Souza Vas TD 19 PDF

PADRÕES E TENDÊNCIAS HIDROCLIMÁTICAS DE CHUVA IDENTIFICADOS
POR SENSORIAMENTO REMOTO NA BACIA DO RIO MADEIRA - AMAZÔNIA
Vinicius Alexandre Sikora de Souza
Tese de Doutorado apresentada ao Programa de

Pós-graduação em Engenharia Civil, COPPE, da
Universidade Federal do Rio de Janeiro, como
parte dos requisitos necessários à obtenção do
título de Doutor em Engenharia Civil.
Orientadores: Otto Corrêa Rotunno Filho

Daniel Medeiros Moreira
Rio de Janeiro
Agosto de 2019
TESE SUBMETIDA AO CORPO DOCENTE DO INSTITUTO ALBERTO LUIZ

COIMBRA DE PÓS-GRADUAÇÃO E PESQUISA DE ENGENHARIA (COPPE) DA
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO COMO PARTE DOS
REQUISITOS NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE DOUTOR EM
CIÊNCIAS EM ENGENHARIA CIVIL.
Examinada por:
________________________________________________
Prof. Otto Corrêa Rotunno Filho, Ph. D.
________________________________________________
Dr. Daniel Medeiros Moreira. D. Sc.
________________________________________________
Prof. Celso Bandeira de Melo Ribeiro, D. Sc.
________________________________________________
Prof. Daniel Andrés Rodriguez, D. Sc.
________________________________________________
Prof. José Otavio Goulart Pecly, D. Sc.
________________________________________________
Dr. Luciano Nóbrega Rodrigues Xavier, D. Sc.
________________________________________________
Prof. Wilson dos Santos Fernandes, D. Sc.
________________________________________________
Dr. Augusto Cesar Vieira Getirana, D. Sc.
RIO DE JANEIRO, RJ – BRASIL

AGOSTO DE 2019
Souza, Vinicius Alexandre Sikora de
Padrões e tendências hidroclimáticas de chuva
identificados por sensoriamento remoto na bacia do rio
Madeira - Amazônia / Vinicius Alexandre Sikora de Souza.
– Rio de Janeiro: UFRJ/COPPE, 2019.
XVI, 261 p.: il.; 29,7 cm.
Tese (doutorado) – UFRJ/ COPPE/ Programa de
Engenharia Civil, 2019.
Referências Bibliográficas: p. 182-201.
1. Balanço Hídrico. 2. Sensoriamento Remoto da
Chuva. 3. Forçantes Hidrológicas. I. Rotunno Filho, Otto
Corrêa et al. II. Universidade Federal do Rio de Janeiro,
COPPE, Programa de Engenharia Civil. III. Título.
iii
Dedico este trabalho de pesquisa a minha família,
em especial a minha mãe Santina Sikora de Souza.
iv
AGRADECIMENTOS
Expressar os agradecimentos por todos os responsáveis que tornaram a realização

deste trabalho possível significa o meu mais profundo reconhecimento ao contingente de
pessoas maravilhosas que pude encontrar ao longo da minha vida e que influenciaram
direta ou indiretamente na construção do caminho que segui até o momento.
Em primeiro lugar, agradeço enormemente a DEUS por todas as graças recebidas

em minha vida.
Deixo expressa aqui minha gratidão ao meu pai Santos de Souza (in memoriam),
por me incentivar nos estudos, e a minha mãe Santina Sikora de Souza, por me
acompanhar em todas as etapas de minha vida, sempre me apoiar nos caminhos que segui
e ser a responsável por todas as minhas conquistas. Agradeço muito aos meus pais por
serem os melhores pais do mundo.
Reconheço todo o carinho e préstimos dos meus irmãos Sandra Andrea de Souza
e José Fernando de Souza.
Gostaria de agradecer ao professor Otto Corrêa Rotunno Filho e ao Dr. Daniel

Medeiros Moreira pela orientação, pelos conselhos e por mostrarem o caminho nos
momentos em que parecia estar tudo perdido. Esses gestos foram essenciais para a
realização desta pesquisa.
Torno público o meu muito obrigado a todos os funcionários, pesquisadores e

professores do Programa de Engenharia Civil da COPPE/UFRJ. Expresso minha gratidão
a todos os profissionais de ensino, que mostraram ser diferenciados em suas carreiras,
tanto no meu ensino de base quanto na minha vida acadêmica.
Agradeço especialmente aos meus colegas de laboratório, Isela Leonor Pandura

Vásquez, Camilla Hellen de Souza e Lígia Maria Nascimento de Araujo, que
compartilharam mais proximamente a jornada de elaboração desta tese.
v
Quero deixar registrado, de forma extensiva, abrangente e calorosa, o profundo
agradecimento aos meus amigos.
E um agradecimento especial é dedicado ao Marcello Henrique, pelo apoio e

momentos felizes.
Agradecimento especial é dirigido ao CNPq, que proveu o suporte de uma bolsa

de doutorado para a elaboração desta tese ao longo dos anos de 2015 a 2019, bem como
apoio da CAPES – Código de Financiamento 001.
Agradecimentos extensivos são dirigidos às agências de fomento FAPERJ e

CNPq, que, por meio de suporte aos projetos PEC/COPPE FAPERJ Edital 014/2010
(2010-2012) – Centro de Referência em Modelagem Ambiental Aplicado à Gestão de
Bacias Hidrográficas Rurais e Urbanas – Apoio às instituições de pesquisa sediadas no
estado do Rio de Janeiro, FAPERJ Cientista do Nosso Estado – Processo E-
26/103.116/2011 (2012-2014) e FAPERJ – Pensa Rio – Edital 19/2011 (2012-2014) –
E26/110.753/2012 e ao projeto FAPERJ – Pensa Rio – Edital 34/2014 (2014-2021) – E-
26/010.002980/2014, FAPERJ no E_12/2015 e FAPERJ no E_22/2016, bem como aos
projetos CNPq Edital Universal No. 14/2013 – Processo 485136/2013-9, CNPq Edital
Universal No. 28/2018 – Processo 435714/2018-0 e CNPq Edital no 12/2016 – Processo
306944/2016-2, entre outros, que estimulam o avanço científico-tecnológico brasileiro na
temática que abrange o escopo desta pesquisa.
Por fim, reconhecimento e dedicação são estendidos a instituições que fornecem

suporte e disponibilizam dados para o desenvolvimento de pesquisas no Brasil, como, por
exemplo, no nível nacional, Secretaria de Educação Superior (SESu) – Ministério da
Educação (MEC) - FNDE – Programa de Educação Tutorial - PET CIVIL UFRJ, CPRM,
ANA, EMBRAPA, CEPEL, ONS, INMET, INPE e INEA, e, no nível internacional, como
NASA, USGS, NOAA e ESA, entre outras.
vi
“Não acho que quem ganhar ou perder,
nem perder ou ganhar, vai ganhar ou
perder. Vai todo mundo perder.”
(ROUSSEFF, D.)
“Desista de me fazer desistir.”

(UZUMAKI, N.)
vii
Resumo da Tese apresentada à COPPE/UFRJ como parte dos requisitos necessários para
a obtenção do grau de Doutor em Ciências (D.Sc.)


Agosto/2019

Programa: Engenharia Civil
Apreender o comportamento da precipitação é componente primordial do ciclo hidrológico

e da gestão de riscos hidrológicos em bacias hidrográficas, em especial na Amazônia. Monitoramento
importante, mas limitado na região amazônica por redes convencionais de pluviometria constitui um
desafio. Propõe-se revelar os padrões de chuva na bacia do rio Madeira, que representa a maior sub-
bacia amazônica. O procedimento lastreou-se em dados de sensoriamento remoto, validando-os
rigorosamente espaço-temporalmente. Compararam-se dados denominados CHIRP e CHIRPS bem
como os produtos 3B42 e 3B42RT do TRMM com informações observadas nas estações
pluviométricas da região devidamente consistidas e preenchidas. Diversas análises foram conduzidas,
incluindo o uso de ondaletas para melhor compreender a ocorrência e distribuição de eventos
extremos e tendências de chuva na bacia, com caracterização de ciclos e frequências. Constatou-se
que os produtos CHIRPS e CHIRP, quando comparados ao 3B42 e ao 3B42RT, representam melhor
os fenômenos pluviométricos acumulados mensais da bacia do rio Madeira. O trabalho permitiu obter
as curvas de intensidade-duração-frequência espacializadas por meio de dados de satélite.
Caracterizaram-se a variabilidade e a recorrência probabilística de eventos extremos de precipitação
de forma espacializada na escala da bacia. Tendências de reduções pluviométricas nos meses mais
chuvosos e elevação da evapotranspiração nos meses mais quentes foram observadas.
Complementarmente, prospectou-se o balanço hídrico em uma pequena sub-bacia no entorno do
município de Machadinho do Oeste usando o modelo hidrológico SWAT, que indica a tendência de
redução da chuva e menor disponibilidade hídrica diante de cenários de desmatamento. Por outro lado,
constatou-se que o equilíbrio das componentes do balanço hídrico difere conforme a escala espacial
de análise, o que merece investigação em oportunas pesquisas na região amazônica.
viii
Abstract of Thesis presented to COPPE/UFRJ as a partial fulfillment of the requirements
for the degree of Doctor of Science (D.Sc.)
HYDROCLIMATIC PATTERNS AND TRENDS OF THE RAINFALL IDENTIFIED

BY REMOTE SENSING IN THE MADEIRA RIVER BASIN - AMAZON

August/2019
Advisors: Otto Corrêa Rotunno Filho

Department: Civil Engineering

Understanding the behavior of precipitation is a major component of the hydrological cycle
and hydrological risk management in watersheds, especially in the Amazon. Important by limited
monitoring in the Amazon region by conventional rainfall networks is a challenge to be faced. The
task of revealing rainfall patterns in the Madeira River basin, which represents the largest Amazon
sub-basin, is proposed. The procedure was based on remotely sensed data, rigorously validating
them spatially and temporally. CHIRP and CHIRPS data as well as TRMM products 3B42 and
3B42RT were compared with information based on rainfall collected in raingauge stations. Several
analyzes were conducted, including the use of wavelets to better understand the occurrence and
distribution of extreme events and rainfall trends in the basin, with characterization of cycles and
frequencies. It was found that CHIRPS and CHIRP products, when compared to 3B42 and
3B42RT, better represent the monthly accumulated rainfall phenomena of the Madeira river basin.
It is also noteworthy that the work allowed to obtain the intensity-duration-frequency spatial curves
through satellite data. Spatial variability and spatial probabilistic recurrence of extreme rainfall
events at the basin scale were characterized. Trends of rainfall reductions in the wettest months and
increased evapotranspiration in the warmer months were identified. Complementarily, the water
balance was performed for a small basin in the surroundings of the municipality of Machadinho do
Oeste using the SWAT hydrological model, which showed the trends toward reduced rainfall and
lower water availability with respect to deforestation scenarios. On the other hand, the equilibrium
among the components of the water balance differ accordingly to the spatial scale of analysis, which
deserves to be further investigated in timely research in the Amazon region.
ix
SUMÁRIO
CAPÍTULO 1 – INTRODUÇÃO ..................................................................................... 1

1.1 CONSIDERAÇÕES INICIAIS ............................................................................... 1
1.2 MOTIVAÇÃO ........................................................................................................ 3
1.3 OBJETIVOS ........................................................................................................... 6
1.3.1 Objetivo Geral .................................................................................................. 6
1.3.2 Objetivos Específicos ....................................................................................... 8
1.4 ESCOPO DO TRABALHO .................................................................................... 8
CAPÍTULO 2 – REVISÃO BIBLIOGRÁFICA ............................................................ 12

2.2 DEFINIÇÃO E ASPECTOS GERAIS DA PRECIPITAÇÃO .............................. 19
2.2.1 Sistemas atmosféricos que influenciam no regime de precipitação na
Amazônia ................................................................................................................ 20
2.2 EVENTOS PLUVIOMÉTRICOS EXTREMOS .................................................. 24
2.3 BASE DE DADOS PLUVIOMÉTRICOS ............................................................ 30
2.3.1 Estimativa Terrestre ....................................................................................... 30
2.3.2 Dados baseados em satélites .......................................................................... 34
2.4 ESPACIALIZAÇÃO E PREENCHIMENTO DE FALHAS EM SÉRIES
HISTÓRICAS DE CHUVAS...................................................................................... 49
2.5 FILTRAGEM DE DADOS PLUVIOMÉTRICOS ............................................... 55
2.5.1 Filtro Hodrick-Prescott................................................................................... 56
2.5.2 Análise das Ondeletas .................................................................................... 59
CAPIÍULO 3 –METODOLOGIA .................................................................................. 64

