IV Simpósio de Geoestatística Aplicada em Ciências Agrárias 14 e 15 de Maio de 2015 Botucatu, São Paulo

Transcrição

1 e de Maio de 0 DISTRIBUIÇÃO TEMPORAL DAS VARIÁVEIS CLIMATOLÓGICAS EM BOTUCATU- SP Filgueiras R.¹; Nicolete, D. A. P. ; Carvalho, T. M. ; Cunha, A. R. ; Zimback, C. R. L. Eng. Agrícola e Ambiental, mestrando em Agronomia (Irrigação e Drenagem), Depto de Solos e Recursos Ambientais, FCA/UNESP, betofilgueiras@gmail.com Eng. Florestal, mestrando em Agronomia (Irrigação e Drenagem), Depto de Solos e Recursos Ambientais, FCA/UNESP, dnicolete@gmail.com Eng. Agrícola, doutoranda em agronomia (Energia na Agricultura), Depto de Solos e Recursos Ambientais, FCA/UNESP, taniacarvalho00@gmail.com Engenheiro Agrônomo Dr., Depto de Solos e Recursos Ambientais, FCA/UNESP, arcunha@fca.unesp.br Prof. Adjunto, Depto de Solos e Recursos Ambientais, FCA/UNESP, Botucatu/SP, Brasil, czimback@gmail.com Resumo As variáveis climáticas são extremamente dinâmicas ao longo do tempo, logo, um curto espaço temporal das mesmas, não consegue representar com uma boa fidedignidade a realidade, fazendo com que as normais climatológicas tornem-se muito úteis nesse sentido. Dessa forma, o trabalho teve por objetivo, realizar a distribuição temporal das normais climatológicas diárias (umidade relativa do ar, velocidade do vento, radiação solar, evaporação do tanque Classe A, precipitação e temperatura) em um período de anos, para o município de Botucatu-SP. Para verificar a não tendenciosidade dos dados e a dependência temporal, utilizou-se a análise variográfica e o índice de dependência temporal, respectivamente. Após esta etapa verificou-se que os dados climáticos poderiam ser interpolados pela krigagem ordinária. Os modelos dos variogramas teóricos ajustaram-se aos variogramas experimentais, o que foi constatado pelo R².Verificada a adequabilidade dos modelos, as variáveis climatológicas foram interpoladas, gerando superfícies contínuas. Palavras-chave: krigagem ordinária; normal climatológica; geoestatística. TEMPORAL DISTRIBUTION OF CLIMATOLOGICAL NORMALS IN BOTUCATU, SÃO PAULO STATE, BRAZIL Abstract - The climatic conditions are extremely dynamic over the time, so, a short timeline analysis cannot represent the reality with good reliability, making climatological normal very useful in this regard. Thus, the study aimed to realize the temporal distribution of climatological normal (relative humidity, wind speed, solar radiation, evaporation of the Class A tank, precipitation and temperature) over a period of years in Botucatu-SP. To verify the absence of data bias and temporal dependence were used variogram analysis and temporal dependence index, respectively. After this step, it was found that climatic data could be interpolated by ordinary kriging. The theoretical variograms models have adjusted at experimental variograms models. These adjustments were observed by a high value of R².Verified the models suitability, climatological variables were interpolated, generating continuous surfaces. Key words: ordinary kriging; climatological normal; geostatistics. Introdução O conhecimento de dados meteorológicos de uma determinada região é fator primordial para o planejamento em diversas áreas, como agricultura, pecuária, hidrologia, gestão urbana, dentre outras. Nesse contexto, as normais climatológicas, que são valores médios relativos a vários anos, como decênios ou séculos, tornam-se fundamentais para se entender os fenômenos climáticos ocorrentes na superfície terrestre. As normais representam com maior fidedignidade a realidade, quando comparadas com dados de curto período temporal. As informações obtidas, a partir das normais climatológicas subsidiam a tomada de decisão, como por exemplo: épocas mais adequadas para o plantio, zoneamentos agrícolas, situações de riscos fitossanitários, manejo de irrigação e bem estar animal. Uma das formas de aperfeiçoar o entendimento desses parâmetros é representá-los de maneira espacial e temporal (SARTORI et al., 00). Para isso, pode-se utilizar de metodologias geoestatísticas, onde tal comportamento é apresentado por meio de mapas temáticosdos parâmetros climatológicos. Com o uso da geoestatística, torna-se possível analisar o grau de dependência espacial ou temporal de uma variável IV Simpósio de Geoestatística em Ciências Agrárias SGeA ISSN: -

