Geoestatística no monitoramento da temperatura no Estado da Bahia

Michel Eustáquio Dantas Chaves; Katyanne Viana da Conceição; João Vitor Roque Guerrero

doi:10.18378/rvads.v13i5.6203

Authors

Michel Eustáquio Dantas Chaves Universidade Federal de Lavras http://orcid.org/0000-0002-1498-6830
Katyanne Viana da Conceição Universidade Federal de Lavras http://orcid.org/0000-0002-5686-4591
João Vitor Roque Guerrero Universidade Federal de Lavras http://orcid.org/0000-0002-5393-3803

DOI:

https://doi.org/10.18378/rvads.v13i5.6203

Keywords:

Spatial dependence, Interpolation, Climate monitoring.

Abstract

Climate monitoring is an essential element for predictions of temperature changes and their influence on environmental health and safety. However, the sparse density of meteorological stations limits the collection of reliable data and makes it difficult to analyze climatic variables and events, which makes it necessary to use data estimators where there are no measurements, such as interpolations. The aim of this work was to evaluate which interpolation method best represents the climatic variable of maximum temperature in the State of Bahia, with the use of historical temperature series and a Digital Elevation Model from Shuttle Radar Topographic Mission - SRTM data. As results, we observed that the geostatistical interpolators presented better performance, especially Cokriging, and that the use of geographic information systems are important tools for studies of this subject.

Downloads

Download data is not yet available.

Author Biographies

Michel Eustáquio Dantas Chaves, Universidade Federal de Lavras

Doutorando do Programa de Pós-Graduação em Engenharia Agrícola - Universidade Federal de Lavras – UFLA.

Katyanne Viana da Conceição, Universidade Federal de Lavras

Mestra em Ciência e Tecnologia da Madeira - Universidade Federal de Lavras - UFLA.

João Vitor Roque Guerrero, Universidade Federal de Lavras

Doutorando do Programa de Pós-Graduação em Ciências Ambientais - Universidade Federal de São Carlos - UFSCar.

References

ALVES, E. D. L.; BIUDES, M. S.; VECCHIA, F. A. S. Interpolação espacial na climatologia: análise dos critérios que precedem sua aplicação. Revista Geonorte, Edição Especial 2, v.1, n.5, p.606-618, 2012. 2237-1419.

ANGELICO, J. C. Desempenho da co-krigagem na determinação da variabilidade de atributos do solo. Rev. Brasileira de Ciência do Solo [online], v.30, n.6, p.931-936, 2006. 10.1590/S0100-06832006000600002.

BAHIA, Governo do Estado. Conheça a Bahia. Disponível em: http://www.ba.gov.br/. Acesso em: 14 jul. 2018.

BURROUGH, P. A. Principals of Geographical Information Systems for Land Resources Assessment. 1.ed. Oxford: Clarendon Press, 1986. 194p.

BHUNIA, G. S; SHIT, P. K; MAITI, R. Comparison of GIS-based interpolation methods for spatial distribution of soil organic carbon (SOC). Journal of the Saudi Society of Agricultural Sciences, v.17, n.2, p.114-126, 2018. 10.1016/j.jssas.2016.02.001.

CAMARGO, E. C. G. Geoestatística: fundamentos e aplicações. In: Câmara, G. & Medeiros, J. S. (eds.). Geoprocessamento para projetos ambientais. São José dos Campos: INPE, 1998. cap.5, p.1-36.

CARVALHO, J. R. P.; ASSAD, E. D. Análise espacial da precipitação pluviométrica no estado de São Paulo: comparação de métodos de interpolação. Revista de Engenharia Agrícola de Jaboticabal, v.25, n.2, p.377-384, 2005. 10.1590/S0100-69162005000200011.

COSTA, F. P.; LIMA, J. S. de S. Cokrigagem na distribuição espacial do cálcio baseado no pH em um Latossolo cultivado com café conilon. Nucleus (Ituverava. Online), v.8, n.1, p.1-8, 2011. 10.3738/1982.2278.431.