3.1 AVALIAÇÃO DA BASE DE DADOS ................................................................. 68
3.1.1 Geoespacialização de estações pluviométricas .............................................. 68
3.1.2 Representação de magnitudes e ciclos ........................................................... 71
3.1.3 Representatividade de eventos extremos........................................................ 79
3.2 ANÁLISE DE TENDÊNCIAS.............................................................................. 82
3.2.1 Eventos extremos ........................................................................................... 82
3.2.2 Clima .............................................................................................................. 85
x
CAPÍTULO 4 – ÁREA DE ESTUDO ........................................................................... 89
4.1 CHUVA E CLIMA................................................................................................ 92
4.2 HIDROGRAFIA E SEDIMENTOLOGIA............................................................ 98
4.3 CONTEXTO FISIOGRÁFICO E GEOLÓGICO ................................................. 99
4.4 TIPOS DE SOLO ................................................................................................ 101
4.5 USO E OCUPAÇÃO DA TERRA ...................................................................... 104
4.6 DESMATAMENTO E SEUS IMPACTOS NA HIDROLOGIA ........................ 110
CAPÍTULO 5 - RESULTADOS E DISCUSSÃO ....................................................... 126

5.1 GEOESPALIZAÇÃO DE ESTAÇÕES PLUVIOMÉTRICAS .......................... 126
5.2 ANÁLISE DOS DADOS DE PRECIPITAÇÃO ESTIMADOS POR
GEOPROCESSAMENTO PARA A BACIA DO RIO MADEIRA .......................... 137
5.2.1 Análise de Agrupamento .............................................................................. 137
5.2.2 Eficiência das Fontes de Sensoriamento Remoto ........................................ 141
5.2.3 Comparações de Frequências de Ciclos ....................................................... 148
5.2.4 Avaliação de Desempenho ........................................................................... 154
5.3 ANÁLISE NÃO PARAMÉTRICA DE EVENTOS EXTREMOS DE
PRECIPITAÇÃO NA BACIA DO RIO MADEIRA ................................................ 157
5.4 EVENTOS DE PRECIPITAÇÕES EXTREMAS NA AMAZÔNIA: BACIA DO
RIO MADEIRA ........................................................................................................ 160
5.5 TENDÊNCIAS CLIMÁTICAS NA BACIA DO RIO MADEIRA ..................... 167
CAPÍTULO 6 – CONCLUSÕES E RECOMENDAÇÕES ......................................... 176

6.1 QUANTO ÀS POTENCIALIDADES DA REDE PLUVIOMÉTRICA ATUAL
EM ESPACIALIZAR A CHUVA DA BACIA ......................................................... 177
6.2 QUANTO À EFICIÊNCIA DE PRODUTOS BASEADOS EM
SENSORIAMENTO REMOTO REPRESENTAREM A PRECIPITAÇÃO NA
REGIÃO DO RIO MADEIRA .................................................................................. 178
6.3 QUANTO À CAPACIDADE DO USO DE BASE DE DADOS SATELITAIS
PARA A MODELAGEM DE CHUVAS EXTREMAS NA REGIÃO DO RIO
MADEIRA ................................................................................................................ 178
6.4 QUANTO À OCORRÊNCIA DE EVENTOS EXTREMOS NA BACIA .......... 179
xi
6.5 QUANTO À DINÂMICA DO DESMATAMENTO E QUANTO ÀS
MODIFICAÇÕES NOS EVENTOS PLUVIOMÉTRICOS NA REGIÃO DA
BACIA ...................................................................................................................... 179
6.6 RECOMENDAÇÕES ......................................................................................... 180
REFERÊNCIAS BIBLIOGRÁFICAS ......................................................................... 182
ANEXOS ...................................................................................................................... 202

ANEXO 1 – CICLOS E TENDÊNCIAS NA PRECIPITAÇÃO DA BACIA DO RIO
MADEIRA ................................................................................................................... 203
ANEXO 2 – ANÁLISE ESTATÍSTICA DE EVENTOS DE PRECIPITAÇÃO
EXTREMA NA BACIA DO RIO MADEIRA ............................................................ 211
ANEXO 3 – CURVAS DE INTENSIDADE-DURAÇÃO-FREQUÊNCIA (IDF) DE
CHUVAS EXTREMAS: UM PRODUTO GLOBAL ................................................. 221
ANEXO 4 - AVALIAÇÃO DOS MODELOS DIGITAIS DE ELEVAÇÃO NA BACIA
DO RIO MADEIRA ..................................................................................................... 237
ANEXO 5 - ANÁLISE MORFOMÉTRICA NA BACIA DO RIO MADEIRA COM
SUPORTE DE GEOTECNOLOGIA ........................................................................... 252
xii
LISTA DE FIGURAS
Figura 2.1 – Estações hidroclimatológicas instaladas no Brasil................................... 14

Figura 3.1 – Fluxograma metodológico....................................................................... 65
Figura 3.2 – Estações pluviométricas dos grupos de calibração e validação e rede
hidrográfica da bacia do rio Madeira............................................................................ 69
Figura 3.3 – Localização das estações pluviométricas utilizadas................................ 72
Figura 3.4 – Localização das estações pluviométricas utilizadas................................ 80
Figura 4.1 – Localização da área de estudo.................................................................. 91
Figura 4.2 – Clima da bacia do rio Madeira................................................................. 93
Figura 4.3 – Classificação climática de Koppen abrangendo a bacia do rio Madeira...95
Figura 4.4 – Caracterização da variação de algumas variáveis hidroclimáticas: a)
médias mensais anuais da temperatura, evapotranspiração e precipitação para a bacia
do rio Madeira; b) médias mensais da temperatura (2001-2017), evapotranspiração
(2002-2017) e precipitação (1981 a 2017) para a bacia do rio Madeira....................... 97
Figura 4.5 - Unidade morfoestruturais da bacia do rio Madeira................................... 100
Figura 4.6 – Mapa de solos da bacia do rio Madeira.................................................... 102
Figura 4.7 – Mapa de localização do arco do desflorestamento até 2011.....................105
Figura 4.8 – Uso e ocupação do solo na Bacia do rio Madeira..................................... 107
Figura 4.9 - Zoneamento Sócio Econômico Ecológico da região Amazônica..............109
Figura 4.10 – Mapa de localização da bacia hidrográfica do rio Machadinho…………112
Figura 4.11 – Mudanças na cobertura da terra da bacia do rio Machadinho................ 115
Figura 4.12 – Diagrama de dispersão dos dados de vazão: a) após a calibração; b)
após a validação……………………………………………………………………….119
Figura 4.13 – Vazão medida e vazão simulada pelo SWAT: a) após a calibração; b)
após a validação……………………………………………………………………….120
Figura 4.14 – Hidrogramas acumulados para os cenários simulados............................121
Figura 5.1 – Chuvas mensais interpoladas pelo IDP (em mm)..................................... 127
Figura 5.2 – Chuvas mensais interpoladas pelo KG (em mm)......................................127
Figura 5.3 – Chuvas mensais interpoladas pelo VN (em mm)......................................128
Figura 5.4 – Chuvas mensais interpoladas pelo BRM (em mm).................................. 128
Figura 5.5 – Chuvas mensais interpoladas por polígonos de Thiessen definidos com
base nas estações de treinamento da sub-bacia do rio Madeira (em mm)......................129
xiii
Figura 5.6 – Diagrama de resíduos mensais obtidos pelos métodos: a) média
aritmética, b) polígonos de Thiessen, c) inverso da distância ponderada, d) vizinho
natural, e) krigagem, f) de função de base radial multiquadrada.................................. 133
Figura 5.7 – Dendgograma de agrupamento das estações pluviométricas.................... 138
Figura 5.8 – Distribuição especial do agrupamento de estações pluviométricas.......... 139
Figura 5.9 – Histogramas precipitação média mensal – a) grupo 1; b) grupo 2; c)
grupo 3; d) grupo 4........................................................................................................ 140
Figura 5.10 – Análises de eficiência: a) coeficiente de regressão (r2); b) erro padrão
médio (EPM); c) índice de concordância de Willmott..................................................143
Figura 5.11 – Diagrama de dispersão dos dados............................................................147
Figura 5.12 – Análise de ondeletas para os grupos de estações.................................... 149
Figura 5.13 – Análise de ondeletas - Coerência (WTC)............................................... 151
Figura 5.14 – Análise de ondeletas - Cruzada (XWT).................................................. 152
Figura 5.15 – Probabilidade de detecção (POD) de todos os produtos por classes de
eventos...........................................................................................................................155
Figura 5.16 – Razão de alarme falso (FAR) de todos os produtos por classes de
eventos...........................................................................................................................156
Figura 5.17 – Métrica fBIAS de todos os produtos por classes de eventos................. 157
Figura 5.18 – Análise dos erros EPM e ENM para a modelagem de eventos extremos
de chuva obtidos a partir do contraste entre dados de pluviômetros e dados CHIRPS...158
Figura 5.19 – Resíduos padronizados da comparação entre as modelagens de eventos
extremos por meio de pluviômetros e por meio do produto CHIRPS.......................... 159
Figura 5.20 – Relevo da Bacia do Rio Madeira........................................................... 161
Figura 5.21 – Histórico de uso e ocupação do solo na bacia do rio Madeira............... 162
Figura 5.22 - Eventos extremos de chuva na bacia hidrográfica do rio Madeira de
1981 a 2017.................................................................................................................. 164
Figura 5.23 – Tendência da magnitude dos eventos extremos na bacia hidrográfica do
rio Madeira.............................................................................................................. 166
Figura 5.24 – Análise de tendência para a bacia do rio Madeira: a) evapotranspiração
no período 2002 a 2017; b) precipitação no período de 1981 a 2017; c) amplitude da
temperatura no período 2001 a 2017; temperatura média no período 2001 a 2017..... 170
Figura 5.25 – Matriz de correlação de Tendências climáticas para a bacia do rio
Madeira......................................................................................................................... 171
xiv
Figura 5.26 – Grau de entropia em bits da precipitação e evapotranspiração para a
bacia do rio Madeira..................................................................................................... 173
xv
LISTA DE TABELAS
Tabela 2.1 – Base de dados de chuva provindos de sensoriamento remoto...............36

Tabela 2.2 – Valores dos parâmetros penalizadores para séries de dados anuais (λa),
trimestrais (λt) e mensais (λm) e o correspondente ciclo de referência (P)................58
Tabela 3.1 – Classificação do índice de concordância.............................................. 76
Tabela 3.2 – Proposta de classificação de eventos de chuva baseada na intensidade
acumulada no mês...................................................................................................... 78
Tabela 3.3 – Tabela de contingência para categorizar as frequências de eventos.......78
Tabela 3.4 – Classificação dos intervalos do coeficiente de correlação.................... 88
Tabela 4.1 – Proporção das classes cobertura da terra da bacia do rio Machadinho
nos anos de 1984, 1997 e 2011...................................................................................114
Tabela 5.1 – Média aritmética mensal para a bacia do rio Madeira. (ano de 2011).....129
Tabela 5.2 – Coeficiente de correlação..................................................................... 133
Tabela 5.3 - Análise da eficiência.............................................................................. 134
Tabela 5.4 – Análises de eficiência dos pontos de controle: a) coeficiente de
regressão (r2); b) erro padrão médio (EPM); c) índice de concordância de Willmott
(c)............................................................................................................................... 146
Tabela 5.5 – Distribuição dos dados mensais em classes de eventos........................ 154
xvi
CAPÍTULO 1 – INTRODUÇÃO
1.1 CONSIDERAÇÕES INICIAIS