2 e de Maio de 0 aleatória e com isso, decidir qual o melhor interpolador que se deve utilizar para a representação dos parâmetros (YAMAMOTO; LANDIM, 0), facilitando o entendimento das variáveis climáticas, principalmente, para o manejo correto das atividades agrícolas. Dessa forma, o trabalho teve como objetivo realizar a distribuição temporal das normais climatológicas diárias da umidade relativa do ar, velocidade do vento, radiação solar, evaporação do tanque classe A, precipitação e temperatura, para um período de anos, no município de Botucatu-SP. Material e Métodos O município de Botucatu está localizado na região centro sul do estado de São Paulo, com uma área territorial de., km². De acordo com Cunha e Martins (00), o clima da região foi caracterizado como Cfa, clima temperado quente (mesotérmico) úmido, tendo uma temperatura média anual de 0, C, apresentando uma precipitação média anual de. mm. As informações de umidade relativa do ar (UR), velocidade do vento (U), radiação solar (Rs), evaporação do tanque Classe A (ECA), precipitação (Pp) e temperatura do ar (T) são da estação meteorológica convencional da Faculdade de Ciências Agronômicas da UNESP, Campus de Botucatu-SP, nas seguintes coordenadas geográficas: de latitude S e de longitude W, e altitude de m. Para definir as normais climatológicas coletou-se uma série histórica de anos ( a 00) de dados diários, que foram processados no programags+.0 (ROBERTSON, 00). Inicialmente, a análise exploratória dos dados foi realizada pela estatística descritiva, através de medidas de posição e dispersão. A dependência das variáveis aleatóriasfoi analisada ao longo do tempo por meio da Equação. Υ(t) = ( ) N(t) [Z(x N(t) i ) Z(x i + t)]² i= () em que: Υ(t) é o semivariograma para um vetor t em dias; Z(x) e Z(x+t) são os pares das variáveis analisadas no estudo, separados por um intervalo de tempo (dias) e N(t) é o números de pares medidos. Foi realizado ajuste dos modelos dos variogramas teóricos aos experimentais. Posterior a esse, calculou-se o Índice de Dependência Temporal (IDT) por meio da relação entre a semivariância estrutural ou temporal (C) e o patamar (C+C o), por meio da equação, proposta por Zimback (00). C IDT = x00 () C+C o Considera-seuma fraca dependência temporal para os valores menores ou iguais a %, entre e %, moderada dependência temporal e para as os resultados maiores que %, forte dependência temporal. A qualidade dos ajustes dos modelos foi verificada por meio da validação cruzada, que consiste na comparação entre os valores observados e os estimados pelos modelos. Após comprovar a dependência temporal das variáveis climáticas, e com os parâmetros dos modelos ajustados realizou-se a interpolação, pelo método da krigagem ordinária, com intuito de representar a distribuição temporal das normais climatológicas em estudo. Resultados e Discussão A Tabela apresenta a estatística descritiva das normais climatológicas das variáveis UR, U, Rs, ECA, Pp e T analisadas para o município de Botucatu-SP. O maior coeficiente de variação foi verificado para a precipitação. A UR e T foram as variáveis que apresentaram distribuição assimétrica negativa, e as demais variáveis apresentaram assimetria positiva. As variáveis UR, U, Rs e T apresentaram coeficiente de curtose menor que zero, sendo esta definida como platicúrtica. Já a ECA e a Pp apresentaram um coeficiente de curtose positivo, o que indica distribuição leptocúrtica, ou seja, uma distribuição menos achatada que uma distribuição normal. Os modelos dos variogramas foram testados no programa GS+.0 e o variograma teórico que melhor ajustou-se à maioria dos parâmetros climáticos analisados no estudo foi o modelo esférico (Tabela ), à exceção da T, que apresentou modelo gaussiano. Modelo esférico para a Pp também foi observado por Jacomo et al (0) para análise temporal para a região do oeste paulista. São escassos na literatura estudos usando normais climatológicas. Os variogramas das normais climatológicas estão nas Figuras, e. IV Simpósio de Geoestatística em Ciências Agrárias SGeA ISSN: -

