Mixture models of probability distributions applied to rainfall in the state of Pernambuco, Brazil

Luciano Pereira da  Silva; Edgo Jackson Pinto  Santiago; Frank Gomes-Silva; Antonio Samuel Alves da  Silva; Rômulo Simões Cezar  Menezes

doi:10.4025/actascitechnol.v45i1.60621

Autores

Luciano Pereira da Silva Universidade Federal Rural de Pernambuco
Edgo Jackson Pinto Santiago Universidade Federal Rural de Pernambuco https://orcid.org/0000-0003-3981-7635
Frank Gomes-Silva Universidade Federal Rural de Pernambuco https://orcid.org/0000-0002-3481-3099
Antonio Samuel Alves da Silva Universidade Federal Rural de Pernambuco https://orcid.org/0000-0002-8759-0036
Rômulo Simões Cezar Menezes Universidade Federal Rural de Pernambuco https://orcid.org/0000-0001-8740-366X

DOI:

https://doi.org/10.4025/actascitechnol.v45i1.60621

Palavras-chave:

rain; semi-arid; distribution mixture; modeling.

Resumo

The Brazilian semi-arid region is recurrently affected by the scarcity of water that marks the landscape as it prints periods of severe drought. Therefore, rainfall in this region greatly influences plant growth in regional hydrological processes that affect droughts or floods. It is of practical interest to assess how changes in rainfall patterns occur to anticipate hydrological dynamics. However, this is not easy as climate change reshapes global hydrology. Thus, assertive forecasting has become rare and imputed estimates of a reasonable degree of uncertainty. The objective of this work was to verify from the mixture of exponential, gamma, beta, log-normal, Weibull, normal, log-logistic, and exponentiated log-logistic distributions, which best fits the monthly rainfall of the state of Pernambuco, Brazil. The data used came from 133 monthly rainfall series (1950 to 2012) distributed over the state of Pernambuco. The Maximum Likelihood Method estimated all parameters. The Kolmogorov-Smirnov adherence test was applied at 5% probability to assess the adjustments. The least rejected distributions in the adherence test were Weibull, gamma, and beta; October presented the smallest number of distributions considered adequate to model monthly rainfall. More than 99% of the rain gauge stations had some adequate probabilistic distribution to model monthly rainfall in March. For most months, except for March, the Weibull distribution was the most suitable for modeling the monthly rainfall in the vast majority of rain gauge stations of Pernambuco.

Downloads

Não há dados estatísticos.