O ecossistema é extremamente ligado ao clima, existindo, assim, uma forte
relação clima-vegetação (Eagleson, 2002). Diversos estudos, como, por exemplo, Rabello
et al. (2016) e Braga et al. (2010), discorrem de forma qualificada sobre a dependência
de diferentes espécies de plantas no que concerne à quantidade de chuva. A redução nos
valores da precipitação torna a região mais propensa à savanização. O regime de chuva
na região amazônica, analisado por estudos paleoclimatológicos, como é o caso do
trabalho de Wang et al. (2017), entre outros, que examinam séries temporais mais longas,
reforçam os indícios de que a cobertura do solo, quanto submetida à escassez permanente
de água, tende a criar um bioma com características de savana.
Em contrapartida, a própria vegetação modifica o hidroclima amazônico, dada a
superfície florestada, o que ocasiona uma convecção profunda que lança grandes
quantidades de ar na atmosfera, promovendo a formação de nuvens e potencialmente
provocando a precipitação (Spracklen et al., 2017; Cavalcante et al., 2019; Wang et al.,
2016; Molina et al., 2019; Salati et al., 1983).
Dois grandes processos sinalizam as mudanças no microclima da região. O
primeiro é referente à intensificação do efeito estufa, produzido pela alta na concentração
de gases na atmosfera desde a revolução industrial, que, em consequência, gerou o
fenômeno que se identificou na literatura como aquecimento global. Já o segundo
processo é devido aos impactos providos pelas mudanças do uso e cobertura da superfície
terrestre na região, em que o desmatamento de grandes regiões deixou o solo exposto, ou
o converteu em pastos e núcleos urbanos (Pielke 2005; Zemp et al., 2017; Le Page, 2017;
Schielein, e Börner, 2018).
A própria sociedade, como fator de modificação de ambiente por suas ações,
também sofre com os impactos hidrológicos, como inundações, enxurradas e
alagamentos, ao ocupar essas novas áreas na região amazônica. Um dos fatores
responsáveis pelos impactos pode ser atribuído ao fato de comunidades estarem em
localidades onde não há plano de ações e obras de infraestrutura de drenagem,
potencialmente em função da inexistência de uma base de dados suficiente para a
implementação e a construção desse tipo de emprendimento. Restringem-se, assim,
condições de atender distintas regiões precariamente monitoradas tendo em perspectiva a
1
agenda de sustentabilidade da ONU (Organização das Nações Unidas), documento que
destaca que se deveria, no horizonte de 2030, envidar esforços para se procurar reduzir a
exposição e a vulnerabilidade da população aos eventos naturais extremos.
Assim, a chuva é uma variável que requer detalhado conhecimento na região
amazônica, contudo tal forçante hidrológica constitui uma das estimativas mais
complexas, visto que sua medição é mais comumente realizada com apoio de estações
pluviométricas locais. Tal método de medição de superfície não é capaz de representar
adequadamente a grande variabilidade espaço-temporal do campo pluviométrico (Daly et
al., 2008; Michaelides et al., 2009; Kidd and Levizzani, 2011; Tapiador et al., 2012).
Dentre as limitações associadas a esse procedimento de mensuração, pode-se
elencar o baixo período de amostragem, a densidade irregular e o grande número de dados
faltantes nas séries históricas (Clarke e Dias, 2003; Streck et al., 2009; Nóbrega, 2008;
Pereira et al., 2013). Destaca-se, também, sob esse prisma, o próprio princípio físico da
técnica de medição, a qual tenta mensurar um fenômeno contínuo no espaço limitado por
meio de alguns pontos do terreno. Efetivamente, a mensuração de uma grande área em
um ponto de captação que abrange poucos centímetros quadrados (cm2), muitas vezes,
não oferece condições de representar, de forma fidedigna, a distribuição espacial
pluviométrica por acabar não captando eventos chuvosos isolados e com intensidades
variadas, principalmente, em terrenos com topografia complexa (Pereira et al., 2013;
Varikoden et al., 2012).
O desafio ganha contornos mais nítidos na região amazônica brasileira, que possui
uma área de 5.500.000 km², contando com apenas 613 pluviômetros que cobrem um
espaço de aproximadamente 24,5 m², ou seja, apenas 4,46 X 10-10 % do espaço que requer
ser mensurado. Naturalmente, produzem-se análises limitadas do escoamento superficial,
do déficit hídrico e do balanço de energia da região (ANA, 2018; Pereira et al., 2013).
Nesse contexto, surge, como uma possível solução, de forma complementar, o uso
de outras técnicas para caracterização pluviométrica, como as bases de informação
oriundas do sensoriamento remoto orbital, por possibilitar observações em quaisquer
partes do planeta Terra, com emprego de pequenos intervalos de tempo, contribuindo para
melhor compreensão da precipitação em regiões que não possuem rede satifatória de
observações (Huffman et al., 2007).
Nesse campo de investigação, várias bases de precipitação vêm sendo estudadas
para a região amazônica, utilizando-se comparações, por vezes, determinísticas,
comparando-se médias de séries históricas de pluviômetros e dados de satélites, como
2
enfatizam os estudos de Nóbrega (2008), Souza (2008) e Paiva et al. (2012), os quais
delimitam correspondentes análises sem envolver necessariamente a abordagem da
representatividade e identificação dos vários ciclos de frequência e tendências espaço-
temporais que a chuva possui. Alternativa tem sido explorada por meio da representação
de produtos de chuva em modelos hidrológicos, como no estudo de Correa et al. (2017),
que não dispunham de referencial ou parâmetros de medição de chuva na região, não
atendendo, portanto, ao que se desejaria estabelecer como uma verdade dita absoluta ou
mesmo relativa para efeitos comparativos, gerando, assim, respostas mediante potenciais
validações baseadas predominantemente em simples ajustamentos matemáticos por
equações que tentam representar a transformação de chuva em vazão por modelos
hidrológicos.
Diante desse contexto, o trabalho busca integrar dados de satélite de chuva no
monitoramento espaço-temporal do fenômeno pluviométrico em complementaridade ao
conjunto dados de dados observacionais de pluviômetros na região amazônica. Mais
especificamente, a pesquisa concentrou-se no exame da bacia do rio Madeira. Em
particular, a bacia encontra-se parcialmente contida no Brasil, onde se dispõe de dados de
pluviômetros, o que não é o caso para o restante da bacia e particularmente de suas
nascentes e parte mais a montante, denotando a importância do dado de sensoriamento
remoto para investigar o comportamento da chuva na escala da bacia. Maiores detalhes
são fornecidos na sequência do texto.
1.2 MOTIVAÇÃO
A região amazônica delimitada no Brasil (5.500.000 km2) possui suma
importância no cenário nacional e mundial, tanto no campo ambiental quanto
socioeconômico, notavelmente dotada de uma das maiores biodiversidades do planeta,
sobretudo por se estender por mais de 50% do território nacional, oficialmente com área
de 8.500.000 km2, representando aproximadamente 68% de toda a disponibilidade de
recursos hídricos do país, perfazendo cerca de 16% dos recursos hídricos disponíveis de
água doce no planeta (IBGE, 2017;ANA, 2018). Vislumbra-se, ainda, que os rios da
região são importantes vias de transporte. A região amazônica brasileira insere-se na
bacia amazônica, que abrange aproximadamente 6.000.000 km2, englobando outros
países da América Latina - Brasil (63%), Peru (17%), Bolívia (11%), Colômbia (5,8%),
Equador (2,2%), Venezuela (0,7%) e Guiana Francesa (0,2%) (ANA, 2018).
3
A ocupação da região, predominantemente pela atividade pecuária, tem induzido
ao desmatamento, com conversão de grandes áreas florestadas em pastagem, afetando,
principalmente, as bacias dos tributários da margem direita do rio Amazonas, inseridas,
em grande parte, nos estados do Acre, de Rondônia e do Mato Grosso (Lima Filho, 1990).
Especificamente na bacia do rio Madeira, um dos principais contribuintes do rio
Amazonas, o fenômeno de desmatamento desenvolve-se, em parte, pelo notável
desenvolvimento de projetos de colonização implantados pelo Instituto Nacional de
Colonização e Reforma Agrária (INCRA) no início da década de 70 do século XX, que
ocorreram sem planejamento e de forma desordenada.
Atualmente, são desenvolvidas, na região amazônica, atividades industriais
voltadas ao beneficiamento de produtos do extrativismo e de matérias-primas animal e
agrícola. Empresas de laticínios estão localizadas na cidade de Pontes e Lacerda (MT),
enquanto indústrias madeireiras das áreas de laminação de compensados estão localizadas
nas cidades de Cacoal, Ji-Paraná, Porto Velho e Vilhena, em Rondônia. Outros exemplos
de atividades industriais pontuais ocorrem na bacia do rio Xingu no Pará, com o abate de
gado bovino em Altamira e produção de laticínios em Tucumã (ANA, 2018).
Complementarmente, em um cenário de variabilidade climática e conjectura sobre
potenciais mudanças climáticas, o estudo de Wang et al. (2017), em sua análise quanto à
paleoclimatologia da região amazônica, interpreta que a resiliência da floresta em
sobreviver a fenômenos de seca, como os vistos durante o período mais seco da última
era do gelo, entre 24 mil e 18 mil anos atrás, pode ser fragilizada por interferências de
natureza antrópica, no microclima, como exemplificado por desmatamento, queimada e
expansão da agricultura.
A interação entre esse novo cenário de cobertura da terra e as zonas remanescentes
florestais, geradoras de efeito de borda, também merecem destaque nesse contexto, pois
podem gerar alterações na estrutura hidroclimática da região, como modificações de
temperatura, de velocidade e de turbulência do vento, de umidade relativa do ar, bem
como de umidade do solo (Jiang et al., 2009).
Diante do contexto proposto, os processos físicos, termodinâmicos e dinâmicos
que compõem o ciclo hidrológico da Amazônia têm recebido especial atenção em várias
pesquisas desenvolvidas por diversos grupos nacionais e internacionais. Porém, há
lacunas importantes ainda não abordadas na literatura científica revisada em virtude da
ordem de grandeza de sua área de abrangência, notadamente sobre a produção de água e
de sedimentos, o que está a demandar uma maior atenção em diversos aspectos da
4
modelagem matemática, sobretudo no que concerne à aquisição de dados observacionais
e satelitais em diferentes escalas espaço-temporais e correspondente validação.
No que tange à obtenção de dados, a região apresenta um precário monitoramento
in situ. Assim, sensoriamento remoto torna-se uma técnica utilizada por muitos autores
e instituições com crescente avanço e proposições de uma nova ordem mundial de agenda
de pesquisa em hidrologia, temática que entra em consonância com o programa de
estudos discriminados em décadas hidrológicas, como é o caso da primeira década
hidrológica (UNESCO, 1972, 1974), de predição em bacias não monitoradas (década do
PUB – Predictions in Ungaged Basins – 2003-2013) (Sivapalan et al., 2003) e sua
correspondente evolução (2013-2022) (IAHS, 2013), abrangendo, mais recentemente, a
discussão dos novos meios de aquisição de dados hidrológicos e meteorológicos e de
mensuração de propriedades associadas a processos físicos diversos (IAHS, 2013).
Artigos como Entekhabi et al. (1999), Wood et al. (2012) e Beven e Cloke (2012)
exploram os tópicos e agendas a serem exploradas no futuro próximo. As questões
científicas levantadas nesses trabalhos, que abrangem o monitoramento, entendimento,
mensuração e modelagem físico-matemática dos componentes do ciclo hidrológico, com
destaque especial para o uso de dados de sensoriamento remoto, estão em articulação com
a proposição do presente trabalho.
Parte do uso das informações de sensoriamento remoto implica obtenção de
forçantes climatológicas como a chuva (Nobrega, 2008; Silva, 2009). Por outro lado, os
trabalhos publicados sobre a região amazônica usam diferentes fontes de informações,
baseando-se no grau de eficiência de sua aplicabilidade em diferentes regiões do globo.
No entanto, registre-se que essas fontes foram, muitas vezes, apenas testadas de forma
global e não examinadas rigorosamente no que diz respeito à aderência de representação
das características da região, o que pode notadamente indicar ou sugerir uma provável
eficácia reduzida ou limitação em modelagens hidrometeorológicas desenvolvidas para a
Amazônia.
Em um primeiro momento, apontam-se duas potenciais e importantes
contribuições da pesquisa proposta.
A primeira contribuição visa delimitar a adequabilidade de algumas bases de
dados observacionais e de satélite para uma melhor representação da chuva da região
amazônica, avaliando, por meio de técnicas matemático-estatísticas, diferentes fontes de
dados baseadas sobretudo em sensoriamento remoto.
5
Como uma segunda contribuição, vislumbra-se, por meio dos dados validados,
entender os aspectos hidrológicos característicos da região amazônica, com enfoque na
bacia do rio Madeira, adotando-se, como referencial, os fenômenos extremos registrados
pelas séries pluviométricas e as tendências de comportamento dessa variável.
Neste ponto, cabe destacar formulação de hipótese que se somou ao
desenvolvimento original inicialmente proposto para a tese, integrando as duas
contribuições previamente apresentadas, oferecendo um caráter de originalidade
adicional não antevisto inicialmente.
Mais especificamente, a análise da distribuição espaço-temporal pluviométrica
para a região em contraposição com o mapa de cobertura e uso do solo, permitiu
evidenciar um comportamento, sob o ponto de vista da análise em larga escala da bacia
do rio Madeira, que implica efeitos disruptivos no balanço hídrico da região em função
do desmatamento, notadamente em regiões em dito efeito de borda de remanescentes
florestais, que se evidencia quando justaposto a áreas desmatadas contíguas.
Tal percepção é de difícil confirmação imediata e requer estudos aprofundados
para outras porções da bacia do Madeira e em toda a extensão da bacia amazônica. Há
estudos, na literatura, apresentando a tese de que aumento do desmatamento implica
aumento da vazão. Identificou-se, nesta tese, que essa afirmativa deve ser firmemente
questionada, introduzindo-se a necessidade de se melhor avaliar a escala em que o
balanço hídrico é realizado. Complementarmente, a identificação do efeito de diminuição
da chuva e impactos no balanço hídrico face ao desmatamento requer uma atenção
especial em função de diversas escalas que operam ao se efetuar o balanço na pequena,
na média e na larga escala.
Na sequência, explicitam-se o objetivo geral do trabalho e os correspondentes
objetivos específicos que nortearam o desenvolvimento da pesquisa.
1.3 OBJETIVOS
1.3.1 Objetivo Geral
A diretriz fundamental do estudo obedece a premissa de representar o
comportamento espaço-temporal do fenômeno pluviométrico por meio de produtos de
sensoriamento remoto na bacia do rio Madeira (1.324.727 km2), de natureza transnacional
na medida em que suas nascentes encontram-se fora do Brasil, que representa cerca de
um terço da bacia amazônica, que, por sua vez, ocupa cerca de 6.000.000 km2. O
6
pressuposto é que se necessita monitorar adequadamente a chuva para melhor conhecê-
la, em especial no papel que desempenha para melhor determinar o balanço hídrico e o
balanço de energia na escala da bacia. Nesse sentido, nada mais desafiante do que estudar
a região amazônica e, em particular, a bacia do rio Madeira, que é afetada pela severa
limitação rede observacional de dados in situ.
O estudo baseia-se, primeiramente, em analisar e validar a acurácia de dados de
sensoriamento remoto no papel de representar a chuva da bacia do rio Madeira com vistas
a melhor monitorá-la. Diante da proposição, prioriza-se a aplicação de esforços iniciais
na descrição de bases de dados de sensoriamento remoto que estão disponíveis,
detalhando-se vantagens e desvantagens de cada produto, tamanho da série e resolução
espaço-temporal, entre outros aspectos.
Posteriormente, produzem-se análises comparativas entre os produtos de satélite
com estações in situ, na busca por semelhanças na representação da chuva a partir dessas
estações, bem como seus ciclos e frequências, permitindo contrastar as bases de dados
empregadas na pesquisa. Cabe observar que há uma limitação no monitoramento do
território brasileiro em termos de dados de chuva locais, tendo em vista que a rede de
pluviômetros é esparsa. Adicionalmente, a atualização da base de dados não é imediata,
ocorrendo defasagem, por vezes, de meses.
Nesse sentido, justificam-se análises conduzidas, nesta pesquisa, partindo-se do
referencial de dados de sensoriamento, identificando tendências de ocorrências dos
fenômenos pluviométricos, como enfoque em acumulados pluviométricos mensais e nos
extremos de precipitação na bacia do rio Madeira, com vistas a disponibilizar novas
perspectivas de análise em regiões onde dados de campo atualizados e disponíveis são
limitados ou praticamente inexistentes.
Por essa razão, enfatiza-se a grande contribuição do sensoriamento remoto pode
oferecer, permitindo o monitoramento onde não há dados, provendo informações com
maior detalhamento para espacialização de variáveis hidrológicas e obtenção de
informações de forma mais ágil e robusta, com menor custo para fins operacionais.
Na sequência, expõem-se, em síntese, os objetivos específicos definidos para
desenvolvimento da tese.
7
1.3.2 Objetivos Específicos
A partir da relevância da questão científica proposta e discussões reflexivas acerca
do tópico central, a presente tese propõe-se a cumprir os objetivos específicos dispostos
a seguir:
• conduzir estudo sobre o potencial dos dados pluviométricos existentes em
descrever a distribuição espacial da chuva na bacia do rio Madeira; efetuar o
preenchimento de dados faltantes em séries históricas, explorando-se, assim, qual
é a melhor forma de interpolação espacial de chuva para região;
• analisar se os dados de chuva oriundos de sensoriamento remoto (3B42, 3B42RT,
CHIRP e CHIRPS) possuem magnitudes e comportamentos semelhantes aos
dados de pluviômetro da bacia em estudo;
• verificar se os dados de sensoriamento remoto são capazes de descrever o
comportamento da série histórica de eventos extremos para a bacia;
• investigar os eventos extremos na bacia, verificando suas intensidades, os anos de
ocorrência, os períodos de retorno e a tendência de ocorrência;
• explorar as tendências e delimitar as relações de variabilidade espaço-temporal
dos eventos pluviométricos em contraste com a evapotranspiração e a temperatura
na região da bacia;
Complementarmente, avaliou-se a interferência das mudanças na cobertura da

