Avaliação climatológica da cidade de Uberlândia por meio da Análise de Componentes Principais

Transcrição

1 Avaliação climatológica da cidade de Uberlândia por meio da Análise de Componentes Principais Bruna Queiroz de Melo Prado 1 Heverton Rodrigues Fernandes 2 Tatiane Gomes Araújo 3 Nádia Giarette Biase 4 Resumo: Os estudos das condições climáticas das cidades de pequeno e médio porte nos trópicos se intensificaram nos últimos anos, pois além de serem essenciais na agricultura, contribuem de forma significativa nas áreas de turismo, transporte e lazer. Além disso, a urbanização é capaz de alterar o clima do espaço ocupado pelas cidade, e eventos extremos que estejam ligados à temperatura ou às precipitações fora dos padrões normais, repercutem na qualidade de vida da população que habita as grandes cidades. Assim, o presente trabalho tem como objetivo estudar o comportamento climático da cidade de Uberlândia-MG no período de 2008 a 2012 por meio da utilização da técnica multivariada de Análise de Componentes Principais, na qual se obteve um componente altamente explicativo, que conseguiu explicar 70,59% da variação total do modelo e se caracterizou por representar meses úmidos, chuvosos, e com pouca variação de temperatura. Palavras-Chave: Minas Gerais, técnica multivariada, precipitação. 1 FAMAT - Universidade Federal de Uberlândia. bruna.est.ufu@hotmail.com 2 FAMAT - Universidade Federal de Uberlândia. heverton.f@hotmail.com 3 FAMAT - Universidade Federal de Uberlândia. tatigomesaraujo@yahoo.com.br 4 FAMAT - Universidade Federal de Uberlândia. nadiabiase@gmail.com

2 Climatological evaluation of Uberlândia by Principal Component Analysis Bruna Queiroz de Melo Prado 1 Heverton Rodrigues Fernandes 2 Tatiane Gomes Araújo 3 Nádia Giarette Biase 4 Abstract: The present study aims to analyze the climate behavior in Uberlândia-MG in the period from 2008 to 2012 by Principal Component Analysis, which obtained a component able to explain 70.59% of the total variation model and represents humid and rainy months, and with little temperature variation. Keywords: Minas Gerais, multivariate technique, precipitation. 1 FAMAT - Universidade Federal de Uberlândia. bruna.est.ufu@hotmail.com 2 FAMAT - Universidade Federal de Uberlândia. heverton.f@hotmail.com 3 FAMAT - Universidade Federal de Uberlândia. tatigomesaraujo@yahoo.com.br 4 FAMAT - Universidade Federal de Uberlândia. nadiabiase@gmail.com

3 Avaliação climatológica da cidade de Uberlândia por meio da Análise de Componentes Principais Bruna Queiroz de Melo Prado 1 Heverton Rodrigues Fernandes 2 Tatiane Gomes Araújo 3 Nádia Giarette Biase 4 1. Introdução Os estudos das condições climáticas das cidades de pequeno e médio porte nos trópicos se intensificaram nos últimos anos, devido à necessidade de se conhecer seus ambientes climáticos. De acordo com Medeiros et al. (2005) estudos climatológicos são essenciais na área da agricultura, já que a temperatura do ar tem influência direta em muitos efeitos fisiológicos que ocorrem nas plantas e animais. Além disso, a avaliação climática de uma região pode contribuir de forma significativa nas áreas de turismo, transporte e lazer. O clima é um dos aspectos que expressa à relação entre a sociedade e a organização econômica e social do espaço urbano, posto que, eventos extremos que estejam ligados à temperatura ou às precipitações fora dos padrões normais, repercutem na qualidade de vida da população que habita as grandes cidades (Mendes, 2001). Dentre os principais fatores responsáveis pela alteração climática do meio urbano, pode-se citar a produção artificial de calor, seja na forma de combustão ou como resultado das propriedades térmicas das cidades (edificações e pavimentações) (Silva e Assunção, 2004). Segundo Ayoade (1991), dois aspectos do clima urbano são particularmente dignos de serem mencionados: a ilha de calor e a poluição do ar. Esses fatores quando combinados causam outras alterações climáticas no espaço urbano, em particular o comportamento das precipitações. O clima de Uberlândia, segundo a classificação de Köppen, é do tipo Aw, ou seja, apresenta um inverno seco e um verão chuvoso (Mendes, 2001). Segundo Carrijo e 1 FAMAT - Universidade Federal de Uberlândia. bruna.est.ufu@hotmail.com 2 FAMAT - Universidade Federal de Uberlândia. heverton.f@hotmail.com 3 FAMAT - Universidade Federal de Uberlândia. tatigomesaraujo@yahoo.com.br 4 FAMAT - Universidade Federal de Uberlândia. nadiabiase@gmail.com

