.2020.1772893
Passos, M. L. V., & Mendes, T. J. (2018). Precipitação Pluviométrica Mensal E Anual Provável Para O Município De Turiaçu-MA. Revista Brasileira de Agricultura Irrigada, 12(1), 2283–2292. https://doi.org/10.7127/rbai.v12n100672
Rocha, A. S., Giovanella, T. H., Zatti, G. K., & Oliveira, F. C. (2024). Mapeamento Geoambiental do Oeste do Paraná. Revista Brasileira de Geografia Física, 06, 4441–4466.
Santos, P. H. A. B., Delfino, O. A. S., Santos, R. V. R., & Nascimento, M. (2021). Ajuste de um modelo de séries temporais para prever a precipitação pluviométrica. Research, Society and Development, 10(6), 1–11.
Santos, R. S., Vieira, P. D., Evangelista, D. H. R., Oliveira, L. J. C., & Nonato, D. (2018). Caracterização de extremos mensais de precipitação em Coacoal (RO). Revista Brasileira de Climatologia, 22(12), 267–280.
Schmoeller, A. M., & Limberger, L. (2023). Detecção de Padrões de Mudanças Climáticas no Oeste e Sudoeste do Paraná no Período de 1977-2018. Revista Brasileira de Geografia Física, 16(4), 1697–1713.
Sentelhas, P. C., Battisti, R., Câmara, G. M. S., Farias, J. R. B., Hampf, A. C., & Nendel, C. (2015). The soybean yield gap in Brazil—Magnitude, causes and possible solutions for sustainable production. Journal of Agricultural Science, 153(8), 1394–1411. https://doi.org/10.1017/S0021859615000313
Shen, T., & Xiang, Y. (2023). Optimization of probability density functions applicable for hourly rainfall. Atmosphere, 14(7), 1–23. https://doi.org/10.3390/atmos14071100
Shi, W., Wang, M., & Liu, Y. (2021). Crop yield and production responses to climate disasters in China. Science of the Total Environment, 750, 141147. https://doi.org/10.1016/j.scitotenv.2020.141147
Silva, W. T. C., & Gonçalvez, D. V. (2024). Vulnerabilidade e mudanças climáticas: análise socioambiental para o estado de Sergipe. Revista Brasileira de Geografia Física, 17(2), 931–944.
Sobenko, L. R., Duarte, E., Júnior, F., Neto, O., Santos, A., & Alves, A. (2016). Estimativa da necessidade de irrigação na cultura do milho “safrinha” em Sorriso-MT por métodos agroclimatológicos. Revista Brasileira de Milho e Sorgo, 15(1), 73–85. https://doi.org/10.18512/1980-6477/rbms.v15n1p73-85
Souza, J. L. M. de, Jerszurki, D., Barroca, M. V., Trentin, C. V., & Gurski, B. C. (2020). Precipitação E Evapotranspiração De Referência Prováveis Para O Município De Pinhais-Pr. Revista Brasileira de Agricultura Irrigada, 13(4), 3512–3523. https://doi.org/10.7127/rbai.v13n4001031
Souza, R. O. R. M., Costa, E. F. N., Sginomiya, A. K., Lima Júnior, J. A., & Souza, J. M. M. (2018). Precipitação provável mensal e anual para o estado do Pará. Irriga, 53(2), 249–261. https://doi.org/10.1017/CBO9781107415324.004
Torsoni, G. B., de Oliveira Aparecido, L. E., dos Santos, G. M., Chiquitto, A. G., da Silva Cabral Moraes, J. R., & de Souza Rolim, G. (2023). Soybean yield prediction by machine learning and climate. Theoretical and Applied Climatology, 151(3–4), 1709–1725. https://doi.org/10.1007/s00704-022-04341-9
Vieira, I. C. O., de Moraes, J. R. da S. C., Santos, V. B. D., Costa, D. L. P., de Faria, R. T., de Souza, P. J. de O. P., & Rolim, G. de S. (2024). Modelo de previsão meteorológica decendial para fins agrícolas utilizando regressão linear múltipla. Revista Brasileira de Geografia Fisica, 17(3), 1434–1456. https://doi.org/10.26848/rbgf.v17.3.p1434-1456