terra em uma pequena sub-bacia do rio Madeira (bacia hidrográfica do rio Machadinho),
situada na vizinhança do município de Machadinho do Oeste, sobre a dinâmica de
equilíbrio local das componentes do ciclo hidrológico, notadamente de variações da
chuva, da evapotranspiração e da vazão diante de cenários de desmatamento, mediante o
modelo hidrológico SWAT (Soil and Water Assessment Tool). Embora o resultado
específico para essa sub-bacia não se aplique, de forma geral à escala da bacia empregada
no trabalho, observa-se que abordagem de efetuar o balanço hídrico sobre essa pequena
bacia, descrita em detalhes no capítulo do estudo de caso desta tese, permitiu tecer
considerações sobre o impacto da chuva na escala da bacia do rio Madeira, o que também
constitui contribuição desta tese.
1.4 ESCOPO DO TRABALHO
8
O estudo encontra-se organizado em forma de capítulos. O primeiro capítulo
aborda as motivações e as justificativas desta pesquisa, bem como as metas propostas a
serem alcançadas, discutindo-se, complementarmente, as premissas e as contribuições da
tese.
No Capítulo 2, discorre-se sobre os aspectos de revisão da literatura, que
fundamentam os diversos conteúdos abordados no trabalho. São apresentados conceitos,
definições e procedimentos sobre a estimativa e a análise de precipitação por imagens de
satélite e dados convencionais, explorando-se diversas análises matemático-
probabilísticas.
O Capítulo 3 é dedicado à exposição da abordagem metodológica. A metodologia
empregada é descrita. Em um primeiro momento, enfocam-se os aspectos de
espacialização da pluviometria, avaliando-se o melhor modelo geoespacial para descrever
a correspondente variabilidade na bacia do rio Madeira, adotando-se, como referência, a
rede de pluviômetros com dados disponíveis e consistidos. Posteriormente, são realizadas
comparações determinísticas e estocásticas dos dados de chuva oriundos de estações
pluviométricas conjuntamente com os disponibilizados por sensoriamento remoto, além
de analisar a acurácia de dados de sensoriamento remoto em representar os fenômenos
pluviométricos extremos. Em sequência, são aplicadas técnicas de análise de tendência
nos eventos extremos de chuva e nos dados hidrometeorológicos, que são, então
relacionados com a mudança de cobertura da terra.
No Capítulo 4, enfatizam-se as principais características da bacia do rio Madeira,
incluindo os aspectos de grandezas físicas da bacia e do corpo hídrico principal,
apresentando-se um breve relato do histórico da ocupação da área, o que guarda relações
com desastres ambientais que são registrados na região. Em especial, desenvolve-se
balanço hídrico para a sub-bacia do rio Machadinho, mediante o emprego do modelo
hidrológico SWAT (Soil and Water Assessment Tool). Propõe-se avaliar a interferência
das mudanças na cobertura da terra em uma sub-bacia do rio Madeira (bacia hidrográfica
do rio Machadinho) sobre a dinâmica local do ciclo hidrológico (vazão, chuva e
evapotranspiração) usando análise de tendências e o modelo SWAT.
No Capítulo 5, apresentam-se e discutem-se os principais resultados encontrados
nesta pesquisa. Primeiramente, apresenta-se o potencial de geoepacialização da chuva
mediante emprego da rede pluviométrica da bacia, seguido da avaliação dos produtos de
sensoriamento remoto. Na sequência, são relacionadas a ocorrência de eventos extremos
e as tendências climáticas com o processo de supressão da mata natural na região.
9
O Capítulo 6 sintetiza as principais conclusões deste estudo, bem como
recomendações, de forma a nortear e instigar o desenvolvimento de investigações futuras
utilizando a abordagem metodológica proposta nesta dissertação.
Ao final, são apresentados as referências bibliográficas e os Anexos de 1 a 7, os
quais abrangem conceitos complementares.
No Anexo 1, abordam-se a detecção e a compreensão de ciclos e tendências nas
séries históricas hidrometeorológicas dos pluviômetros utilizados neste estudo, a fim de
verificar a existência de padrões hidroclimáticos, contribuindo, assim, na análise do clima
regional. Nesse sentido, é explorada a caracterização da variabilidade temporal da
precipitação na bacia hidrográfica do rio Madeira, evidenciando o seu comportamento ao
longo do período 2000-2015. Dados de 38 estações pluviométricas, provenientes do
centro de dados da Agência Nacional de Águas (ANA), foram reunidos para consolidar
uma base de dados que foi tratada mediante o emprego do método estatístico denominado
de filtro de Hodrick-Prescott (HP), que permite a decomposição da série temporal em
componentes de tendência e de ciclos.
No Anexo 2, mostra-se a avaliação da adequabilidade de ajuste de distribuições
teóricas de probabilidade a eventos pluviométricos extremos a partir de dados de chuva
das estações pluviométricas instaladas na parte brasileira da bacia do rio Madeira, de
modo que tais informações possam ser utilizadas oportunamente como suporte na criação
de curvas intensidade-duração-frequência (IDF) da região. Assim, foram utilizadas 37
estações pluviométricas com séries históricas acima de 10 anos de extensão entre os anos
de 2000 a 2015, conforme disponibilizadas pela Agência Nacional de Águas (ANA). As
séries temporais foram submetidas, inicialmente, ao teste de aderência Kolmogorov-
Smirnov (KS), a fim de verificar o ajuste face às distribuições normal, log-normal,
exponencial, gama, Gumbel, Weibull e logística.
No Anexo 3, verifica-se o comportamento dos eventos extremos, e são estimadas
as curvas IDF a partir dos dados de precipitação do CHIRPS para toda parte de globo
terrestre abrangido por essa fonte de dados. Primeiramente, foi verificado se os dados se
adequavam à distribuição de Gumbel usando o teste de aderência Kolmogorov-Smirnov
(KS). Após esse teste, os dados foram modelados por Gumbel e desagregados pelos
quocientes de Cetesb (1989). Além disso, é verificada, nessa sessão, a tendência de
ocorrência dos eventos extremos no nível global utilizando o teste Mann-Kendal.
10
No Anexo 4, perfaz-se uma revisão teórica de conteúdos complementares aos
assuntos tratados na tese, com vistas a tratar de informações referentes ao relevo da bacia
hidrográfica do rio Madeira.
No Anexo 5, avaliam-se diferentes modelos digitais de elevação (MDEs), SRTM
(Shuttle Radar Topography Mission), TOPODATA e HydroShelds, para subsidiar a
escolha do modelo mais apropriado para representar a hidrografia e o relevo da bacia do
rio Madeira. A avaliação incluiu a comparação de hidrografias geradas pelos produtos
com a base nacional cartográfica mediante a determinação do erro entre pontos cotados
pelo ICESAT e pelo IBGE e píxeis definidos nos MDEs estudados.
Por fim, no Anexo 6, mostra-se a caracterização morfométrica de unidades
drenantes da bacia hidrográfica do rio Madeira com apoio de sistema de informação
geográfica (SIG) e da tecnologia de sensoriamento remoto. Mais especificamente,
empregou-se a base de dados de imagens HydroSHEDS para estimar informações físicas
associadas com a bacia de estudo, como fator de forma, coeficiente de compacidade,
índice de circularidade, elevação, declividade da bacia, declividade do curso de água
principal e densidade de drenagem.
11
CAPÍTULO 2 – REVISÃO BIBLIOGRÁFICA
2.1 CICLO HIDROLÓGICO E O SENSORIAMENTO REMOTO

