Variação espacial da precipitação máxima diária na bacia hidrográfica do Rio Piquiri/ Spatial analysis of maximum precipitations in the hydrographic basin of the Piquiri River

Renato dos Santos Sanches, Fernanda Cristina Araujo, Luciana Espíndula de Quadros, Gisele Maria Gollin, Eloy Lemos de Mello, Benedito Martins Gomes

Abstract


Entende-se que o conhecimento da distribuição de eventos máximos sobre a bacia hidrográfica do rio Piquiri e as influências exercidas pelas possíveis mudanças climáticas são de importância fundamental para o planejamento de uso e ocupação da região. Este trabalho objetivou, a partir das previsões de precipitação pluviométrica do modelo regional ETA e de dados históricos, analisar a distribuição espacial de eventos máximos de precipitação sobre a área da bacia hidrográfica do rio Piquiri. Para tanto, foram elaborados mapas temáticos, utilizando o método de krigagem ordinária, da distribuição das alturas máximas precipitadas anuais, com duração de 24 horas, considerando períodos de retorno de 2, 5 e 25 anos, para os membros 2 e 4 do modelo ETA  no período de 2010 a 2100 e para dados registrados por estações pluviométricas, no período de 1980 a 2010. Desta maneira, pôde-se observar que a tendência de distribuição espacial de eventos máximos de precipitação para o futuro é de manter um comportamento semelhante ao atual, predominando precipitações máximas mais intensas na parte sul da bacia e precipitações máximas relativamente menos intensas na parte norte.


Keywords


modelo ETA, eventos máximos, krigagem.

References


ANA – Agência Nacional de Águas. Sistema de informações hidrológicas HIDROWEB. Disponível em . Acesso em: 01 ago. 2013.

Box, G., and Cox, D. (1964). An analysis of transformation. Journal of the Royal Statistical Society, Series B, n. 26, p. 211-252.

Chou, S. C.; Marengo, J. A.; Lyra, A. A.; Sueiro, G.; Pesquero, J. F.; Alves, L. M.; Kay, G.; Betts, R.; Chagas, D. J.; Gomes, J. L.; Bustamante, J. F. and Tavares, P. (2011). Downscaling of South America present climate driven by 4-member HadCM3 runs. Journal Climate Dynamics, v.38, p. 635-653. doi:10.1007/s00382-011-1002-8

Cressie, N. A. C., and Hawkins, D. M. (1980). Robust estimation of the variogram. I. Journal of the International Association for Mathematical Geology, v.12, p.115-125.

Diggle, P. J. and Ribeiro Jr, P. J. (2007) Model-based Geostatistics. USA: Springer Series in Statistics.

Dourado, C. S., Oliveira, S. R. M. and Avila, A. M. H. (2013). Análise de zonas homogêneas em séries temporais de precipitação no estado da Bahia. Bragantia, Campinas, v. 72, n. 2, p.192-198.

Ganguly, A. R. and Steinhaeuser, K. (2008). Data Mining for Climate Change and Impacts. ICDMW ’08 Proceedings of the 2008 IEEE International Conference on Data Mining Workshops. p.385-394. Isbn: 978-0-7695-3503-6. doi: 10.1109/ICDMW.2008.30.

Marengo, J. A., Alves, L. M., Valverde, M. C., Rocha, R. P., and Laborde, R. (2007). Eventos extremos em cenários regionalizados de clima no Brasil e América do Sul para o século XXI: Projeções de clima futuro usando três modelos regionais. Relatório 5. MMA/SBF/DCBio, Brasília.

Matheron, G. (1962). Traité de géostatistique appliquée. Bureau de Recherches Geologiques et Minieres, v. 14, p. 1246–1266.

R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL .

Romani, L. A. S., Ávila, A. M. H., Zullo Jr, J., Traina Jr, C. and Traina, A. J. M. (2010). Mining Relevant and Extreme Patterns on Climate Time Series with CLIPSMiner. Journal of Information and Data Management, v. 1, n. 2, p.245-260.

SEMA - Secretaria de Estado do Meio Ambiente e Recursos Hídricos. (2015). Bacias Hidrográficas do Paraná – Série Histórica, 2ªed. Governo do Estado do Paraná. p.118.

Swart, R. and Nakicenovic, N. (2000). Emissions Scenarios. IPCC Special Reports. p.247-249. Disponível em: .




DOI: https://doi.org/10.34117/bjdv6n2-159

Refbacks

  • There are currently no refbacks.