Submitted by Kelren Mota (kelrenlima@ufpa.br) on 2018-05-18T15:47:50Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_ProbalidadeOcorrenciaChuvas.pdf: 5921064 bytes, checksum: b74703dd8d8a1d2d6e11edece79712ee (MD5) / Approved for entry into archive by Kelren Mota (kelrenlima@ufpa.br) on 2018-05-18T15:48:31Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_ProbalidadeOcorrenciaChuvas.pdf: 5921064 bytes, checksum: b74703dd8d8a1d2d6e11edece79712ee (MD5) / Made available in DSpace on 2018-05-18T15:48:31Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_ProbalidadeOcorrenciaChuvas.pdf: 5921064 bytes, checksum: b74703dd8d8a1d2d6e11edece79712ee (MD5) Previous issue date: 2017-06-30 / Os estudos da probabilidade de ocorrência de chuvas e de sua variação espacial e temporal são importantes no planejamento de atividades agrícolas e de engenharia de recursos hídricos. Entretanto, análises estatísticas relacionadas às chuvas encontram limitações referentes ao tamanho das séries históricas disponíveis, que em sua maioria são insuficientes ou apresentam um grande número de falhas. Uma boa alternativa para superar essas limitações é a geração de séries pluviométricas por meio do uso de modelos estocásticos. Nesse sentido, o objetivo foi elaborar uma metodologia para determinar a probabilidade de ocorrência de dias secos e chuvosos e estimar chuvas médias diárias. Desse modo, a determinação das ocorrências foi feita com a utilização de Cadeias de Markov de 1a ordem e dois estados e, para as quantidades, foram utilizadas as distribuições cumulativas de probabilidade Gama e Weibull, cujos parâmetros foram estimados tanto pelo Método da Máxima Verossimilhança quanto pelo Método dos Momentos. O modelo desenvolvido foi aplicado a 80 estações pluviométricas distribuídas na Bacia Hidrográfica do Rio Tapajós (BHRT). Os resultados das probabilidades de ocorrência de períodos secos e chuvosos definiram para a BHRT a estação seca de maio a setembro e a estação chuvosa de outubro a abril. Os elementos da matriz de transição de probabilidades e os parâmetros alfa e beta evidenciaram a variabilidade em relação ao tempo e, além disso, a influência da posição geográfica da estação pluviométrica na determinação de períodos secos e chuvosos em localidades específicas. A validação do modelo foi realizada por meio do teste de aderência de Kolgomorov-Smirnov, que demonstrou que a chuva média diária pode ser estimada com bom desempenho por meio da Cadeia de Markov de 1a ordem e dois estados com a distribuição Gama e Weibull a dois parâmetros. Entretanto, a distribuição Gama destacou-se na estimativa da chuva média diária para a maioria dos meses do ano, com exceção dos meses de março, julho e dezembro, para os quais a distribuição Weibull se mostrou eficiente. / Studies of the probability of rainfall and its spatial and temporal variation are important in the planning of agricultural activities and water resources engineering. However, statistical analyzes related to rainfall find limitations regarding the size of the available historical series, which are mostly insufficient or have a large number of faults. A good alternative to overcome these limitations is the generation of pluviometric series through the use of stochastic models. In this sense, the objective was to elaborate a methodology to determine the probability of occurrence of dry and rainy days and to estimate daily average rainfall. Thus, the determination of the occurrences was done using first order Markov Chains and two states and, for the quantities, the cumulative probability distributions Gamma and Weibull were used, whose parameters were estimated by both the Maximum Likelihood Method and By the Method of Moments. The developed model was applied to 80 rainfall stations distributed in the Tapajos River Basin (TRB). The results of the probabilities of occurrence of dry and rainy periods defined for the TRB the dry season from May to September and the rainy season from October to April. The elements of the probability transition matrix and the alpha and beta parameters showed variability in relation to time and, in addition, the influence of the geographic position of the rainfall station on the determination of dry and rainy periods in specific localities. The validation of the model was performed using the Kolgomorov-Smirnov adhesion test, which demonstrated that the average daily rainfall can be estimated with good performance through the first order Markov Chain and two states with the Gamma and Weibull distribution to two Parameters. However, the Gama distribution stood out in the estimation of average daily rainfall for most of the months of the year, except for the months of March, July and December, for which the Weibull distribution proved to be efficient.