O ciclo da água é composto por diferentes variáveis, as quais se relacionam entre
si por meio dos processos hidrológicos. Pode-se representá-lo como uma estrutura
volumétrica no espaço, delimitada por uma fronteira, cujos componentes internos
interagem entre si e com os sistemas adjacentes.
O ciclo hidrológico pode ser descrito sucintamente da seguinte forma: a água
ascende na atmosfera em forma de vapor devido ao seu aquecimento pelo Sol e pela
transpiração dos vegetais. Posteriormente, o vapor de água condensa-se formando
nuvens, sendo que, em circunstâncias específicas, a água contida nessas nuvens pode ser
precipitada, podendo, dessa forma, voltar à superfície da Terra na forma de precipitação.
A precipitação que atinge a superfície pode infiltrar no solo ou escoar sobre o solo até
atingir um curso de água, sendo que a água infiltrada umedece o solo, alimenta os
aquíferos e cria o fluxo de água subterrânea.
Assim, o ciclo hidrológico pode ser entendido como o balanço hídrico do sistema,
cujo resultado fornecerá a água disponível após vários processos que envolvem fluxos
hídricos. Ao se aplicar o princípio de conservação de massa, analisando-se as entradas e
as saídas de água no sistema, o ciclo da água pode ser sintetizado por meio da Equação
2.1.
𝑃 = 𝐸 + 𝑄 ± ∆𝑆 (2.1)
onde:
P – precipitação (mm);
E – evapotranspiração (mm), expressa a ocorrência simultânea dos processos de
evaporação no solo e de transpiração das plantas (Thornthwaite e Wilm, 1955);
Q – escoamento superficial (mm), também denominado de deflúvio, define-se como o
deslocamento da água na superfície da terra com origem a partir do instante em que o
volume de água que alcança o solo excede a sua taxa de infiltração ou a sua capacidade
de armazenamento;
∆S – taxa de água que infiltra ou submerge no sistema (mm); tal variável apresenta na
equação tanto o sinal de adição como de subtração, porque pode ser tanto uma fonte de
saída como de entrada de água; entretanto, em análises de séries longas do sistema, essa
parcela pode ser desconsiderada, por se entender que a porção de acréscimo ou
12
decréscimo seja de ordem de magnitude bem menor do que a referente aos demais termos
da equação.
Segundo Baldissera (2005), cada termo do balanço hídrico pode ser alterado por
ações antrópicas, como o desmatamento, a mudança do uso e ocupação do solo e a
construção de barragens, atingindo níveis locais e regionais. Consequentemente, qualquer
atividade humana que altere os fatores básicos que determinam o balanço hídrico acaba
por influir na disponibilidade dos recursos hídricos de uma bacia hidrográfica.
Assim, é nítida a importância da estimativa das variáveis representativas de
processos hidrológicos para um eficiente planejamento e gerenciamento dos recursos
hídricos, pois serve como aporte em simulações de mudanças no uso do solo e seus
impactos nos recursos hídricos.
Todavia, segundo Dias (2014), o monitoramento de dados hidrológico no Brasil
apresenta precariedade, que gera uma lacuna de informações no que tange ao tópico
relativo ao gerenciamento de recursos hídricos de bacias hidrográficas. Ainda conforme
a autora, parte do problema pode ser atribuído à instalação de redes de monitoramento
que visam, de forma mais imediata, a operação para o desenvolvimento de um
determinado empreendimento, o que implica operações em curto espaço de tempo e
localização espacial não otimizada.
Na Figura 2.1, observa-se a rede de monitoramento de dados hidrológicos no
Brasil. Constata-se significativa discrepância na distribuição geográfica da rede.
13
Fonte: Ana (2018)
Figura 2.1 – Estações hidroclimatológicas instaladas no Brasil
No que tange especificamente ao monitoramento fluviométrico, Moreira (2010)

explicita que, embora haja 1.852 estações fluviométricas cadastradas no banco de dados
da Agência Nacional de Águas (ANA), o país ainda carece de informação hidrológica
básica, fato explicado em função de, atualmente, a rede brasileira ser quatro vezes menos
densa do que as redes de países como os Estados Unidos, onde a rede do USGS (United
States Geological Survey) possui cadastradas 7.500 estações em seu endereço eletrônico.
O supracitado autor ainda revela que o Brasil possui uma estação a cada 4669 km²,
mas com uma má distribuição geográfica, onde a bacia Amazônica, que ocupa cerca de
44% do território do país, possui um quantitativo de apenas 14% (271) das estações
fluviométricas da rede brasileira. A justificativa está associada à dificuldade e ao alto
custo de acesso à região, com longas distâncias entre as estações e os grandes centros e
ausência de uma rede viária adequada, sendo a maior parte das estações amazônicas
acessível por transporte fluvial e até mesmo por transporte aéreo.
Nesse sentido, os estudos de Gontijo Júnior (2007) e Dias (2014) relatam que a
rede fluviométrica brasileira se encontra mais concentrada nas regiões sul, sudeste e
nordeste do país. Esses autores ainda destacam que boa parte das estações está fora de
14
uso, evidenciando, assim, que há uma limitada eficiência do monitoramento hidrológico
no país.
Vários estudos buscam fontes alternativas para quantificar e qualificar os
processos hidrológicos em bacias hidrográficas perante tais problemáticas. Ganham
destaque as técnicas de sensoriamento remoto que possibilita a obtenção de informações
sobre alvos na superfície terrestre (objetos, áreas, fenômenos), através do registro da
interação da radiação eletromagnética com a superfície, realizado por instrumentos
denominados de sensores, sem que haja contato direto com o alvo investigado.
Portanto, com base no que foi explicitado previamente, as variáveis do ciclo
hidrológico integradas no contexto da abordagem com suporte de sensoriamento remoto
serão examinadas nos parágrafos subsequentes, com exceção da chuva que ganhará
destaque mais adiante no texto da tese.
- Evapotranspiração
Os processos da evapotranspiração abrangem a transformação da água no estado
líquido em vapor, sendo esses a evaporação direta e a transpiração vegetal. Dentre as
várias funções que tentam modelar esse fenômeno, a mais aplicada e reconhecida como
método padrão desde publicação do boletim 56 da FAO é a equação de Penman-Monteith
(Equação 2.2). Esta metodologia é utilizada para calcular a evapotranspiração de
superfícies vegetadas e não vegetadas, sendo obtida pela combinação dos métodos de
balanço de energia e transferência de massa.
δ 1 γ 900
ETo = δ+γ∗ (R n − G) λ + δ+γ∗ (es − ea ) (T+273) (2.2)
onde: ETo é a evapotranspiração diária de referência (mm); 𝜆 é o calor latente de

vaporização (MJ.kg-1); 𝛿 é a inclinação da curva da pressão de vapor saturado versus
temperatura (kPa.K-1); Rn é o saldo de radiação (MJ.m-2.dia-1); G é o fluxo de calor no
solo (MJ.m-2.dia-1); es é a pressão de vapor saturado do ar (kPa); ea é a pressão de vapor
do ar na altura z (kPa); T é a temperatura do ar na altura z (ºC); 𝛾 ∗ é o coeficiente
psicrométrico modificado (kPa.K-1) = 𝛾 (1+ 0,33U2); U2 é a velocidade do vento medida
a 2 metros de altura (m.s-1); 900 é uma constante (kJ-1.kg.K).
Contudo, nos últimos anos o sensoriamento remoto se apresentou como uma
alternativa mais oportuna na estimativa desta variável, visto que a determinação do
fenômeno pode ser obtida exclusivamente por meio da equação de balanço de energia,
15
sem necessidade de definir o tipo de cultura agrícola e o teor de água no solo
(Bastiaanssen et al.,1998; Su, 2002; Allen et al., 2007).
Dentre os modelos desenvolvidos usando sensoriamento remoto, na literatura
encontram-se: Índice de Balanço de Energia de Superfície (SEBI), de Menenti e
Choudhury (1993); Sistema de Balanço de Energia de Superfície (SEBS), de Su (2002);
Índice de Balanço de Energia de Superfície Simplificado (S-SEBI), desenvolvido por
Roerink et al. (2000); Algoritmo de Balanço de Energia de Superfície para Terra
(SEBAL), de Bastiaanssen et al. (1998a e 1998b); Mapeamento de Evapotranspiração em
Alta Resolução com Calibração Internalizada (METRIC), criado por Allen et al. (2007);
e Balanço de Energia de Superfície Simplificado Operacional (SSEBop), desenvolvido
por Senay et al. (2013).
Dentre estes o SSEBop ganha destaque na região amazônica, por ser testada e dita
eficiente, em comparação aos dados medidos, no estudo de Senay et al. (2014). E
globalmente, em testes similares Senay et al. (2007) também encontraram boa precisão
na determinação da evapotranspiração real nos testes.
Essa base de informações geoespaciais comporta o período de 2002 até os dias
atuais e utiliza dados multiespectrais, obtidos via sensoriamento remoto, associados a
dados meteorológicos complementares para estimar a fração de evapotranspiração (ETf)
da superfície, conforme Equação 2.3.
𝐸𝑇𝑎 = 𝐸𝑇𝑓 (𝑘)(𝐸𝑇𝑜 ) (2.3)

onde: ETa - A evapotranspiração real; ETf - fração de evapotranspiração da superfície; k
- fator de escala; e ETo - evapotranspiração de referência.
A fração de evapotranspiração, posteriormente é estimada nas dimensões de pixel

pela Equação 2.4.
𝑇ℎ −𝑇𝑠 𝑇 −𝑇
𝐸𝑇𝑓 = = 𝑇ℎ−𝑇𝑠 (2.4)
𝑑𝑇 ℎ 𝑐
onde: Ts - temperatura da superfície do pixel obtida em imagem de satélite; Th -

temperatura da superfície estimada da condição de contorno seca/quente para o mesmo
pixel; Tc - temperatura da superfície da condição de contorno fria/molhado para o pixel;
e dT - diferença de temperatura das condições de contorno Tc e Th de cada pixel.
16
Os valores de ETf negativos são convertidos a zero, enquanto o valor máximo de
ETf é limitado a 1,05. Pixels com presença de nuvens são desconsiderados.
O valor de Tc é calculado a partir da temperatura do ar, conforme a Equação 2.5 e
Equação 2.6.
𝑇𝑐 = 𝑐(𝑇𝑎 ) (2.5)
𝑇𝑠 |𝑁𝐷𝑉𝐼≥0,8
𝑐= (2.6)
𝑇𝑚𝑎𝑥
onde: onde: Tmax - temperatura máxima do ar no período analisado; c - fator de correção

que relaciona Ta e Ts em uma superfície bem vegetada e com boa disponibilidade hídrica;
e Ts|NDVI ≥ 0,8 - temperatura da superfície em locais onde o índice de vegetação por
diferença normalizada (NDVI) é maior ou igual a 0,8.
- Nível de água e Vazão

