Académique Documents
Professionnel Documents
Culture Documents
1
Laboratório de Recursos Hídricos e Meio Ambiente (LABH2O), Programa de Engenharia Civil, COPPE, Universidade Federal do Rio de Janeiro,
Doutorando vass1000@gmail.com, Professor otto@coc.ufrj.br
2
CPRM, Brasil, Doutor daniel.medeiros@cprm.gov.br
3
Universidade Federal Rural do Rio de Janeiro, Professora dazaclau@gmail.com
*
Autor Correspondente
MATERIAL E MÉTODOS
Área de Estudo
A bacia do rio Madeira apresenta limites transfronteiriços internacionais, estendendo-se pela
Bolívia (51%), Brasil (42%) e Peru (7%), perfazendo área total de drenagem de 1.324.727 km2.
Representa, assim, a maior sub-bacia Amazônica (22%) (Guyot, 1993), com localização no sudoeste
da bacia Amazônica, mais precisamente na margem direita do rio Amazonas. Na porção brasileira da
bacia do rio Madeira (Figura 1), área que é objeto deste estudo, compreende os estados de Rondônia,
Amazonas, Mato Grosso (porção noroeste) e Acre (pequena faixa a sudeste do estado), com área
aproximada de 607.033 km2.
Teste de Aderência
Na verificação da distribuição estatística que melhor se ajusta aos eventos pluviométricos
máximos anuais registrados segundo os dados coletados, utilizou-se um teste de aderência. As
distribuições testadas foram as distribuições normal, log-normal, exponencial, gama, Gumbel,
Weibull e logística.
Dentre os testes de aderência, optou-se pelo teste Kolmogorov-Smirnov (KS), que representa
um teste paramétrico, tendo como base a diferença máxima entre as funções de probabilidades
acumuladas, empírica e teórica, de variáveis aleatórias contínuas, sendo considerado um teste
conservador quanto à magnitude do erro do tipo I (Naghettini e Pinto, 2007).
Assim, o teste Kolmogorov-Smirnov para as distribuições analisadas, executado pelo código
computacional Weibull++ 7® (RELIASOFT, 2011), foi aplicado com suporte na adoção da hipótese
nula (H0) de que a distribuição da população, segundo as distribuições de probabilidade adotadas,
bem representa, para um certo nível de confiança, a distribuição empírica definidas com base nos
valores amostrais da variável aleatória avaliada – precipitação máxima anual, conjuntamente com a
hipótese alternativa (H1), onde a assertiva da hipótese nula não seria verdadeira, ou seja, a distribuição
acumulada dos dados analisados não segue, para um determinado nível de significância, a
conformação e disposição da distribuição estatística acumulada proposta. O critério de decisão foi a
comparação dos parâmetros do valor-p, onde valor-p menor do que que o nível de significância (α)
estabelecido de 0,05 implica rejeição da hipótese H0 em favor de H1.
RESULTADOS E DISCUSSÃO
Os resultados das avaliações de aderência estão resumidos na Figura 2.
A distribuição gama foi aceita para todas as estações analisadas. Esse resultado de eficiência
foi similar ao encontrado por Haan (1977) na modelação de alturas de precipitação de durações
diárias, semanais, mensais e anuais, visto que as análises realizadas foram de séries temporais
máximas anuais de um dia. Nota-se, ainda, que essa abordagem é passível de uso em modelagem
como a desenvolvida neste trabalho, como, também, em situações de períodos curtos de chuva, como
conclui Thom (1958, apud Murta et al., 2005).
A distribuição exponencial, assim como a distribuição gama, também apresentou um alto índice
de aceitação quanto ao seu ajuste com os dados amostrais utilizados. Tal fenômeno de aprovação
discorda das observações de Catalunha et al. (2002) ao testarem essa distribuição com dados
pluviométricos do estado de Minas Gerais. Os referidos autores frisam que essa distribuição causa a
superestimação em grande parte dos dados de chuva.
XXII Simpósio Brasileiro de Recursos Hídricos 5
Outra distribuição que foi aceita em todos os casos foi o modelo estatístico de Gumbel. No
trabalho de Back (2001), aos autores selecionarem uma distribuição estatística para descrever as
chuvas extremas do estado de Santa Catarina entre os diversos modelos, chegaram à conclusão de
que a distribuição de Gumbel apresentou o melhor ajuste para a maioria das estações pluviométricas
estudadas.