4 Baccaro (2000), o clima da região é controlado pelas massas de ar continental (Equatorial e Tropical) e atlântica (Polar e Tropical), sendo os deslocamentos dessas massas de ar responsáveis pelas variações sazonais entre as estações úmidas e secas observadas no município. Assim o presente trabalho tem como objetivo estudar o comportamento climático da cidade de Uberlândia-MG por meio da análise mensal dos elementos atmosféricos (temperatura do ar, temperatura úmida, umidade relativa do ar, temperatura máxima, temperatura mínima, amplitude térmica, precipitação) e o seu respectivo comportamento, no período de 2008 a 2012, por meio da utilização da técnica multivariada de Análise de Componentes Principais. 2. Material e Métodos Os dados climáticos em estudo são referentes aos anos de 2008 a 2012 da cidade de Uberlândia (Minas Gerais), classificados nos elementos atmosféricos: temperatura do ar (X 1 ), temperatura úmida (X 2 ), umidade relativa do ar (X 3 ), temperatura máxima (X 4 ), temperatura mínima (X 5 ), amplitude térmica (X 6 ) e precipitação (X 7 ). A análise de componentes principais é um método multivariado que consiste em transformar um conjunto de p variáveis originais X 1, X 2,, X p, pertencentes a n indivíduos ou populações, em um novo conjunto de variáveis, Y 1, Y 2,, Y p de dimensão equivalente, chamados componentes principais. Cada componente principal é uma combinação linear das variáveis originais, construído de maneira a explicar o máximo da variabilidade total dessas variáveis originais e não correlacionadas entre si (Strapasson et al., 2000). Segundo Morrison (1976), o primeiro componente principal (Y 1 ) de um conjunto de p variáveis, X 1, X 2,, X p, contidas no vetor X = (X 1, X 2,, X p ) é definido como a combinação linear: Y 1 = b 11 X 1 + b 21 X b p1 X p = b 1X cujos coeficientes b i1 são elementos do vetor característico b 1, associado à maior raiz característica (λ 1 ) da matriz de covariância amostral, S, das variáveis X i s. O segundo componente principal (Y 2 ) estará associado à segunda maior raiz característica (λ 2 ) e,

5 assim sucessivamente, até que toda a variância tenha sido explicada. O primeiro componente também é definido como o de maior importância, uma vez que retém a maior parte da variação total encontrada nos dados originais. Uma das maneiras de verificar a adequação da análise de componentes principais é examinar a matriz de correlações através do teste de esfericidade de Bartlett, utilizado para testar a hipótese de que a matriz de correlações pode ser a matriz identidade com determinante igual a 1 (Favero et al., 2009). Segundo Favero et al. (2009), para transformar os coeficientes dos componentes principais em uma estrutura simplificada e de fácil interpretação, pode-se aplicar o método de rotação de fatores ortogonais. Dentre esses métodos, o critério Varimax proposto por Kaiser (1958) tem como base reduzir o número de variáveis que tem altas cargas em um fator, cuja finalidade é maximizar a variação entre os pesos de cada componente principal. 3. Resultados e Discussões O teste de Bartlett foi aplicado para se analisar as correlações entre as variáveis em estudo, onde os resultados obtidos confirmaram, ao nível de 5% de significância, que as variáveis possuem correlações significativas, isto é, ao menos uma das correlações entre as variáveis é significativamente diferente de zero ( χ 2 = 32,67, GL = 21, p < 0,0001, α = 0,05 ). A Análise de Componentes Principais resultou em um primeiro Componente Principal (CP1) que consegue explicar 70,59% da variação total dos dados, e possui autovalor igual a 4,941, como mostra a Tabela 1. Logo, pelo critério da proporção da variância acumulada em torno de 80% para a escolha dos componentes principais de maior relevância, tem-se que o primeiro componente principal já é altamente explicativo para o modelo. Tabela 1: Autovalores e variabilidade de cada componente. CP1 CP2 CP3 CP4 CP5 CP6 CP7 Autovalor 4,941 1,979 0,064 0,011 0,005 0,000 0,000 Variabilidade (%) 70,587 28,271 0,910 0,156 0,070 0,004 0,002 % acumulada 70,587 98,858 99,768 99,924 99,994 99, ,000