3 e de Maio de 0 Tabela. Estatística descritiva das variáveis climatológicas analisadas. Variável n Média S S² CV(%) Min. Max. Ca Ck UR,,,,0,0,0-0,0-0, U, 0, 0,0,0,0,0 0, -0, Rs,,0 0,,0,00,0 0,0-0, ECA,0,,,,0 0,0 0,0, Pp,0,,, 0,0,0 0, 0, T 0,,, 0,,00,0-0, -, UR: umidade relativa do ar em %; U: velocidade do vento em m/s; Rs: radiação solar em Cal/m²; ECA: evaporação do tanque Classe A em mm; Pp: precipitação (mm); T: temperatura do ar ( C); n: número de observações; s: desvio-padrão; S²: variância; CV: coeficiente de variação (%); Ca: Coeficiente de assimetria; Ck: coeficiente de curtose. Tabela. Características dos modelos encontrados para as variáveis climatológicas analisadas. Variável Modelo do Variograma Co Co+C A R² IDT UR Esférico 0,000,00,0 0,,000 U Esférico 0,00 0,000,0 0, 0,0 Rs Esférico 0,0000,0000,0 0,0 0, ECA Esférico 0,00,00,00 0, 0, Pp Esférico,0,00,0 0, 0, T Gaussiano 0,000,,0 0, 0, UR: umidade relativa do ar em %; U: velocidade do vento em m/s; Rs: radiação solar em Cal/m²; ECA: evaporação do tanque Classe A em mm; Pp: precipitação em mm; T: temperatura do ar em C; Co: efeito pepita; Co+C: patamar; A: alcance; R²: coeficiente de determinação múltipla; IDT: índice de dependência temporal. O critério para escolha dos modelos foi o menor erro (Zimback, 00). O IDT de todos os parâmetros climáticos avaliados apresentou forte dependência temporal (IDT > %), de acordo com Zimback (00). O R² da validação cruzada das normais UR, U, Rs e ECA, Pp e T foram de 0,, 0,, 0,, 0,0, 0, e 0, respectivamente, o que comprova a adequação dos modelos variográficos experimentais aos modelos dos variogramas teóricos. Os mapas temáticos de distribuição no tempo para as normais climatológicas são apresentados na Figura. Para normal UR (Figura A), observou-se que os menores valores ocorrem no mês de agosto, seguido pelo mês de setembro. Os maiores valores para UR acontecem na normalidade, no mês de janeiro, seguido do mês de fevereiro e março. A Figura B apresenta a normal climatológica da U temporalizado para o município de Botucatu-SP. Observa-se que as ocorrências de ventos mais fortes iniciam-se no mês de setembro, prolongando-se nos meses de outubro e novembro. Os maiores valores de Rs (Figura C) ocorrem nos meses de novembro e dezembro, podendo ser observado um ligeiro incremento no final do mês de outubro. Já os menores valores de Rs ocorrem com maior predominância, no mês de junho, alcançando o final de maio e estendendo-se até o mês de julho. A ECA (Figura D) apresenta maiores taxas no mês de março, com alguns picos esparsos durante este mês. Os menores valores de ECA ocorrem no mês de junho, porém, os meses de maio e julho, também apresentam baixos valores do parâmetro. IV Simpósio de Geoestatística em Ciências Agrárias SGeA ISSN: -

4 e de Maio de 0 Figura. Variogramas isotrópicos das normais de UR e U. Figura. Variogramas isotrópicos das normais de Rs e ECA. Figura. Variogramas isotrópicos das normais de T e Pp. IV Simpósio de Geoestatística em Ciências Agrárias SGeA ISSN: -