Torna-se possível constatar na Figura 2 que as distribuições de Weibull, log-normal e normal e
logística obtiveram de uma a duas rejeições, denotando que seriam menos indicadas para uso.
Em especial, no que concerne ao emprego da distribuição de Weibull, o resultado obtido
confronta a afirmação de Catalunha et al. (2002), que destaca a sua superioridade na análise
hidrológica para eventos extremos pluviométricos quando comparado ao modelo estatístico gama.
Os resultados obtidos pela distribuição logística mostraram que a mesma é passível de uso na
modelagem de eventos pluviométricos extremos para os dados utilizados na maioria das séries
históricas. Dessa forma, o KS atestou que tal distribuição pode ser aplicada em outra área do
conhecimento, além das mencionadas no trabalho de Bittencourt (2001), como as áreas de saúde,
economia, administração e educação.
Ainda em análise da Figura 2, nota-se que houve um aceite na maioria dos dados para a
distribuição normal, mesmo os dados apresentando uma assimetria, característica essa que refutaria,
de forma automática, a hipótese nula para essa distribuição teórica, visto que a disposição simétrica
dos dados é um atributo latente a tal distribuição (NAGHETTINI e PINTO, 2007).
Essa anormalidade pode ser explicada pela inferioridade do teste KS em confirmar a
normalidade dos dados, sendo essa constatação encontrada no trabalho de Leotti et al. (2005), onde,
ao avaliarem dados que não continham normalidade, o teste Kolmogorov-Smirnov apresentou
respostas, em princípio, não verídicas, afirmando a existência de um comportamento aderente à
distribuição normal, sendo que o KS, dentre todos os testes analisados, foi o que apresentou o pior
desempenho quanto à avaliação de adequabilidade de emprego da distribuição normal.
Os resultados da Figura 2 revelam, de forma geral, que as respostas fornecidas pelo teste KS
devem ser analisadas rigorosamente, pois forneceu uma grande aceitação na maioria das
distribuições. Tal observação assemelha-se às constatações de Catalunha et al. (2002), o qual
verificou que o nível de aprovação do teste Kolmogorov-Smirnov, para diferentes distribuições de
probabilidade, é elevado, gerando, dessa forma, uma insegurança em seu uso. O mesmo autor atribuiu
tal fenômeno de aceitação elevada às condições assimétricas das distribuições estatísticas, pois essa
característica confere valores mais elevados nas classes iniciais e menores nas finais, o que
compromete o teste KS por esse medir as diferenças entre as probabilidades teóricas e empíricas.
Nesse sentido, Araújo et al. (2007) também verificaram essa alta abrangência de aceite do KS
ao analisarem a aderência de dados pluviométricos, de algumas estações na bacia da Lagoa Mirim no
Rio Grande do Sul, em relação às distribuições normal, log-normal, log-Pearson III e Gumbel.
Porém, esses mesmos autores destacaram que, ao realizarem a disposição gráfica dos dados em
papel probabilístico apropriado, não houve aderência adequada dos dados observados aos do modelo
teórico, ressaltando, novamente, que os resultados fornecidos pelo KS devem ser utilizados com
parcimônia.
Diante do exposto, cabe frisar que, segundo Naghettini e Pinto (2007), pode-se afirmar que o
teste de aderência é apenas uma das três ferramentas que deve ser levada em conta na seleção de uma
distribuição probabilística teórica na representação de dados hidrológicos empíricos, requerendo
CONCLUSÕES
Em síntese, o trabalho denotou que o teste de aderência KS, de forma geral, forneceu uma
expressiva aceitação na maioria das distribuições estatísticas testadas para os dados pluviométricos.
Nesse sentido, essa constatação acaba por gerar um questionamento, a ser melhor respondido em
estudos posteriores, sobre a necessidade de ponderar e qualificar a validade do teste de hipótese
empregado para discriminação do melhor ajuste de distribuições de probabilidade de precipitações
extremas.