Referências

APAC. Boletins Climáticos. 2017. Disponível em:<http://www.apac.pe.gov.br/arquivos_portal/boletins/Boletim%20climatico%20-%20Novembro_2017.pdf>. Acesso em: 03/02/2020.
APAC. Boletins Climáticos. 2019. Disponível em:< http://www.sirh.srh.pe.gov.br/apac/arquivos_portal/boletins/Boletim%20climatico%20-%20Mar%C3%A7o_2019.pdf>. Acesso em: 03/02/2020.
Ívila, L. F., Mello, C. R. D., & Viola, M. R. (2009). Mapeamento da precipitação mínima provável para o sul de Minas Gerais. Revista Brasileira de Engenharia Agrícola e Ambiental, 13, 906-915. https://doi.org/10.1590/S1415-43662009000700013.
Barreto, H. B. F., Pereira, G. M., de Oliveira Santos, W., Freire, F. G. C., & Maia, P. D. M. E. (2015). Avaliação de funções de probabilidade e relação-intensidade-duração-frequência para precipitação extrema em Nepomuceno-MG. Global Science and Technology, 8(2).
Catalunha, M. J., Sediyama, G. C., Leal, B. G., Soares, C. P. B., & Ribeiro, A. (2002). Aplicação de cinco funções densidade de probabilidade a séries de precipitação pluvial no Estado de Minas Gerais. Revista Brasileira de Agrometeorologia, 10(1), 153-162.
Correia, R. C., Kiill, L. H. P., de Moura, M. S. B., Cunha, T. J. F., de Jesus Júnior, L. A., & Araújo, J. L. P. (2011). A região semiárida brasileira. Embrapa Semiárido-Capítulo em livro científico (ALICE).
Fischer, S., Schumann, A., & Schulte, M. (2016). Characterisation of seasonal flood types according to timescales in mixed probability distributions. Journal of Hydrology, 539, 38-56. doi:10.1016/j.jhydrol.2016.05.005
Guo, B., Zhang, J., Meng, X., Xu, T., & Song, Y. (2020). Long-term spatio-temporal precipitation variations in China with precipitation surface interpolated by ANUSPLIN. Scientific reports, 10(1), 1-17. doi: 10.1038/s41598-019-57078-3.
Kedem, B., Chiu, L. S., & Karni, Z. (1990). An analysis of the threshold method for measuring area-average rainfall. Journal of Applied Meteorology and Climatology, 29(1), 3-20. doi: https://doi.org/10.1175/1520-0450(1990)029<0003:AAOTTM>2.0.CO;2.
Kist, A., & Virgens, J. S. D. (2015). Análise probabilística da distribuição de dados diários de chuva no estado do Paraná. Revista Ambiente & Ígua, 10, 172-181. doi: https://doi.org/10.4136/ambi-agua.1489 .
KlemeÅ¡, V. (2000). Tall tales about tails of hydrological distributions. I. Journal of Hydrologic Engineering, 5(3), 227-231. doi:10.1061/(ASCE)1084-0699(2000)5:3(227)
Ljungqvist, F. C., Krusic, P. J., Sundqvist, H. S., Zorita, E., Brattstrí¶m, G., & Frank, D. (2016). Northern Hemisphere hydroclimate variability over the past twelve centuries. Nature, 532(7597), 94-98. doi: 10.1038/nature17418.
Lyra, G. B., Garcia, B. I. L., Piedade, S. M. D. S., Sediyama, G. C., & Sentelhas, P. C. (2006). Regiões homogêneas e funções de distribuição de probabilidade da precipitação pluvial no Estado de Táchira, Venezuela. Pesquisa Agropecuária Brasileira, 41, 205-215.
Nóbrega, R. S., Farias, R. F. D. L., & Santos, C. A. C. D. (2015). Variabilidade temporal e espacial da precipitação pluviométrica em Pernambuco através de índices de extremos climáticos. Revista brasileira de meteorologia, 30, 171-180. https://doi.org/10.1590/0102-778620130624.
Reboita, M. S., Rodrigues, M., Armando, R., Freitas, C., Martins, D., & Miller, G. (2016). CAUSAS DA SEMI-ARIDEZ DO SERTíO NORDESTINO (THE CAUSES OF SEMI-ARIDITY IN THE NORTHEAST â€œSERTíO"). Revista Brasileira de Climatologia, 19. doi :http://dx.doi.org/10.5380/abclima.v19i0.42091.
Ribeiro, A. D. A., & Lunardi, D. M. C. (1997). A precipitação mensal provável para Londrina-PR, através da função gama. Energia na agricultura, 12(4), 37-44.
Santiago, E. J. P., da Silva, L. P., Silva, F. G., & da Silva, A. S. A. (2019). Precipitação provável para o município de Afrânio-PE em diferentes níveis probabilístico. Sigmae, 8(2), 437-448.
Silva, í. N., Oliveira, J. B. D., Fontes, L. D. O., & Arraes, F. D. D. (2013). Distribuição de frequência da chuva para região Centro-Sul do Ceará, Brasil. Revista Ciência Agronômica, 44, 481-487. https://doi.org/10.1590/S1806-66902013000300009 .
Silva, J. C. D., Heldwein, A. B., Martins, F. B., Trentin, G., & Grimm, E. L. (2007). Análise de distribuição de chuva para Santa Maria, RS. Revista Brasileira de Engenharia Agrícola e Ambiental, 11(1), 67-72. https://doi.org/10.1590/S1415-43662007000100009.
Soccol, O. J., Cardoso, C. O., & Miquelluti, D. J. (2010). Análise da precipitação mensal provável para o município de Lages, SC. Revista Brasileira de Engenharia Agrícola e Ambiental, 14, 569-574. https://doi.org/10.1590/S1415-43662010000600001.
Thom, H. C. (1951). A frequency distribution for precipitation. Bulletin of the American Meteorological Society, 32(10), 397.
VlÄek, O., & Huth, R. (2009). Is daily precipitation Gamma-distributed? Adverse effects of an incorrect use of the Kolmogorov - Smirnov test. Atmospheric Research, 93(4), 759-766. doi:10.1016/j.atmosres.2009.03.005.
Yoo, C., Jung, K. S., & Kim, T. W. (2005). Rainfall frequency analysis using a mixed Gamma distribution: evaluation of the global warming effect on daily rainfall. Hydrological Processes: an International Journal, 19(19), 3851-3861. https://doi.org/10.1002/hyp.5985