DI LUZIO, M.; JOHNSON, G. L.; DALY, C.; EISCHEID, J. K.; ARNOLD, J. G. Constructing retrospective gridded daily precipitation and temperature datasets for the conterminous United States. Journal of Applied Meteorology and Climatology, v.47, n.1, p. 475-497, 2008. 10.1175/2007JAMC1356.1.

FRANCA, R. R.; MENDONÇA, F. A pluviosidade na Amazônia meridional: variabilidade e teleconexões extra-regionais. Confins, v.29, n.1, p.1-15, 2016. 10.4000/confins.11580.

GIACOMIN, G.; CARVALHO, M. B.; SANTOS, A. P.; MEDEIROS, N. G.; FERRAZ, A. S. Análise comparativa entre métodos interpoladores de modelos de superfícies. Revista Brasileira de Cartografia (Online), v.66, n.6, p.1315-1329, 2014. 1808-0936.

GREGO, C. R.; TEIXEIRA, A. H. de C.; LEIVAS, J. F.; BAYMA-SILVA, G.; MANJOLIN, R. C. Interpolação de dados agrometeorológicos em duas densidades amostrais no norte de Minas Gerais. Agrometeoros, v.25, n.1, p.81-89, 2017. 2526-7043.

IBGE, INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Disponível em: <https://www.ibge.gov.br>. Acesso em: 14 jul. 2018.

IBGE, INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. IBGE cidades – Panorama da Bahia. Disponível em: https://cidades.ibge.gov.br/brasil/ba/panorama. Acesso em: 14 jul. 2018.

JOHNSTON, K.; VER HOEF, J. M.; KRIVORUCHKO, K. Using ArcGIS Geostatistical Analyst. Redlands: ESRI Inc., 2001. 300p.

LANDIM, P. M. B. Sobre geoestatística e mapas. Terra e Didática, v.2, n.1, p.19-33, 2006. 10.20396/td.v2i1.8637463.

LI, Z.; ZHU, Q.; GOLD, C. Digital Terrain Modeling: Principles and Methodology. Londres: Taylor & Francis, 2004. 324p.

LUCAS, T. P. B.; PLEC, D.; ABREU, M. L.; PARIZZI, M. G. Identificação de interpoladores adequados a dados de chuva a partir de parâmetros estatísticos. Revista Brasileira de Climatologia, v.13, n.1, p.7-21, 2013. 10.5380/abclima.v13i0.31259.

MACHADO, K. J.; CALIJURI, M. L.; RIBEIRO, C. A. A. S.; SANTOS, R. S.; FRANCO, G. B. Determinação automática da capacidade de armazenamento de um reservatório. Revista Brasileira de Cartografia (Online), n.62, Edição Especial.01, p.239-245, 2010. 0560-4613.

MARCUZZO, F. F. N.; ANDRADE, L. R.; MELO, D. C. R. Métodos de interpolação matemática no mapeamento de chuvas do Estado do Mato Grosso. Revista Brasileira de Geografia Física, v.4, n.4, p.793-804, 2011. 1984-2295.

MAZZINI, P. L. F.; SCHETTINI, C. A. F. Avaliação de metodologias de interpolação espacial aplicadas a dados hidrográficos costeiros quasesinóticos. Brazilian Journal of Aquatic Science and Technology, v.13, n.1, p. 53-64, 2009. 10.14210/bjast.v13n1.p53-64.

MOLIN, J. P.; AMARAL, L. R.; COLAÇO, A. F. Agricultura de Precisão. 1.ed. São Paulo: Oficina de Textos, 2015. v.1. 238p.

MORAES, R. A.; ROCHA, J. V.; ROLIM, G. S.; LAMPARELLI, R. A. C.; MARTINS, M. M. Avaliação dos dados decendiais de precipitação e temperatura máxima e mínima do ar simulados pelo modelo ECMWF para o Estado de São Paulo. Irriga, v.17, n.3, p.397-407, 2012. 1808-3765.

OLIVEIRA, A. G. A importância dos dados das variáveis climáticas nas pesquisas em geografia: um estudo de caso empregando a precipitação pluviométrica. Caminhos de Geografia, v.10, n.32, p.9-21, 2009. 1678-6343.