Virtanen, P., Gommers, R., Oliphant, T.E., Haberland, M., Reddy, T., Cournapeau, D., Burovski, E., Peterson, P., Weckesser, W., Bright, J., van der Walt, S.J., Brett, M., Wilson, J., Millman, K.J., Mayorov, N., Nelson, A.R.J., Jones, E., Kern, R., Larson, E., Carey, C.J., Polat, İ., Feng, Y., Moore, E.W., VanderPlas, J., Laxalde, D., Perktold, J., Cimrman, R., Henriksen, I., Quintero, E.A., Harris, C.R., Archibald, A.M., Ribeiro, A.H., Pedregosa, F., van Mulbregt, P., Vijaykumar, A., Bardelli, A.P., Rothberg, A., Hilboll, A., Kloeckner, A., Scopatz, A., Lee, A., Rokem, A., Woods, C.N., Fulton, C., Masson, C., Häggström, C., Fitzgerald, C., Nicholson, D.A., Hagen, D.R., Pasechnik, D.V., Olivetti, E., Martin, E., Wieser, E., Silva, F., Lenders, F., Wilhelm, F., Young, G., Price, G.A., Ingold, G.L., Allen, G.E., Lee, G.R., Audren, H., Probst, I., Dietrich, J.P., Silterra, J., Webber, J.T., Slavič, J., Nothman, J., Buchner, J., Kulick, J., Schönberger, J.L., de Miranda Cardoso, J.V., Reimer, J., Harrington, J., Rodríguez, J.L.C., Nunez-Iglesias, J., Kuczynski, J., Tritz, K., Thoma, M., Newville, M., Kümmerer, M., Bolingbroke, M., Tartre, M., Pak, M., Smith, N.J., Nowaczyk, N., Shebanov, N., Pavlyk, O., Brodtkorb, P.A., Lee, P., McGibbon, R.T., Feldbauer, R., Lewis, S., Tygier, S., Sievert, S., Vigna, S., Peterson, S., More, S., Pudlik, T., Oshima, T., Pingel, T.J., Robitaille, T.P., Spura, T., Jones, T.R., Cera, T., Leslie, T., Zito, T., Krauss, T., Upadhyay, U., Halchenko, Y.O., Vázquez-Baeza, Y., 2020. SciPy 1.0: fundamental algorithms for scientific computing in Python. Nature Methods, 17(3), 261–272. https://doi.org/10.1038/s41592-019-0686-2
Wollmann, C., & Galvani, E. (2013). Zoneamento agroclimático: Linhas de pesquisa e caracterização teórica-conceitual. Revista Sociedade & Natureza, 25(1), 179–189.
Ye, L., Hanson, L. S., Ding, P., Wang, D., & Vogel, R. M. (2018). The probability distribution of daily precipitation at the point and catchment scales in the United States. Hydrology and Earth System Sciences, 22(12), 6519–6531. https://doi.org/10.5194/hess-22-6519-2018
Yue, S., & Hashino, M. (2007). Probability distribution of annual, seasonal and monthly precipitation in Japan. Hydrological Sciences Journal, 52(5), 863–877. https://doi.org/10.1623/hysj.52.5.863
Zhang, F., Biederman, J. A., Dannenberg, M. P., Yan, D., Reed, S. C., & Smith, W. K. (2021). Five decades of observed daily precipitation reveal longer and more variable droughtevents across much of the Western United States. Geophysical Research Letters, 48(7), 1–11. https://doi.org/10.1029/2020GL092293
Zou, S., Abuduwaili, J., Duan, W., Ding, J., De Maeyer, P., Van De Voorde, T., & Ma, L.
(2021). Attribution of changes in the trend and temporal non-uniformity of extreme precipitation events in Central Asia. Scientific Reports, 11(1), 1–11. https://doi.org/10.1038/s41598-021-94486-w
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Fabricio Correia de Oliveira, Lisiane Sobucki, Diego Venâncio Thomaz, Tharsos Hister Giovanella, Anderson Sandro da Rocha
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.
