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.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-09-26T15:59:41Z No. of bitstreams: 1 EDMUNDO MARINHO DO MONTE - DISSERTAÇÃO PPGMet 1986..pdf: 16047223 bytes, checksum: 7b7705762d66d8f128aa014a86e960b9 (MD5) / Made available in DSpace on 2018-09-26T15:59:41Z (GMT). No. of bitstreams: 1 EDMUNDO MARINHO DO MONTE - DISSERTAÇÃO PPGMet 1986..pdf: 16047223 bytes, checksum: 7b7705762d66d8f128aa014a86e960b9 (MD5) Previous issue date: 1986-09-05 / CNPq / Analisando-se os totais mensais e anuais de precipitação para 96 postos da região Nordeste do Brasil, refererentes ao período de 1912 a 1981, identificam-se cinco regimes pluviais. Regimes climáticos representando cada um destes regimes pluviais são definidos. Tais regimes climáticos são denominados por RM1 e RM2 ; RL1 e RL2; RD; localizados respectivamente nas subregiões Norte, Leste e Sul do Nordeste do Brasil. Utiliza-se Análise Harmônica para a identificação de componentes cíclicas nas séries pluviométricas dos 96 postos. Periodicidades diferentes distribuem-se a longo das subregiões do Nordeste do Brasil, sugefindo que mais de um sistema físico contribui para as chuvas na região. Notadamente, uma periodicidade de 13 anos aparece de forma mais frequente nas chuvas no Nordeste. Sugere-se que esta última periodicidade está relacionada com ocorrências (a cada 13,2 anos) de um forte "El Nino", e ainda, possivelmente, ligada ao ciclo de 11 anos do número de manchas solares. Determinam-se correlações estatísticas entre as séries de precipitações anuais dos regimes climáticos. Os resultados de tais correlações indicam que, possivelmente, mais de um sistema físico em escala global atuam nas subregiões do Nordeste do Brasil (Norte, Leste e Sul) e também que um sistema físico global atua, ano a ano, sobre toda a região. Encontra-se uma fraca correlação linear entre as precipitações dos regimes climáticos e o número de manchas solares. Analisa-se um modelo de regressão linear, que tem como variáveis os valores extremos (máximos, mínimos) do número de manchas solares e das precipitações médias dos regimes climáticos. Tal modelo é utilizado em prognósticos de precipitações médias regionais dos regimes climáticos. Devido à fraca correlação entre as precipitações dos regimes climáticos e o número de manchas solares, o modelo de regressão considerado contém um alto grau de incerteza. / Monthly and annual totais of precipitation from 96 stations in Northeast Brazil, period 1912-1981, were analyzed. Five rain regimes were identified and used for establishing corresponding climatic regimes. Such climatic regimes are named RM1 and RM2; RL1 and RL2; RD; and located at the North, East and South Brazilian Northeast subregions. Harmonic analysis was employed for identifying ciclic components of each station precipitation time series.The analysis showed that different periodicities are distributed throughout Brazilian Northeast region, suggesting that more than one physical system contributes for rains in that region. Particu 1 ar1y, a thirteen-year periodicity appears more frequentiy. It is suggested that this periodicity is correlated with occ-urrence (at each 13.2 years) of a strong "El Nino" and, a 1 s o , related to the eleven-year cycle of sunspot number. Statistical correiat ions between annual prec i p i tat ion time series of the climatic regimes were determined. They suggest that, possibly, more than one physical system in a global scale acts on the different sub-regions of Northeast Brazil, (North, East and South) also that a global physical system acts, year after year, over the whole region. A weak correlation was found between precipitation of the climatic regimes and sunspot number. A linear regression model was employed for the extreme values (máxima, minima) of precipitation and sunspot number. Such model was used for predicting mean regional precipitation for each climatic regime. Because of the weak correlation between precipitations of climatic regimes and sunspot number, this regression model is considered to have a high degree of uncertainty.