Modelagem estocástica de função cumulativa de probabilidades de precipitação diária na região hidrográfica tocantins-araguaia (RHTA)

Conhecer o comportamento temporal e espacial da probabilidade de ocorrência de precipitação pluviométrica é indispensável para o planejamento e gestão das atividades agrícolas e agroindustriais. Entretanto, em algumas bacias hidrográficas as séries históricas de precipitação disponíveis são geralmente curtas e com grande número de falhas, o que dificulta as análises estatísticas. Assim, o objetivo do trabalho foi desenvolver um modelo estocástico de função cumulativa de probabilidades de precipitação diária na região hidrográfica Tocantins Araguaia-RHTA. O modelo é do tipo paramétrico, no qual as ocorrências das precipitações foram determinadas através da cadeia de Markov (CM) de 1ª ordem e as quantidades de precipitação foram estimadas por 4 funções cumulativas de probabilidade (FCPs) sendo elas: exponencial simples, exponencial a dois parâmetros, exponencial mista e gama. Os parâmetros das FCPs foram estimados pelo Método da Máxima Verossimilhança. O processo de simulação foi realizado separadamente para cada estação pluviométrica, sem considerar a correlação espacial entre elas. O modelo desenvolvido foi aplicado em 196 estações pluviométricas distribuídas em 3 regiões homogêneas (RH) de precipitação na RHTA. Os resultados mostraram que a CM de 1ª ordem foi capaz de reproduzir de forma satisfatória a quantidade de dias secos e chuvosos. No entanto, nas áreas fortemente influenciadas por longas séries de estiagem, os resultados não foram satisfatórios. Em relação à estimativa das quantidades precipitadas, o teste Kolmogorov-Smirnov (KS) e o gráfico de probabilidade-probabilidade (P-P) mostraram que a exponencial mista foi a que apresentou melhores aderências aos dados observados para a maioria dos meses do ano, com exceção dos meses menos chuvosos de junho, julho e agosto na RH II e RH III, e nos meses de setembro, outubro e novembro para a RH I, para os quais a função gama se mostrou mais eficiente, estes resultados também foram confirmados pelos baixos valores de Root Mean Square Error (RMSE) e Mean absolute Error (MAE). Assim, o modelo desenvolvido mostrou-se eficiente na estimativa de precipitações médias diárias na RHTA, além disso, o uso de mais de uma FCP proporcionou ao modelo maior capacidade de estimar as precipitações em diferentes locais e estações do ano.