A escassez de dados de vazão ocasiona a busca pelo aprimoramento da
modelagem chuva-vazão, que busca uma aproximação do sistema real por meio de um
sistema de equações que conectam entradas e saídas de variáveis hidrológicas. Mas no
campo da obtenção de dados fluviométricos por sensores, ganha destaque a altimetria
espacial, que vem há algum tempo sendo empregada para determinar a obtenção de
medidas de níveis de águas continentais, como alagados, rios, lagos e outros corpos de
água.
A altimetria espacial trata-se da estimativa da altura de lâmina de água gerada pelo
tempo em que a emissão da onda eletromagnética emitida pelo satélite altimétrico acusa
a recepção de um eco. Essa técnica trabalha por meio de um satélite que serve como
plataforma para um sensor operado na banda Ku, denominado de radar altímetro, o qual
transmite pulsos de energia na frequência das micro-ondas para a superfície terrestre e
recebe o sinal de retorno após este ser refletido. Dessa forma, conforme Moreira (2010),
o cálculo é função da velocidade do pulso mensurado por meio do tempo de retorno do
sinal para o satélite altímetro, em que são aplicadas diversas correções, incluindo
correções da velocidade do pulso devido aos efeitos de refrações ionosféricas e
troposféricas e a movimentos da Terra.
Rosmorduc et al. (2009) destaca que a altimetria espacial gera informações de
forma contínua sobre o globo terrestre, onde a leitura de um ponto pelo satélite é função
do ciclo orbital; e cada missão possui uma magnitude para essa variável. O referido autor
17
relata, também, que a resolução espacial dos dados está ligada à distância entre as linhas
de passagem.
Na região amazônica, a aplicação dessa técnica vem ganhando destaque nos
últimos anos, e os trabalhos de Moreira (2010) e Silva (2009) são exemplos dessa
implementação.
Silva (2009) propôs o desenvolvimento de uma metodologia de utilização dos
dados de altimetria espacial, notadamente dos satélites ENVISAT e ERS-2, para análise
da variabilidade espaço-temporal dos processos hídricos nas zonas úmidas da bacia
Amazônica pelo acoplamento de imagens MODIS. Os resultados desse trabalho
mostraram uma validação entre traços no ponto de cruzamento ou com dados in situ com
erros médios quadráticos que variaram de 12 a 226 cm para o satélite ENVISAT
(algoritmos Ice-1 e Ice-2) e de 32 a 197 cm para o satélite ERS-2 (algoritmo Ice-2). No
mais, a análise integrada de informações altimétricas e de imagens MODIS evidenciou a
sazonalidade do ciclo hidrológico em zonas úmidas.
Já o estudo de Moreira (2010) objetivou empregar uma rede de calibração
altimétrica a partir de estações fluviométricas e dados de receptores GPS na região
Amazônica. Os resultados desse autor evidenciaram uma forte correlação entre
movimentos verticais e o ciclo hidrológico na Amazônia, bem como a aplicabilidade da
técnica GPS como suporte a estudos hidrológicos e na avaliação de dados de satélites e
de modelos de geoide.
O histórico dessa metodologia vivenciou os seus primórdios na década de 70,
especificamente entre 1973 a 1974, com a missão chamada de SKYLAB, que, segundo
Seeber (2003), possuía uma precisão de 1 a 2 metros. Posteriormente, conforme a linha
histórica levantada por Moreira (2010), os principais satélites lançados com essa mesma
função foram GEOS-3 (1975), SEASAT-1 (1978), GEOSAT (1985), ERS-1 (1991),
ERS-2 (1995), Topex/Poseidon (1992), Jason-1 (2001), Envisat (2002) e Jason-2 (2008).
O supracitado autor revela, ainda, que, no decorrer dessas missões, foi observada uma
grande melhoria na precisão dos altímetros, os quais passaram a ser no nível centimétrico.
Adicionalmente, houve um maior refinamento no cálculo de órbita do satélite, bem como
na evolução no procedimento de modelagem dos efeitos atmosféricos na propagação do
sinal.
Nos passos futuros da altimetria espacial, está a missão Surface Water Ocean
Topography (SWOT), com previsão de ocorrência para o ano de 2020. Essa proposta é o
resultado gerado pela colaboração entre a agência francesa Centre National d'Études
18
Spatiales (CNES) e a National Aeronautics and Space Administration (NASA), que
utilizará a tecnologia denominada altimetria interferométrica, fornecendo uma imagem
bidimensional (Alsdorf et al., 2007). Além disso, fornecerá estimativas de descarga em
escala continental para ajudar a reduzir os erros de escoamento anual do modelo atual que
variam de 10 a 80%, e geralmente são 40% (Arnell e Gosling, 2013).
O SWOT tem como estimativa uma faixa imageada de 120 km de largura e mais
ou menos 10 km de variação vertical total para os níveis de água da superfície do mar –
Sea Surface Heights (SSH) e para os níveis das águas continentais. Silva (2010) postula
que, nos oceanos, a SSH será definida a cada 2 km2 com uma precisão de 0,5 cm quando
calculada a média da área. Em domínio continental, apresentará uma resolução horizontal
de 100 m para os rios e de 1 km2 para lagos, zonas úmidas e reservatórios, com uma
precisão de 10 cm para os níveis de água e 105 cm.km-1 para a declividade.
As estimativas geradas pelo SWOT não deverão ser tão precisas quanto medições
in situ (Biancamaria et al., 2015). Por outro lado, a natureza espacialmente contínua das
medidas SWOT fornecerá dados em bacias atualmente não monitoradas, bem como
medidas de fenômenos espacialmente distribuídos, como a propagação de ondas ao longo
dos rios (Pavelsky et al., 2014; Paiva et al., 2015).
2.2 DEFINIÇÃO E ASPECTOS GERAIS DA PRECIPITAÇÃO

Toda parcela de água em estado sólido ou líquido que provém da atmosfera e
alcança a superfície terrestre é denominada precipitação. Essa, por sua vez, compreende
todas as formas de umidade emanadas da atmosfera e depositadas na superfície terrestre
como a chuva, o granizo, o orvalho, a neblina, a neve ou a geada.
Em particular, a chuva, conforme usualmente apresentada na literatura, como, por
exemplo, em Varejão-Silva (2005), apresenta-se como gotas de água com diâmetro
superior a 0,5 cm, constituindo-se na forma de precipitação que interfere de maneira mais
significativa em problemas da engenharia, notadamente em projetos hidráulico-
hidrológico-atmosféricos no Brasil.
De forma geral, a precipitação pluviométrica ou chuva é formada quando o ar
úmido presente nas camadas inferiores da atmosfera é aquecido, tornando-se, dessa
forma, menos denso que o ar das camadas superiores, o que torna possível sua ascensão
adiabática, gerando-se expansão e resfriamento até atingir o nível de condensação.
Ocorridas, então, tais etapas, o vapor de água pode condensar-se em minúsculas gotículas,
criando as nuvens. Tais gotículas de água, posteriormente, passam por processos de
19
coalisão e coalescência, que promoverão a sua união, formando gotas de água maiores
que serão capazes de vencer a resistência do ar e precipitar.
As chuvas podem ser classificadas de acordo com as condições que produzem o
movimento vertical das massas de ar, o qual é fator primordial na sua formação, seja em
chuvas ciclônicas, orográficas ou convectivas (Puyol e Villa, 2006).
As chuvas ciclônicas ocorrem quando duas massas de ar com temperaturas
diferentes, devido ao aquecimento desigual da superfície terrestre, confrontam-se,
gerando, dessa forma, uma superfície de contato, também denominada de frente. Se tais
movimentos de massas de ar ocorrerem no sentido que a massa de ar com temperatura
menor (frente fria) “empurre” a massa de ar mais quente (frente quente), essa precipitação
pluviométrica é chamada de chuva ciclônica frontal; no entanto, se as duas massas de ar
(fria e quente) forem atraídas de forma simultânea em direção a uma área de baixa
pressão, tal fenômeno denominar-se-á de chuva ciclônica não-frontal (Raghunath, 2006).
Cabe destacar que tais chuvas são de longa duração, intensidade baixa a moderada, e se
distribuem sobre grandes áreas (Villela e Matos, 1975).
No que concerne às chuvas orográficas, essas têm sua formação quando ventos
quentes e úmidos, geralmente providos de áreas oceânicas, deparam-se com barreiras
naturais, o que obriga que tais ventos se elevem, sendo eles resfriados adiabaticamente
nesse processo, formando chuvas de pequena intensidade, grande duração e pequena área
de espalhamento (Tucci, 2009).
A formação das chuvas convectivas ocorre devido às convecções térmicas, ou
seja, em função da brusca ascensão do ar úmido aquecido pela superfície terrestre, que
gera, por sua vez, uma condensação quase instantânea. Tais eventos acontecem
normalmente no fim de dias quentes. Ressalta-se que o fenômeno resulta em chuva de
pequenas áreas de abrangência, alta intensidade e curta duração.
2.2.1 Sistemas atmosféricos que influenciam no regime de precipitação na Amazônia

O regime de chuva na região amazônica é consequência da atuação de diversos
sistemas sinóticos, como Zona de Convergência Intertropical (ZCIT) (Moura e Vitorino,
2012), sistemas frontais (Paiva e Clarke, 1997), Zona de Convergência do Atlântico Sul
(ZCAS) (Quadro, 1999), Vórtices Ciclônicos de Altos Níveis (VCANS) (Fedorova et al.,
1999), Perturbações Ondulatórias no Campo dos Alísios (POAS) (Santos e Buchmann,
2010), brisas marinha e terrestre, em conjunto com o desenvolvimento de outros sistemas
de escala local (Panduro, 2018; Fisch et al., 1998).
20
Nos parágrafos subsequentes, alguns desses fenômenos serão explorados.
- Zona de Convergência Intertropical (ZCIT)

A Zona de Convergência Intertropical (ZCIT) é um dos mais importantes sistemas
meteorológicos atuando nos trópicos, constituindo parte integrante da circulação geral da
atmosfera. Forma-se devido à confluência dos ventos alísios do nordeste com os de
sudeste, originários dos anticiclones subtropicais do Atlântico Norte e do Atlântico Sul
respectivamente. Assim, a região acaba possuindo carcterísticas de baixa pressão
atmosférica, de convecção profunda e intensa nebulosidade, com altos índices
pluviométricos (Hastenrath e Lamb, 1977).
A extensão do ZCIT propaga-se pelas bacias oceânicas do Atlântico e do Pacífico,
com uma orientação zonal ao norte (8˚N) durante o verão do hemisfério norte, e com
posição mais ao sul (1˚N) durante o mês de abril (Hastenrath e Lamb, 1977). Segundo
Hastenrath e Lamb (1977), nos meses de verão no hemisfério norte, ou seja, junho, julho
e agosto, as regiões de máxima cobertura de nuvens, precipitação e convergência de
massa são quase coincidentes, localizando-se, aproximadamente, a três graus ao sul da
zona de confluência dos alísios, enquanto, nos meses de dezembro, janeiro e fevereiro, a
zona de máxima cobertura de nuvens, precipitação e convergência de massa, nesse
mesmo hemisfério, localiza-se ao norte da Zona de Convergência do Atlântico (ZCA).
O trabalho de Carvalho e Oyama (2013) realizou análises observacionais das
características da Zona de Convergência Intertropical na porção central do Oceano
Atlântico durante o período de 1999 a 2008. Segundo os autores, na escala mensal, a
largura e a intensidade da ZCIT tendem a diminuir ao atingir as suas posições mais
austrais (fevereiro, março e abril). Além disso, a amplitude da variação anual foi de
aproximadamente 7° de latitude para a posição média (de 1°N em abril a 8°N em agosto),
de 3° para a largura, variando de 3° em março a 6° em outubro. Quanto à intensidade da
precipitação, a variação foi de 3 mm.dia-1 , oscilando de 10 mm.dia-1 em março a 13
mm.dia-1 em julho.
- Zona de Convergência do Atlântico Sul (ZCAS)