5 IV Simpósio de Geoestatística Aplicada em Ciências Agrárias e de Maio de 0 0,0,0,,,,,,,,, Velocidade do vento (m/s),,,0,,,,,, 0,, 0 UR do ar (%) Dias do mês Dias do mês Radiação solar (cal/m²) Evaporação TCA (mm),,,,,,,,,,, Evaporação TCA (mm),,,,,,,,,,, Tempo Dias do(dias) Mês Dias do Mês (C) (D) Chuva (mm),, 0,,,,,,,0, 0, Dias do mês Chuva (mm) (mm)média ( C) Temperatura Chuva ,,,,,, 0, 0,,,,,,, 0,,,,,,,0,,,,0,0,,,, 0, 0,, Dias do Dias do do mês mês Dias mês (E) (F) Figura. Distribuição temporal das normais climatológicas. Na Figura E os menores valores de Pp diária são observados nos meses posteriores a abril, até aproximadamente a primeira quinzena de setembro. Já os maiores valores de Pp são observados nos meses de janeiro, fevereiro e março, no inicio do ano, e novembro a dezembro no final do ano. A representação temporal mostra, portanto, que ocorre pouca variação temporal ao longo de cada mês (durante os dias), sendo a variação observada ao longo dos meses (durante o ano). Na Figura, o padrão analisado indica que ocorrem no munícipio de Botucatu-SP, verões chuvosos e invernos secos (CUNHA; MARTINS, 00). As T médias mais altas (Figura F) são concentradas na segunda quinzena dos meses iniciais do ano. De modo geral, a T apresenta uma maior flutuação em intervalos mais curtos, no período de março a maio, de acordo com as classes consideradas. A transição da T decresce de forma mais gradual e uniforme no outono, do que na primavera. Foram testadas as correlações entre todas as variáveis analisadas, e as que apresentaram forte correlação foram: Rs com a ECA (0,), Rs com T (0,) e ECA com T (0,). A Rs apresentou uma correlação moderada com a U (0,0) e Pp (0,), e o mesmo foi observado entre Pp e ECA (0,0) e entre a Pp e T (0,). As demais análises apresentaram coeficiente de correlação inferior a 0,0, sendo o menor coeficiente de 0,0 (U e T), considerado uma fraca correlação entre essas variáveis. Conclusão As normais das variáveis climáticas apresentaram forte dependência temporal, sendo a umidade relativa do ar a que apresentou a maior dependência ao longo do tempo. A precipitação apresentou o maior alcance dentre as variáveis, o que determina que essa tenha uma maior relação de dependência em função do tempo. A interpretação das normais climatológicas é facilitada quando essas variáveis são apresentadas no formato de IV Simpósio de Geoestatística em Ciências Agrárias SGeA ISSN: -

6 e de Maio de 0 mapas temáticos, ao invés de tabelas e gráficos, como normalmente são apresentados. A síntese de informação representadas nos mapas temporais das normais viabiliza imediata interpretação do comportamento das variáveis climatológicas, como é demandado pelo usuário nas tomadas de decisões. Referências CUNHA, A. R.; MARTINS, D. Classificação climática para os municípios de Botucatu e São Manuel, SP. Irriga, Botucatu,v., n., p.-, 00. JACOMO, C. A.; TACHIBANA, V. M.; FLORES, E. F. Geoestatística espaço-temporal e cluster para classificação de dados de precipitação anual do oeste paulista. In: SIMPÓSIO DE GEOESTATÍSTICA APLICADA EM CIÊNCIAS AGRÁRIAS. III, 0. Botucatu. Anais... Botucatu: FEPAF, 0. CD-ROM. ROBERTSON, G. P. GS+: Geoestatistics for the environmental sciences GS+ User ś Guide. Plainwell, Gamma Design Software, 00. p. SARTORI, A. A. C.; SILVA, A. F.; RAMOS, C. M. C.; ZIMBACK, C. R. L. Variabilidade Temporal e mapeamento dos dados climáticos de Botucatu-SP. Irriga, Botucatu, v., n., p VIOLA, M. R.; MELLO, C. R.; PINTO, D. B. F.; MELLO, J. M.; AVILA, L. F. Métodos de interpolação espacial para o mapeamento da precipitação pluvial. Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande, v., n., p.0, 00. ZIMBACK, C. R. L. Análise espacial de atributos químicos de solos para fins de mapeamento da fertilidade. 00. p. Tese (Livre-Docência) - Levantamento do solo e fotopedologia, Faculdade Ciências Agronômicas, Universidade Estadual Paulista Júlio de Mesquita Filho, Botucatu, 00. ZIMBACK, C. R. L. Geoestatística: Elementos da Geoestatística. p. Botucatu, Faculdade de Ciências Agronômicas, Universidade Estadual Paulista Júlio de Mesquita Filho, 00. IV Simpósio de Geoestatística em Ciências Agrárias SGeA ISSN: -