PEDE, T; MOUNTRAKIS, G. An empirical comparison of interpolation methods for MODIS 8-day land surface temperature composites across the conterminous Unites States. ISPRS Journal of Photogrammetry and Remote Sensing, v.142, n.1, p.137-150, 2018. 10.1016/j.isprsjprs.2018.06.003.

RAMOS, A. M.; SANTOS, L. A. R. dos; FORTES, L. T. G. (Orgs.). Normais climatológicas do Brasil 1961 – 1990. Ed. rev. ampl. Brasília: INMET, 2009. 465p.

ROCHA, L.; NOVAIS, G. T. Mapeamento pluviométrico da mesorregião do Triângulo Mineiro/Alto Paranaíba – MG. Revista Geonorte, Edição Especial 2, v.2, n.5, p.1352 – 1363, 2012. 2237-1419.

SALDANHA, C. B.; RADIN, B.; CARDOSO, M. A.; RIPPEL, M. L.; LOSADA, L. F. Comparação dos dados de precipitação gerados pelo gpcp vs observados para o Estado do Rio Grande do Sul. Revista Brasileira de Meteorologia, v.30, n.4, p.415-422, 2015. 10.1590/0102-778620140139.

SANTOS, G. R.; OLIVEIRA, M. S.; LOUZADA, J. M.; SANTOS, A. M. R. T. Krigagem simples versus krigagem universal: Qual o preditor mais preciso? Energia na Agricultura, v.26, n.2, p.49-55, 2011. 10.17224/EnergAgric.2011v26n2.

SCOLFORO, J. R. S.; OLIVEIRA, A. D.; CARVALHO, L. M. T. de (Eds.). ZEE - Zoneamento Ecológico-Econômico do Estado de Minas Gerais: componente socioeconômico. Lavras: UFLA, 2008. 195p.

SILVA, A. F.; ZIMBACK, C. R. L.; OLIVEIRA, R. B. Cokrigagem na estimativa da evapotranspiração em Campinas. Tékhne ε Lógos, v.2, n,1, p.16-29, 2010.

SILVA, T. P.; RODRIGUES, R. A.; DELGADO, R. C.; OLIVEIRA, L. J. C.; SARMENTO, A. P. Métodos de interpolação espacial do regime pluviométrico no espaço urbano de Catalão, Goiás. Revista Brasileira de Geografia Física. v.11, n.3, p.746-757, 2018. 1984-2295.

USGS, UNITED STATES GEOLOGICAL SURVEY. 2000. Shuttle Radar Topography Mission (SRTM). Disponível em: https://lta.cr.usgs.gov/SRTM. Acesso em: 18 ago. 2018.

VAUCLIN, M.; VIEIRA, S. R.; VACHAUD, G.; NIELSEN, D. R. The use of cokriging with limited field soil observations. Soil Science Society of America Journal, v.47, n.1, p.175-184, 1983. 10.2136/sssaj1983.03615995004700020001x.

VIANNA, L. F. N.; PERIN, E. B.; RICCE, W. S.; MASSIGNAN, A. M.; PANDOLFO, C. Bancos de Dados Meteorológicos: Análise dos Metadados das Estações Meteorológicas no Estado de Santa Catarina, Brasil. Revista Brasileira de Meteorologia, v.32, n.1, p.53-64, 2017. 10.1590/0102-778632120150119.

VIEIRA, S. R. Geoestatística em estudos de variabilidade espacial do solo. In: NOVAIS, R.F.; ALVAREZ, V.H.; SCHAEFER, C.E.G.R. (Eds.) Tópicos em ciência do solo. Viçosa: Sociedade Brasileira de Ciência do Solo, 2000. cap.6, p.1-54.

VIOLA, M. R.; MELLO, C. R.; PINTO, D. B. F.; MELLO, J. M.; ÁVILA, L. F. Métodos de interpolação espacial para o mapeamento da precipitação pluvial. Revista Brasileira de Engenharia Agrícola e Ambiental (online), Campina Grande, v.14, n.9, p.970-978, 2010. 10.1590/S1415-43662010000900009.

WU, T., LI, Y. Spatial interpolation of temperature in the United States using residual kriging. Applied Geography, v.44, n.1, p.112–120, 2013. 10.1016/j.apgeog.2013.07.012.