Aplicação da metodologia Box & Jenkins em dados de precipitação na região do sertão do estado de Pernambuco – Brasil

Autores

  • Rosendo Chagas de Albuquerque Universidade Estadual da Paraíba
  • Ricardo Alves de Olinda Universidade Estadual da Paraíba
  • Ana Luiza Xavier Cunha Universidade federal Rural de Pernambuco
  • Rosangela Gomes Tavares Departamento de Tecnologia Rural, Universidade Federal Rural de Pernambuco (UFRPE) http://orcid.org/0000-0001-8400-3759
  • Valmir Cristiano Marques de Arruda Departamento de Tecnologia Rural, Universidade Federal Rural de Pernambuco (UFRPE)
  • Moacyr Cunha Filho Departamento de estatística, Universidade Federal Rural de Pernambuco (UFRPE)

Palavras-chave:

temporary series, model ARIMA, forecast, rainfall index, trend

Resumo

As mudanças climáticas têm chamado a atenção de muitos pesquisadores nos últimos anos. Sendo o estudo do comportamento da precipitação pluvial de suma importância para o planejamento de várias atividades econômicas, podendo ser realizado por meio de modelos de séries temporais. Assim, objetivou-se com este estudo, identificar padrões de comportamentos, usando a metodologia de Box & Jenkins, aos totais mensais de precipitação das cidades de Arcoverde, Ouricuri e Petrolina, descrevendo o comportamento da série por meio de seu modelo de decomposição, verificando a existência dos componentes de sazonalidade e de tendência para cada cidade estudada, e encontrar o modelo que melhor representa seu caráter preditivo. Os dados foram obtidos na estação meteorológica digital, Banco de Dados Meteorológicos para Ensino e Pesquisa (BDMEP), registradas no período de 1970 a 2017. No primeiro momento verificaram-se os gráficos da série histórica, no qual permite uma ideia do comportamento da série, esse comprovado através de testes estatísticos na seleção dos modelos o qual é importante fixar os critérios de seleção adotados ao longo desta etapa e por ultimo realizou-se a previsão da série. Com base nos resultados obtidos foi possível concluir que a precipitação teve um comportamento similar nas três cidades, em que os meses entre março e junho são chuvosos e entre julho e fevereiro são meses mais secos e os modelos ARMA (3,3), SARIMA (3,2)(1,1) e SARIMA (2,3)(1,1), são os que apresentaram melhores propriedades estatísticas para prever a precipitação pluviométrica nas cidades de Arcoverde, Oricuri e Petrolina, respectivamente.

Downloads

Não há dados estatísticos.

Biografia do Autor

Rosendo Chagas de Albuquerque, Universidade Estadual da Paraíba

Estudante do Programa de pós-graduação em Biometria e estatística Aplicada da UFRPE

Ricardo Alves de Olinda, Universidade Estadual da Paraíba

Estudante do Programa de pós-graduação em Biometria e estatística Aplicada da UFRPE

Ana Luiza Xavier Cunha, Universidade federal Rural de Pernambuco

Mestranda do programa de Pós-graduação em engenharia Ambiental da UFRPE

Rosangela Gomes Tavares, Departamento de Tecnologia Rural, Universidade Federal Rural de Pernambuco (UFRPE)

Professora do Departamento de Tecnologia Rural da UFRPE

Valmir Cristiano Marques de Arruda, Departamento de Tecnologia Rural, Universidade Federal Rural de Pernambuco (UFRPE)

Professor do Departamento de Tecnologia Rural da UFRPE

Moacyr Cunha Filho, Departamento de estatística, Universidade Federal Rural de Pernambuco (UFRPE)

Professor do Departamento de Estatística da UFRPE

Referências

AKAIKE, H. A Bayesiano f the minimum AIC procedure. Annals of the Institute os Statistical Mathematics, v.30, n.1 p.9-14, 1978.

AKAIKE, H. A new look at the statistical model identification IEEE transactions on automatic control, Ieee, v.19, n. 6, p. 716-723, 1974.

BOTELHO, V.A.V.A.; MORAIS, A.R. Estimativas dos parâmetros da distribuição gama de dados pluviométricos no município de Lavras, Estado de Minas Gerais. Ciência e Agrotecnologia, Lavras, v.23, n.3, p.697-706, 1999.

BOX, G. E. P., JENKINS, G. M., REINSEL, G. C., (1994) Time Séries Analysis Forecasting and Control, Prentice Hall, New Jersey, 3rd edition.

CARGNELUTTI FILHO, A.; MATZENAUER, R.; MALUF, J. R. T.; RADIN, B. Modelo harmônico para a estimativa da temperatura do ar média mensal em diferentes locais do Estado do Rio Grande do Sul. Ciência Rural, v. 40, n. 9, p. 111-116, 2018.

