Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2017-06-08T11:46:09Z No. of bitstreams: 1 texto completo.pdf: 2306365 bytes, checksum: d2c2a48b28adb25e78b49f2c30493b91 (MD5) / Made available in DSpace on 2017-06-08T11:46:09Z (GMT). No. of bitstreams: 1 texto completo.pdf: 2306365 bytes, checksum: d2c2a48b28adb25e78b49f2c30493b91 (MD5) Previous issue date: 2017-02-17 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Chuvas intensas têm a característica de produzir elevada lâmina precipitada em um curto intervalo de tempo, gerando elevada vazão de escoamento superficial. Seu conhecimento é fundamental para a sociedade no planejamento de práticas de conservação do solo e da água, manejo de bacias hidrográficas e no dimensionamento de estruturas hidráulicas. O presente estudo teve como objetivo obter parâmetros da equação de chuvas intensas (“K”, “a”, “b” e “c”) por meio da espacialização da intensidade máxima média de precipitação para os estados brasileiros Minas Gerais, Espírito Santo e Rio de Janeiro. As intensidades máximas média de precipitação foram obtidas por meio das equações de intensidade-duração-frequência (IDF), desenvolvidas por dados pluviográficos, existentes na área de estudo. Nestas foram submetidas combinações entre seis períodos de retorno (2, 5, 10, 20, 50 e 100 anos) e 16 durações (10, 20, 30, 40, 50, 60, 120, 240, 360, 420, 660, 720, 900, 1140, 1380 e 1440 minutos), totalizando 96 mapas de intensidade máxima média de precipitação. Na interpolação, foram avaliados dois tipos de interpoladores, geoestatístico (Krigagem Simples, Ordinária e Cokrigagem) e determinístico (Inverso da Distância elevado a potência de 1 a 6). O melhor interpolador foi definido por meio do menor Módulo do Erro Médio Percentual (MEMP) e o melhor modelo, dentro do interpolador, foi definido por meio da menor raiz do quadrado médio do erro (RMSE). O interpolador Inverso da Distância (IDP) apresentou menor módulo do Erro Médio Percentual (MEMP), de 3%, em comparação ao interpolador Geoestatístico, igual a 15,75%. Com isso, os parâmetros “K”, “a”, “b” e “c” da equação de IDF foram gerados pela espacialização das intensidades máximas média de precipitação pelo interpolador Inverso da Distância, para cada pixel de 2km x 2km para os estados de Minas Gerais, Espírito Santo e Rio de Janeiro. / Intense rainfalls have the characteristic of producing great precipitated depths in short times, generating a high flow rate. The knowledge on that is fundamental for society in planning soil and water conservation practices management of hydrographic basins and hydraulic structures projects. The present study has as objective to obtain parameters for the intense rains equation (“K”, “a”, “b” e “c”) using interpolated data for average maximum rainfall intensity, for the states of Minas Gerais, Espírito Santo and Rio de Janeiro. The average maximum rainfall intensity data was obtained by of the Intensity-Duration-Frequency equations (IDF), created by pluviographic data, available in the literature. In these were submitted combinations between six return periods (2, 5, 10, 20, 50 and 100 years) and 16 durations values (10, 20, 30, 40, 50, 60, 120, 240, 360, 420, 660, 720, 900, 1140, 1380 and 1440 minutes), resulting in 96 maximum intense rainfall maps. In the interpolation two interpolators, the geostatistical (Simple Kriging, Ordinary Kriging and Cokriging) and the deterministic (Inverse of Distance to powers of 1 to 6) were evaluated. The best interpolator was defined by the lowest Mean Absolute Percentual Error (MAPE), and the best model, inside the interpolator, was defined by the smallest Root Mean Square Error (RMSE). The Inverse Distance interpolation (IDP) presented lower Mean Absolute Percentage Error (MAPE), of 3%, compared to the Geostatistical interpolator, equal to 15.75%. Thus, the parameters "K", "a", "b" and "c" of the IDF equation were obtained by spatialization of the average intense rainfall data, by the Inverse Distance interpolator, for each of 2km x 2km pixel, for the states of Minas Gerais, Espírito Santo and Rio de Janeiro.