6 Por meio dos autovetores dos Componentes Principais gerados pela análise é possível obter as equações referentes a cada componente, sendo a do CP1 dada por: CP 1 = 0,326X 1 + 0,447X 2 + 0,35X 3 + 0,219X 4 + 0,439X 5 0,377X 6 + 0,434X 7 A rotação Varimax se fez necessária para uma melhor interpretação dos resultados, onde se obteve por meio das cargas fatoriais que o Componente Principal 1 representa meses que se caracterizam pela alta umidade relativa do ar, precipitação e baixa amplitude térmica, ou seja, representa os meses úmidos, chuvosos e de pouca variação na temperatura. Por meio dos escores obtidos dos meses em relação ao primeiro componente principal, tem-se que os meses mais associados positivamente a este componente são, respectivamente, Janeiro, Dezembro, Março e Fevereiro, ou seja, pode-se dizer que esses meses são os que durante o período estudado apresentaram maior índice de chuva e umidade no ar, além de pouca variação na temperatura. Já Setembro, Agosto e Julho são, respectivamente, os meses mais associados negativamente ao Componente Principal 1, logo tem-se que esses meses se caracterizaram por serem os meses mais secos, com pouca chuva e de grande variação na temperatura. 4. Conclusões Por meio da Análise de Componentes Principais foi possível reduzir a dimensão dos dados a um único componente altamente explicativo, que conseguiu explicar 70,59% da variação total do modelo, e se caracterizou por representar meses úmidos, chuvosos, e com pouca variação de temperatura. Com isso, tem-se que Janeiro, Dezembro, Março e Fevereiro foram os meses mais associados a esse componente, ou seja, durante o período estudado esses meses foram os que apresentaram maior índice de chuva e umidade no ar, além de temperatura com pouca variação. Já os meses de Setembro, Agosto e Julho, que apresentam maior associação negativa com este componente, são os meses que nesse período teve grande variação na temperatura, além de apresentarem tempo seco e baixo índice de chuva. 5. Bibliografia

7 AYOADE, J. O. Introdução à Climatologia para os Trópicos. 2 ed. Rio de Janeiro: Ed. Bertrand do Brasil, CARRIJO, B. R.; BACCARO, C. A. D. Análise sobre a erosão hídrica na área urbana de Uberlândia (MG). Caminhos de Geografia, Uberlândia, n. 1, v. 2, dez. 2000, p FAVERO, L. P.; BELFIORE, P.; SILVA, F. L.; CAHN, B. L. Análise de dados modelagem multivariada para tomada de decisão. 8 ed. Rio de Janeiro: Ed. Elsevier Ltda, 2009, 646 p. MEDEIROS, S. S.; CECÍLIO, R. A.; JÚNIOR, J. C. F. de M.; SILVA, J. L. C. Estimativas e espacialização das temperaturas do ar mínimas, médias e máximas na Região Nordeste do Brasil. Revista Brasileira de Engenharia Agrícola e Ambiental, v.9, n.2, 2005, p MENDES. P. C. A gênese espacial das chuvas na cidade de Uberlândia (MG). Dissertação (Mestrado em Geografia) Universidade Federal de Uberlândia, Uberlândia, MORRISON, D. F. Multivariate statistical methods. 2.ed. Singapore: McGraw Hill. 1976, 415p. SILVA, E. M. da; ASSUNÇÃO, W. L. O clima na cidade de Uberlândia (MG). Sociedade e Natureza, Uberlândia, v. 16, n. 30, Universidade Federal de Uberlândia, Instituto de Geografia/EDUFU. STRAPASSON, E.; VENCOVSKY, R.; BATISTA, L. A. R. Seleção de Descritores na Caracterização de Germoplasma de Paspalum sp. por meio de Componentes Principais. Rev. bras. zootec., 29(2): , 2000.