CARVALHO R. L. S.; NASCIMENTO B. I. S.; QUERINO C. A. S.; SILVA M. J. G.; DELGADO A. R. S. Comportamento das series temporais de temperatura do ar, umidade e precipitação pluviométrica no município de Ariquemes (Rondônia-Brasil). Revista Brasileira de Climatologia, v. 18, p 123-142, 2016.

CHECHIL, L.; SANCHES, F. de O. Análise de uma série temporal de precipitação para Erechim (RS) e um possível método de previsão climática. AMBIÊNCIA, v.9, n.1 p. 43-55, 2013.

INSTITUTO NACIONAL DE METEOROLOGIA.NOTA TECNICA NÚMERO 001/2011/SEGER/LAIME/CSC/INMET: Rede de Estações Meteorológicas Automáticas do INMET, p. 11, 2019.

LJUNG, G. M.; BOX, G.E.P. On a measure of lack of ft in time series models. Biometrika, London, v.65, p. 2297-303, 1998.

OLIVEIRA, J. S. Desenvolvimento e treinamento de redes neurais artificiais para processamento de dados de radiação solar. Trabalho de Conclusão de Curso (Graduação em Engenharia de Energia) - Universidade Federal de Santa Catarina, Araranguá, 2017.

PAZ, Y. M. et al. Temporal variability of rainfall and environmental vulnerability of the northern part of the zona da mata and metropolitan region of Pernambuco. Journal of Hyperspectral Remoto Sensing, v. 6, n. 1, p. 22-35, 2016.

PEREIRA, A. R.; COSTA, A. S.; OLIVEIRA, V. G.; BORGES, P. F.; ISMAEL FILHO, A. Análise do comportamento das médias anuais da precipitação pluvial e temperatura da cidade de Areia, Paraíba. GAIA SCIENTIA, v. 9, n. 1, p. 67-73, 2015.

PINTO W. P.; LIMA G. B.; ZANETTI J. B. Estudo de predição e previsão de temperaturas medias diária da cidade de Cariacica, Espirito Santo, Brasil, utilizando4a4metodologia4de series temporais. GEINTEC, v. 5, n. 1, p.1881-1895, 2015.

R DEVELOPMENT CORE TEAM, R: A language and environment for statical computing. Viena: R Fondation for Statistical Computing©, 2019.

SANTOS, P. V.; SANTOS, R. S.; COUTINHO, M. D. L. Detecção de Mudanças Climáticas Através de Índices Pluviométricos Diários no Estado de Pernambuco. Revista Brasileira de Geografia Física, v. 6, n. 4, p. 713-731, 2013b.

SCHMITTLEIN, D. C.; KIM, J.; MORRISON, D. G. Combining forecasts; Operational adjustments to theoretically optimal rules. Management Science, INFORMS, v. 36, n. 9, p. 1044-1056, 1990.

SILVA, G.M.; TEIXEIRA-GANDRA, C.F.A.; DAMÉ, R.C.F.; KLUMB, G.B.; VEBER, P.M. Tendências de séries de precipitação total mensal para localidades do Rio Grande do Sul. Revista Brasileira de Engenharia e Sustentabilidade. v.1, n.2, p.13- 22, 2018.

SILVA, V. P. R.; PEREIRA, E. R. R.; PEDRO V. DE AZEVEDO, P. V.; SOUSA, F. A. S; SOUSA, F. I. Análise da pluviometria e dias chuvosos na região Nordeste do Brasil. Revista Brasileira de Engenharia Agrícola e Ambiental, v.15, n.2, p.131– 138, 2011.

SILVA, R. Marques da et al. Análise da variabilidade espaço-temporal e identificação do padrão da precipitação na bacia do rio tapacurá, Pernambuco. Sociedade e Natureza, Universidade Federal de Uberlândia, v. 22, n. 2, 2010.

TABARI, H.; TALAEE, H. P. Sensitivity of evapotranspiration to climatic change in different climates. Global and Planetary Change, v.115, p. 16–23, 2016.

Downloads

Publicado

2020-04-29

Como Citar

Albuquerque, R. C. de, Olinda, R. A. de, Cunha, A. L. X., Tavares, R. G., Arruda, V. C. M. de, & Filho, M. C. (2020). Aplicação da metodologia Box & Jenkins em dados de precipitação na região do sertão do estado de Pernambuco – Brasil. Revista Geama, 6(1), 25–30. Recuperado de https://journals.ufrpe.br/index.php/geama/article/view/2791

Edição

Seção

ARTIGOS