AGRADECIMENTOS
Inicialmente, os autores agradecem a bolsa de estudos concedida ao primeiro autor fornecida pelo
CNPq – Conselho Nacional de Desenvolvimento Científico e Tecnológico. Agradecimentos são
estendidos à FAPERJ, por meio dos projetos FAPERJ – Pensa Rio – Edital 34/2014 (2014-2017) –
E-26/010.002980/2014 e FAPERJ no E_12/2015, bem como ao suporte oferecido pelo CNPq por
meio do projeto Edital no 12/2016 – Processo 306944/2016-2 e projeto Edital Universal no 14/2013 –
Processo 485136/2013-9.
REFERÊNCIAS
ARAÚJO, R. D.; DAMÉ, R. C. F.; TEIXEIRA, C. F. A.; ROSSKOFF, J. L.; TERRA, V. S. S.;
GAYER, C. A. P.; FRAGA, D. S. (2007). Desempenho do teste Kolmogorov-Smirnov na seleção de
modelos teóricos probabilísticos para predição da precipitação pluviométrica mensal provável na
Bacia da Lagoa Mirim/RS. In: Encontro de Pós-Graduação, 9, 2007, Pelotas. Anais..., Pelotas:
FAEM,.
BACK, A. J. (2001). Seleção de distribuição de probabilidade para chuvas diárias extremas do estado
de Santa Catarina. Rev. Bras. de Meteorologia., São José dos Campos, v. 16, n. 2, p. 211-222.
CATALUNHA, J. M.; SEDIYAMA, G. C.; RIBEIRO, A.; LEAL, B. G.; SOARES, C. P. B. (2002).
Aplicação de cinco funções densidade de probabilidade a série de precipitação pluvial do estado de
Minas Gerais. Rev. Bras. de Agrometeorologia., Sete Lagoas, v. 10, n. 1, p. 153-162.
GUYOT, J.L. (1993). Hydrogéochimie dês Fluves de L’Amazonie Bolivienne. ORSTOM, Paris.
HERSFIELD, D. M.; KOHLER, M. A. (1960). An empirical appraisal of the Gumbel extreme value
procedure. J. Geophy. Res., v. 65, n. 6, p. 1737-1746.
LEOTTI, V. B.; BIRCK, A. R.; RIBOLDI, J. (2005). Comparação dos Testes de Aderência à
Normalidade Kolmolgorov-Smirnov, Anderson-Darling, Cramer-Von Mises e Shapiro-Wilk por
simulação. In: Simpósio de Estatística Aplicada à Experimentação Agronômica, 11., Londrina.
Anais..., Londrina: SEAEGRO, 192 p.
MASSON, C.G.M.J. (2005). Subsídios para uma gestão dos recursos hídricos na Amazônia: estudo
de caso da bacia do rio Madeira. Dissertação de Mestrado, UFRJ, 259p.
MURTA, R. M.; TEODORO, S. M.; BONOMO, P.; CHAVES, M. A. (2005). Precipitação pluvial
mensal em níveis de probabilidade pela distribuição gama para duas localidades do sudoeste da
Bahia. Ciência Agrotécnica, Lavras, v. 29, n. 5, p. 988-994.
NAGHETTINI, M.; PINTO, E. J. A. (2007). Hidrologia Estatística. Belo horizonte: CRPM, 552 p.
OLIVEIRA, L. F. C.; VIOLA, M. R.; PEREIRA, S.; MORAIS, N. R. (2011). Modelos de predição
de chuvas intensas para o estado do Mato Grosso, Brasil. Ambi-Agua, Taubaté, v. 6, n. 3, p. 274-290.
SILVA, D. D.; PEREIRA, S. B.; PRUSKI, F. F.; GOMES FILHO, R. R.; LANASE, A. M. Q.;
BAENA, L. G. N. (2003). Equações de intensidade-duração-frequência da precipitação pluvial para
o estado de Tocantins. Engenharia na Agricultura, Viçosa, v. 11, n. 1, p.7-14.
THOM, H. C. S. (1958). A note on the gama distribuition. Monthly Weather Review, Washington, v.
86, p. 117-22.
TUCCI, C. E. M. (Org.). (2009). Hidrologia: Ciências e aplicação. 4. Ed. Porto Alegre: Ed. da
Universidade: ABRH: EDUSP, 943 p.