Uso de parâmetros estatísticos para a classificação de regiões homogêneas de temperatura do ar em Santa Catarina

Autores

DOI:

https://doi.org/10.5902/2179460X55311

Palavras-chave:

Temperatura horária, Clima, Classificação estatística

Resumo

Séries temporais de temperatura horária de 146 estações meteorológicas do Estado de Santa Catarina foram utilizadas para avaliar se a representação compacta dos dados por meio de parâmetros das funções densidade de probabilidade (FDP) consegue subsidiar uma classificação de áreas homogêneas coerentes sob o ponto de vista físico. Nos resultados, a distribuição normal se ajustou muito bem às séries temporais de temperatura do ar, com um valor mediano de 0,9721 para o coeficiente de correlação de Pearson nas 146 estações meteorológicas empregadas na avaliação. As médias e desvios padrão obtidos pelo ajuste das funções foram utilizados como parâmetros de entrada para dois classificadores distintos: hierárquico e k-médias. Ambos classificadores separaram em quatro grupos distintos as estações meteorológicas de Santa Catarina. Estes grupos apresentaram relação direta com diferentes faixas de altitude e também com a influência da maritimidade. A classificação das estações meteorológicas em diferentes grupos homogêneos foi útil para identificar diferentes comportamentos climáticos de temperatura horária. Além da caraterização do clima em si, esta classificação pode ser utilizada como suporte na validação de modelos numéricos de previsão de tempo e também na identificação de séries temporais anômalas num contexto espacial regional.   

Downloads

Não há dados estatísticos.

Biografia do Autor

Carlos Eduardo Salles de Araujo, Empresa de Pesquisa Agropecuária e Extensão Rural de Santa Catarina, Florianópolis, SC

Oceanógrafo, mestre em sensoriamento remoto e doutor em Engenharia. Pesquisador do Centro de Informações Ambientais e de Hidrometeorologia de Santa Catarina - Epagri/Ciram

Referências

ALVARES CA, STAPE JL, SENTELHAS PC, DE MORAES G, LEONARDO J, SPAROVEK G. Köppen's climate classification map for Brazil. Meteorologische Zeitschrift. 2013; 22 (6): 711-28.

ARTHUR D, VASSILVITSKII S. K-means++: The Advantages of Careful Seeding. In: Proceedings of the Eighteenth Annual ACM-SIAM Symposium on Discrete Algorithms. 2007, p. 1027–35.

CANNON, AJ. Köppen versus the computer: Comparing Köppen-Geiger and multivariate regression tree climate classifications in terms of climate homogeneity. Hydrol. Earth Syst. Sci. 2012; (16): 217–29.

DALY C. Guidelines for assessing the suitability of spatial climate data sets, Int. J. Climatol. 2006; (26): 707–721.

EVANS M, HASTINGS N, PEACOCK B. Statistical Distributions. 2.ed. Hoboken, NJ: John Wiley & Sons, Inc., 1993.

HAIDEN T, DAHOUI M, INGLEBY B, ROSNAY P DE, PRATES C, KUSCU E, et al. Use of in situ surface observations at ECMWF. ECMWF Tech Memo [Internet]. 2018;(November). Available from: https://www.ecmwf.int/node/18748.

HINKLE DE, WIERSMA W, JURS SG. Applied Statistics for the Behavioral Sciences. 5th ed. Boston: Houghton Mifflin; 2003.

FOVELL RG, FOVELL MYC. Climate zones of the conterminous United States defined using cluster analysis. J. Climate. 1993; (6): 2103–35.

GERSTENGARBE F, WERNER P, FRAEDRICH K. Applying Non-Hierarchical Cluster Analysis Algorithms to Climate Classification: Some Problems and their Solution. Theor. Appl. Climatol. 1999; (64): 143–150.

HUBBARD KG. 2001 Multiple station quality control procedures. In: Automated Weather Stations for Applications in Agriculture and Water Resources Management - AGM-3 WMO-TD1074. 2001, p.133-136.

MASSIGNAM AM, ANTUNES EN, MARASCHIN F. Banco de Dados Agrometeorológicos. In: Silva, E. Boletim Ambiental Síntese Trimestral - Inverno 2015. Florianópolis: Epagri, 2016. 51 p. (Documento, 253).

MEDEIROS M, MUNARI DB, BEZERRA ALQ, ALVES MA. Pesquisa qualitativa em saúde: implicações éticas. In: Ghilhem D, Zicker F, editors. Ética na pesquisa em saúde: avanços e desafios. Brasília: Letras Livres UnB; 2007. p. 99-118.

MEEK DW, HATFIELD JL. Data quality checking for single station meteorological databases. Agric. For. Meteor. 1994; (69): 85-109.

KÖPPEN W. Das geographisca System der Klimate. In: Köppen W, Geiger R, editors. Handbuch der Klimatologie. Berlin: Gebrüder Borntraeger; 1936. 1C, p. 1–44.

PEEL MC, FINLAYSON BL, McMAHON, TA. Updated world map of the KÖPPEN-Geiger climate classification. Hydrol. Earth Syst. Sci. 2007; (11): 1633–44.

POVEY AC, GRAINGER RG. Known and unknown unknowns: Uncertainty estimation in satellite remote sensing. Atmos. Meas. Tech. 2015; 8 (11): 4699–718.

ROHLI RV, VEGA AJ Climatology. 2nd ed. Jones & Bartlett Learning, 2012.

SÁ JUNIOR A., CARVALHO LG, SILVA FF, ALVES, MC Application of the KÖPPEN classification for climatic zoning in the state of Minas Gerais, Brazil. Theor. Appl.Climatol. 2012; (108): 1–7.

THORNTHWAITE CW. An approach toward a rational classification of climate. Geogr. Rev. 1948; (38): 55–94.

TIBSHIRANI R, WALTHER G, HASTIE T. Estimating the number of clusters in a data set via the gap statistic. J. R. Stat. Soc. Ser. B Methodol. 2001, 63 (2): 411–423.

TREWARTHA GT, HORN LH Introduction to climate, 5th ed. McGraw Hill, New York, NY, 1980.

UNAL Y, KINDAP T, KARACA M. Redefining the climate zones of Turkey using cluster analysis. Int J Climatol. 2003 Jul; 23 (9): 1045–55.

VIANELLO R. ALVES. AR Meteorologia básica e aplicações. Viçosa, MG: UFV. 1991.

WARD JH. Hierarchical Grouping to Optimize an Objective Function. J. Am. Stat. Assoc. 1963; (58): 236–244.

YAO CS. A new method of cluster analysis for numerical classification of climate. Theor. Appl. Climatol. 1997; (57): 111–118.

ZAHUMENSKÝ I. Guidelines on Quality Control Procedures for Data from Automatic Weather Stations. World Meteorol. Organ. 2004. Available from: https://www.wmo.int/pages/prog/www/IMOP/meetings/Surface/ET-STMT1_Geneva2004/Doc6.1(2).pdf.

ZHANG X, YAN X. Spatiotemporal change in geographical distribution of global climate types in the context of climate warming. Climate Dyn. 2014; (43): 595–605.

ZSCHEISCHLER, J., MAHECHA MD, HARMELING S. Climate classifications: The value of unsupervised clustering. Procedia Comput. Sci. 2012; (9): 897–906.

Downloads

Publicado

2020-09-25

Como Citar

Araujo, C. E. S. de. (2020). Uso de parâmetros estatísticos para a classificação de regiões homogêneas de temperatura do ar em Santa Catarina. Ciência E Natura, 42, e10. https://doi.org/10.5902/2179460X55311

Artigos Semelhantes

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.