A ZCAS é uma faixa de nebulosidade que possui orientação noroeste/sudeste,
estendendo-se do sul da região amazônica até a região central do Atlântico Sul. Trata-se
do principal sistema encarregado da ocorrência de chuvas regulares em quase toda a
região central e sudeste do Brasil durante a estação das chuvas (Carvalho et al., 2004).
21
O estudo de Kodama (1992) foi um dos primeiros a analisar esse fenômeno
meteorológico ao caracterizar três bandas de nebulosidade também denominadas de zonas
de precipitações subtropicais (ZPS), de natureza quase estacionária, nomeadamente, no
leste da Ásia, conhecida como Baiu Front, e nas porções subtropicais da Zona de
Convergência do Pacífico Sul (ZCPS) e do Atlântico Sul, recebendo esta última a
designação de ZCAS. O autor ainda observou que a ZPS pode ser caracterizada por zonas
de convergência de umidade e por zonas baroclínicas com um cavado subtropical de altos
níveis associados para oeste da ZPS.
Segundo Liebmann et al. (1999), diversos podem ser os fatores locais que
favorecem a ocorrência da ZCAS, destacando-se a confluência entre o ar da alta
subtropical do Atlântico sul e o ar de latitudes mais altas (próximas da linha do Equador),
convergência de umidade e a presença de cavado a leste da Cordilheira dos Andes, que
propicia o escoamento de umidade da região amazônica em forma de jato em direção ao
Atlântico sul.
Conforme Molion et al. (2004), existem dois fatores importantes para a existência
da ZCAS. O primeiro é o efeito termodinâmico resultante do aquecimento continental
pelo Sol, do calor latente (evaporação) liberado dos movimentos ascendentes e da
divergência que se estabelece nos altos níveis. Já o segundo trata do efeito dinâmico, que
está relacionado com a penetração de sistemas frontais do hemisfério sul.
O estudo de Carvalho et al. (2004) separa a ZCAS por suas intensidades e aspectos
espaciais em quatro categorias: intensa, fraca, oceânica e continental. A categoria de
ZCAS intensa está associada a anomalias de radiação de onda longa emergente negativa
sobre uma grande área da América do Sul tropical, estendendo-se do oeste da Amazônia
ao Atlântico. No que tange às ZCAS de natureza fraca, ocorrem anomalias positivas sobre
a América do Sul tropical e negativa sobre o sudeste da América do Sul. Os aspectos
oceânicos e continentais são relacionados a um padrão de trem de onda em latitudes
médias.
A intensidade das ZCAS pode ser afetada pelo El Niño-Oscilação Sul (ENOS) e
anomalias da temperatura da superfície do mar (TSM). O primeiro foi relatado por
Ferreira et al. (2004), ao estudar os padrões atmosféricos dos eventos de ZCAS no período
entre 1980 e 2000 para os meses do trimestre dezembro-janeiro-fevereiro (DJF), ao longo
do qual os fenômenos ENOS estavam em atividades mais destacadas. Esses autores
concluíram que, durante o período de ENOS na fase quente, a atividade convectiva sobre
o oceano, na região da ZCAS, é mais intensa.
22
A TSM atua em enfraquecer as ZCAS quando as anomalias são frias e a
intensificar e deslocar as ZCAS para o norte quando as anomalias são quentes. Essa
constatação éefetuada no estudo de Chaves e Nobre (2004), os quais utilizaram estudos
numéricos conduzidos com o objetivo de compreender a relação de causa e efeito entre a
TSM do Atlântico e a ZCAS.
Complementarmente, Seabra (2004) explora padrões de precipitação de eventos
chuvosos produzidos por ZCAS. Em particular, explora regiões ao longo da trajetória das
ZCAS. Assim, são estudadas a região Amazônica. Mais recentemente, Panduro (2018)
estuda o fenômeno pluviométrico na região sudeste do Brasil e na Amazônia. Explora o
modelo de desagregação espacial estocástica multicascata no trabalho com base de dados
TRMM (Tropical Rainfall Measurement Mission), objetivando obter produtos com
resolução mais detalhada do que aquelas providas pelo produto original (0,25 grau).
Nesse estudo, estuda, inicialmente, o impacto do fenômeno ZCAS na região sudeste do
Brasil, explicando ciclos e tendências da precipitação histórica na região, com enfoque
na bacia do Cantareira, região que foi profundamente afetada por secas no período entre
2014 e 2016 (Panduro, 2018; Panduro et al. ,2018). Complementarmente, Araujo (2016)
reconhece a importância das ZCAS quando estuda os padrões de precipitação e umidade
do solo na região sudeste do Brasil, notadamente no balanço hidrológico da bacia do rio
Piabanha, situada na região montanhosa do estado do Rio de Janeiro, sub-bacia do rio
Paraíba do Sul.
Ao final desta seção, cabe destacar o trabalho de André (2016), que se constitui
em um referencial importante no que concerne ao fenômeno ZCAS. Propôs indicador
iZCAS. Explorou em detalhes a física do fenômeno para propor tal índice. O estudo
contemplou
- El Niño/Oscilação Sul (ENOS)

O ENOS é um fenômeno oceânico-atmosférico de grande escala formado por duas
componentes: a componente oceânica, que é o El Niño, e a Oscilação Sul, que é a
componente atmosférica (Viegas et al., 2019). Foi proposto na década de 1920, por Sir
Walker, para explicar a correlação inversa entre a pressão atmosférica nos extremos leste
e oeste do Oceano Pacífico.
Segundo Berlato et al. (2005), a anomalia inicia no começo do segundo semestre
de um ano e termina no final do primeiro semestre do ano. Caracteriza-se por um
aquecimento das águas simultaneamente com a diminuição da pressão atmosférica no
23
Pacífico Leste. Além disso, sua fase fria ou fase negativa, chamada de La Niña, é gerada
quando ocorre um resfriamento das águas e um aumento na pressão atmosférica na região
leste do Pacífico.
Kayano e Andreoli (2006) relatam que uma das formas de se determinar a fase e
a intensidade do ENOS é a estimativa do Índice de Oscilação Sul (IOS), calculado pela
diferença entre as anomalias normalizadas de pressão no nível do mar entre duas regiões
distintas: Taiti e Darwin. Nessa estimativa, o IOS é pode ser positivo ou negativo, o que
indicaria um ENOS na fase quente ou fria respectivamente. Outra estimativa, apresentada
por esse autor, trata dos índices de temperatura da superfície do mar (TSM) da região
equatorial do Pacífico, com características de sinais parecidas ao IOS.
O estudo de Souza et al. (2015) usou dados mensais de precipitação de 238
estações distribuídas nos estados do Amazonas, Amapá, Pará e Maranhão, no período de
1920 a 2011, para analisar as relações entre o ENOS e a precipitação na Amazônia num
contexto espacial e temporal por meio dos campos de anomalias de precipitação e
transformada de ondeletas Morlet. Os resultados desse estudo mostraram que a
distribuição espacial das anomalias positivas e negativas é bastante heterogênea devido
às interações das diferentes dimensões de tempo e escala do fenômeno ENOS e das
condições de superfície da Amazônia. Além disso, os eventos de ENOS foram modulados
por oscilações de precipitações de múltiplas escalas de tempo, tais como: decadal,
interdecadal, anual e intrasazonal.
Mais recentemente, estudo de Treitman (2018), entre outros, explora a
determinação das fases do ENOS no que concerne ao planejamento do setor elétrico
mediante modelagem estocástica. Nesse estudo as vazões estão diminuindo
significativamente na região Nordeste e crescendo nas regiões Sudeste e Sul. Os modelos
conseguem capturar satisfatoriamente a distribuição da precipitação e da vazão nas
diferentes regiões brasileiras, além de suas variabilidades sazonais. As projeções futuras
são de redução dos volumes de chuva e das afluências naturais no setor centro-norte do
Brasil e discreta elevação na região sul do país. Diante de cenários críticos futuros, faz-
se necessário avaliar a capacidade de regularização dos reservatórios das usinas
existentes, visando à produtividade energética do país.
2.2 EVENTOS PLUVIOMÉTRICOS EXTREMOS

