Aplicação e análise de técnicas de interpolação para espacialização de chuvas

Application and analysis of interpolation techniques for spatialization of rainfall

Eléia Righi, Luís Alberto Basso

Resumo


Os métodos de interpolação são ferramentas usualmente utilizadas para gerar superfícies distribuídas de uma determinada variável a partir de dados pontuais. Eles contribuem para a compreensão espacial de atributos, sem a necessidade de levantar dados em toda a área de interesse. Assim, avaliaram-se, comparativamente, diferentes métodos de interpolação de chuvas para a bacia hidrográfica do rio Piratinim – noroeste do Rio Grande do Sul, por meio de análise espacial. Dentre os mais variados existentes, selecionaram-se: Inverso de Distância Ponderada (IDW), Método Kriging (KG), Vizinho Natural (NN) e Função de Base Radial Multiquadrada (RBF). Todos os dados pluviométricos foram obtidos no banco de dados do Sistema Nacional de Informações sobre Recursos Hídricos (SNIRH), da Agência Nacional das Águas (ANA). Primeiramente, foi analisada a média anual da série histórica (1990-2010), e, posteriormente, conforme informações disponibilizadas no site do Instituto Nacional de Pesquisas Espaciais (INPE), foram analisados os anos de 1997 (evento El Niño considerado forte) e 2010 (El Niño considerado fraco). O software adotado neste trabalho foi o ArcGIS 10. Realizou-se a validação cruzada dos dados de todos os interpoladores. Os métodos de interpolação empregados para a análise da série histórica e para o ano de 1997 apresentaram valores negativos na correlação. Para o ano de 2010, verificou-se que o NN foi o melhor interpolador, com correlação positiva de 0.7. Assim, conclui-se que a estimativa da precipitação com modelos estatísticos também representa uma alternativa potencial, dada à sua facilidade operacional e capacidade de estimar a precipitação para um local específico, reduzindo o tempo de trabalho e de recursos investidos.

Abstract

The interpolation methods are tools commonly used to generate surfaces distributed in a given variable based on accurate data. They contribute to aid understanding of the spatial attributes without the need to collect data in the entire area of interest. In view of this, this study evaluated comparatively different rainfall interpolation methods for the river basin Piratinim, in the northwest of Rio Grande do Sul, through spatial analysis. Among the variety of existing methods it was selected the following: Inverse Distance Weighted (IDW), Kriging method (KG), Natural Neighbor (NN) and Multi-quadrada Radial Basis Function (RBF). All the rainfall data were obtained from the National Information System on Water Resources (SNIRH) of the National Water Agency (ANA). First, it was analyzed the annual average of the historical series (1990-2010), and later, according to information available in the website of National Institute for Space Research (INPE), it was analyzed the years of 1997 (El Niño event - considered strong) and 2010 (El Niño - considered weak). The software used was the ArcGIS 10 and it was developed the cross-validation of data of all interpolators. The interpolation methods employed for the analysis of the historical series and for the year of 1997 showed negative correlation values. For the year 2010, it was found that the NN was the best interpolator, with positive correlation of 0.7. Thus, it was concluded that the estimated precipitation with statistical models also represents a potential alternative given its operational easiness and capacity to estimate the precipitation for a specific location, reducing labor time and invested resources.


Palavras-chave


Algoritmos Matemáticos; Chuvas; Distribuição Espacial.

Texto completo:

PDF


AMBIÊNCIA

Alameda Élio Antonio Dalla Vechia, n. 838,
Bairro Vila Carli – CEDETEG
85040-167  Guarapuava-Paraná-Brasil
ISSN 1808-0251 (Print) - Ambiência ISSN 2175-9405 (Online)

        Logotipo do Crossref               

Periódicos Qualis - Plataforma Sucupira

Qualis B2 - Ensino

Qualis B3 - Interdisciplinar

Qualis B3 - Planejamento Urbano e Regional / Demografia

Qualis B2 - GEOGRAFIA

InfoBase Index - IBI Factor 2016 = 2,5


Large Visitor Globe     

                        Copyright © 2005-2019 Editora Unicentro
Creative Commons License
This work is licensed under a Creative Commons Attribution 3.0 Unported License.