Informações de eventos atmosféricos extremos associadas com previsibilidades e
probabilidades são essenciais para o desenvolvimento de projetos de engenharia urbana
24
e rural, notadamente de saneamento, de drenagem e de impermeabilização de superfícies,
que permitem, então, oferecer condições mais adequadas para dimensionamento de obras
e serviços da natureza hidráulico-hidrológica. Dados históricos e confiáveis de
precipitação permitem que o projetista considere e mitigue os riscos existentes com a
execução da obra e oportunize a escolha da melhor alternativa em termos de custo-
benefício, considerando apropriadamente questões técnicas de desempenho e de
segurança da correspondente intervenção antrópica.
Dentre as forçantes hidrológicas de maior impacto na vida humana, está a
precipitação, que representa, via de regra, a principal entrada de água no sistema de
balanço hídrico-hidrológico, determinando as componentes de vazão e de evaporação,
intimamente ligadas à sua ocorrência e consequente pronunciada influência sobre áreas
povoadas, seja expressando-se por secas ou enchentes, com repercussões no
abastecimento de água, saneamento e drenagem, na produção de energia e de alimentos
e na efetiva gestão do território sob a ótica de bacias hidrográficas.
Chuvas intensas são fenômenos meteorológicos que provocam cheias nos
sistemas de drenagem, onde as vazões de pico atingem valores próximos da capacidade
máxima desses sistemas. Essas ocorrências também são denominadas chuvas extremas
ou máximas, e apresentam significativa lâmina precipitada durante pequeno intervalo de
tempo.
Geralmente, as chuvas intensas são capazes de suscitar grande quantidade de
escoamento superficial, podendo causar grandes prejuízos em áreas agrícolas, como a
inundação de terras cultivadas, a erosão do solo, a perda de nutrientes, o assoreamento e
a poluição de corpos de água (Cecílio et al., 2009). Dessa forma, é importante conhecer
as características dessas precipitações com o objetivo de evitar os problemas supracitados
e corroborar no planejamento de práticas de conservação do solo e da água, no manejo de
bacias hidrográficas e no dimensionamento de estruturas hidráulicas em geral.
O trabalho de Barcellos (2009) é ilustrativo da importância temática de
determinar, no nível operacional, probabilidade de detecção de eventos extremos na
cidade do Rio de Janeiro. No estudo, foi proposta uma metodologia de alerta de chuvas
intensas para a cidade do Rio de Janeiro através da identificação de variáveis
meteorológicas que indicam a formação de tempestades, sendo estas: a pressão ao nível
médio do mar, a convergência do vento em 1000hPa, a divergência do vento em 250hPa,
ômega em 500hPa, a convergência de umidade em 1000hPa, a instabilidade convectiva,
o índice K e o índice CK. A autora identificou que a probabilidade de detecção do sinal
25
da chuva intensa em 24 horas é maior do que em 48 horas. Além disso, as análises dos
indicadores, individualmente, mostraram que, em escala sinótica e em mesoescala, as
variáveis que mais se destacaram foram o índice CK e a instabilidade convectiva. Apesar
das limitações da pesquisa, a metodologia proposta prevê com razoável índice de acerto
e deve ser utilizada em conjunto com uma série de outras ferramentas meteorológicas de
monitoramento utilizadas pelos centros operacionais.
O trabalho de Sousa (2013) estuda eventos intensos pluviométricos em caso de
bloqueio atmosférico, como o ocorrido em Santa Catarina utilizando
dados diários de radiação de onda longa emergente (ROLE) e das componentes
zonal e meridional do vento, nos níveis de 850 hPa e 200 hPa, e altura
geopotencial em 200 hPa, provenientes do banco de dados de reanálises do NCE
PNCAR, para a caracterização da estrutura dinâmica de padrões ondulatórios
atmosféricos desde o oceano Pacífico até a América do Sul. O autor encontrou
a influência do sinal intrassazonal precursor no ramo sul da Zona de Convergência
do Pacífico Sul (ZCPS), indicando que a transferência de energia através
da teleconexão ZCPS-alta ocorre em fases quase opostas, dependendo da escala de
tempo do modo de variabilidade.
Sob o ponto de vista hidrológico, o trabalho de Warsawski (2013) aborda eventos
extremos na região serrana sob o ponto de vista probabilístico. Tal estudo empregou
algumas técnicas na estimativa de valores extremos de vazão e avaliou,
comparativamente, seus resultados, obtidos com dados da bacia do rio Bengala, situado
no município de Nova Friburgo – RJ. Conforme o autor, a abordagem não estacionária
empregada requer uma formulação mais consistente no sentido de permitir obter
resultados que correspondam melhor à realidade das vazões extremas. Por outro lado, a
análise de frequência conjugada mostrou desempenho adequado, incentivando o seu
maior emprego.
Silva (2019) examina a previsibilidade tempestades severas com base em
radiossondas e radar meteorológico. Em particular, Silva et al. (2017) analisam a
atmosfera usando radiossondas lançadas à tarde (entre as 12 e as 19 horas, horário local)
e identificou que a atmosfera apresentou as maiores taxas de aquecimento na camada
atmosférica mais próxima da superfície durante a tarde nos dias de nuvens diurnas (CC).
Comportamento semelhante foi observado para os dias da Zona de Convergência do
Atlântico Sul (ZCAS). Nos dias com presença do sistema frontal (FS), no entanto, foram
26
observados valores mais baixos de temperatura no período da tarde em relação aos
medidos pelas sondagens matinais.
O autor supracitado em seu estudo Silva et al. (2018) procurou caracterizar os
padrões sinópticos termodinâmicos e dinâmicos que desencadeiam episódios de chuvas
intensas e as correspondentes inundações do rio Quitandinha no estado do Rio de Janeiro.
Mais especificamente, o estudo revisou os eventos do período entre janeiro de 2013 e
dezembro de 2014 usando dados de reanálise. Os autores perceberam que os eventos de
inundação estavam relacionados à presença da Zona de Convergência do Atlântico Sul
(SACZ), sistemas frontais (FS) e tempestades convectivas (CS). Esses sistemas
mostraram um comportamento semelhante nos componentes de vento de alta frequência,
principalmente com relação aos ventos do noroeste antes da precipitação e a um forte
componente do vento do sudoeste durante eventos de chuva. As análises de agrupamento
indicaram que o principal componente para a formação de precipitação em relação aos
sistemas
Alternativamente, uma potencial solução para a caracterização e estimativa das
precipitações é a utilização de curvas intensidade-duração-frequência (IDF), que
consistem em modelos matemáticos semiempíricos que prevêem a intensidade
precipitada por meio da duração e da distribuição temporal. Eltz et al. (1992) afirmam
que a análise de frequência é uma técnica estatística importante no estudo das chuvas,
devido à grande variabilidade temporal e espacial das precipitações pluviais, as quais não
podem ser previstas em bases puramente determinísticas.
Esses modelos procuram incorporar as principais características da chuva,
permitindo gerar estimativas que visam atender a características específicas da
precipitação na localidade para a qual o modelo é concebido, por meio de análises
estatísticas, em função de chuvas intensas poderem ser potencialmente ajustadas por meio
do emprego de distribuições estatísticas.
O estudo Fadhel et al. (2017), por sua vez, alerta para as incertezas associadas a
esse tipo de modelagem de extremos, principalmente sob a ótica dos problemas
potencialmente oriundos de mudanças climáticas, visto que os quartis extremos de
precipitação representados pelas curvas IDF estarão sujeitos a alterações ao longo do
tempo. Como suporte na avaliação de mudanças esperadas entre as curvas IDF do clima
atual e de um clima futuro, projetadas por um modelo climático regional, os autores
encontraram, como resultado, que a incerteza na porcentagem de mudança nas chuvas
estimadas em comparação com as chuvas no clima atual varia significativamente.
27
Além disso, outra questão que requer atenção é a escassez de conhecimento de
características das chuvas no território brasileiro. Mesmo em regiões que apresentam
satisfatória densidade de postos pluviométricos, os dados disponíveis são insuficientes
para uma utilização em diferentes durações, sobretudo na escala de minutos ou horária,
tendo em vista que apresentam frequências de coleta da ordem do dia (Cardoso et
al.,1998).
O último estudo de chuvas intensas conduzido e reconhecido, no nível nacional,
remonta à década de 80 do século XX (Pfastetter, 1982), que empregou apenas 98
estações pluviométricas in situ, que constitui, ainda hoje em dia, referência para a
engenharia nacional quando o assunto é construção de obras de drenagem e intervenções
hidráulicas em perímetros urbanos e áreas rurais.
Uma provável causa para tal escassez é o fato de o país apresentar uma área muito
extensa, o que dificulta o registro de tais dados. A ausência de estudos relacionados a
esses registros dificulta a elaboração de projetos na área de recursos hídricos em locais
distantes dos grandes centros urbanos brasileiros (Pereira et al., 2007).
Cabe enfatizara dificuldade de realizar estudos sobre o tópico de chuvas extremas
na medida em queos volumes precipitados são essencialmente quantificados por estações
pluviométricas mediante registros diários de chuvas, constituindo-se, em geral, nas
informações acessíveis e passíveis de utilização, não somente pelo tamanho das séries,
mas também pela densidade das redes de coleta (Hernandez, 2008).
Todavia, sob essa perspectiva, a região amazônica possui uma rede de estações
pluviométricas com pelo menos duas severas limitações, ou seja, a sua densidade irregular
e o grande número de dados faltantes nas séries históricas dos postos que compõem a rede
de medição, o que merece atenção. Note-se que a área da bacia amazônica em território
brasileiro abrange cerca de 5.500.000 km², possuindo apenas 613 pluviômetros, que
cobrem, levando-se em conta, o somatório total das áreas de interceptação de um
pluviômetro tradicional, uma área de aproximadamente 24,5 m², ou seja, apenas 4,46 .10-
10
% de território passível de mensuração direta. Assim, a mensuração da chuva ao longo
dessa grande área por relativamente poucos pontos de captação, embora extremamente
relevante, representa enorme desafio para bem representar a efetiva distribuição espacial
pluviométrica, com natural dificuldade de captar eventos chuvosos diversos, que estão
sujeitos a características climáticas, fisiográficas e de cobertura da terra que variam no
espaço e no tempo.
28
Diversos trabalhos têm sido desenvolvidos com propostas de métodos mais
eficientes para o ajuste estatístico de dados de precipitação máxima. Entretanto existe
uma defasagem entre a teoria e a prática, que dificulta a aplicação de novas técnicas (Daud
et al., 2002).
Algumas metodologias foram desenvolvidas no Brasil para a obtenção de chuvas
intensas de menor duração a partir de dados pluviométricos, sendo que tais metodologias
empregam coeficientes para transformar chuvas de um dia em chuvas de menor duração.
Dentre essas metodologias, estão a das isozonas, proposta por Torrico (1975), e a
da desagregação da chuva de 24 horas, da Companhia de Tecnologia de Saneamento
Ambiental do Estado de São Paulo - CETESB (1979), sendo o uso desta última bastante
eficiente, tendo sido aplicada em diversos estudos dentre os quais cabe destacar Cardoso
et al. (1998), Oliveira et al. (2000), Oliveira et al. (2011) e Pereira et al. (2007).
No entanto, no que se refere à metodologia das isozonas, Costa e Rodrigues
(1999), ao compararem os resultados obtidos por esse método com os obtidos por meio
de equações de chuvas intensas, encontraram desvios entre 7,5% e 54%,
desaconselhando, dessa forma, o seu uso como metodologia de cálculo.
Assim, com o emprego da técnica da desagregação da chuva de 24 horas da
CETESB (1979), torna-se possível sanar os problemas apontados por Silva et al. (2003)
quanto ao pequeno período de observações disponível no que se refere à estimativa dos
parâmetros da equação de intensidade-duração-frequência (IDF) da precipitação, que,
conforme Silva et al. (2003), é a principal forma para caracterizar as chuvas intensas.
Tucci (2009) ainda ressalta que esse método é de grande aplicabilidade face à existência
do grande número de pluviômetros com séries longas espalhados por quase todo o
território nacional.
Em um estudo mais recente Abreu (2018), explorou-se a avaliação do método das
relações de chuvas de diferentes durações locais juntamente com os quocientes do estudo
de CETEB (1979), buscando tendências em função do período de retorno e com validação
no âmbito nacional. Com base no empregode dados pluviográficos e pluviométricos de
estações distribuídas no estado de Minas Gerais, o autor concluiu que a desagregação de
chuva por quocientes não apresenta equivalência em relação aos dados observados, mas
os erros obtidos pelos modelos são considerados aceitáveis na previsão de chuvas intensas
de diferentes durações, o que viabiliza a sua utilização em regiões com poucas
informações pluviográficas.
29
No trabalho de Coutinho et al. (2019), avaliou-se a influência da metodologia de
desagregação de precipitações máximas diárias para a obtenção de hidrogramas de
projeto usando a construção de curvas IDFs no semiárido nordestino. Segundo os autores,
as comparações entre as IDFs geradase as estimativas de referência ditas reais não
apresentaram grandes divergências entre si.
Já o trabalho de Teodoro et al. (2014), que utilizou, como área de estudo, o
município de Aquidauana/MS, avaliou a influência de diferentes coeficientes de
desagregação na determinação de equações IDF. Os autores constataram que os
coeficientes de desagregação de chuvas diárias influenciam consideravelmente na
determinação dos parâmetros da equação IDF.
Nesse contexto, é notório que o uso da metodologia de desagregação de chuva não
constitui um referencial absoluto, mas as aproximações por ela fornecidas tornam
possível a proposição de equações IDF para a maioria das regiões em escalas sub-diárias,
onde, de fato, não há dados coletados em escalas menores do que o dia. Assim, essa
versatilidade torna o procedimento referência na literatura, como ilustram os trabalhosde
Garcia et al. (2011), Silva et al. (2010), Souza et al. (2016), Aragão et al. (2013),
Lorenzoni et al. (2013), Campos et al. (2014) e Campos et al. (2015), entre outros.
2.3 BASE DE DADOS PLUVIOMÉTRICOS

2.3.1 Estimativa Terrestre
O monitoramento de informações hidrológicas é fundamental para a elaboração
de projetos de obras hidráulicas e ações de gestão de recursos hídricos numa bacia
hidrográfica. Convencionalmente, a construção e a manutenção de uma rede de postos
pluviométricos localizados em posições geográficas específicas é a forma mais utilizada
para obtenção de dados de precipitação (Conti, 2002).
O uso em larga escala de pluviômetros e de pluviógrafos deve-se à simplicidade
de instalação e operação, que mede a altura total de água precipitada, em milímetros por
dia ou em milímetros por evento chuvoso.
Contudo os dados extraídos são pontuais e suscetíveis a uma série de fatores
naturais inerentes à localidade do posto, além da possível influência humana na
mensuração e na manipulação dos dados obtidos.
No Brasil, as informações de volumes precipitados são disponibilizadas pela
Agência Nacional das Águas em forma de séries históricas no sistema de informações
hidrológicas HidroWeb. Em essência, dois (2) problemas dificultam os trabalhos de
30
entendimento desse fenômeno: distribuição e densidade espacial irregular das estações
pluviométricas; e o grande número de lacunas nos dados das séries históricas.
O primeiro apresenta-se em muitas regiões devido ao baixo número de estações
pluviométricas e em função da grande distância entre esses postos de observação.
Segundo Clarke e Dias (2003), essa limitação é maior nos estados com grau de
urbanização mais elevado (por exemplo: São Paulo- uma estação por 169 km2; Distrito
Federal - uma estação por 166 km2; Paraná - uma estação por 214 km2). Em contraste, o
Amazonas tem uma estação por 7.829 km2, enquanto o Pará uma por 5.528 km2 , e o Mato
Grosso apresenta uma por 4.637 km2. Jiménez e Collischonn (2015) complementam que
a qualidade da medição no tocante a quantificar a chuva é dependente da densidade
espacial de postos pluviométricos, mensurada em número de postos por quilômetro
quadradop (km²), ou o inverso da densidade, que é a área média de influência (em km²)
por posto pluviométrico.
O segundo problema é gerado, segundo Streck et al. (2009), pela ausência do
observador, por acessibilidade da estação, por falhas nos mecanismos de registro, por
perda das anotações ou das transcrições dos registros pelos operadores e pelo
encerramento das observações.
Além disso, a chuva é um fenômeno que possui uma distribuição espaço-temporal
contínua. Nesse sentido, limitar sua medição em poucos pontos espacialmente
distribuídos e de forma discretizada no tempo, como é usualmente realizado por estações
de monitoramento, pode acarretar diversas limitações em sua análise, mesmos que esses
pontos possuam uma série histórica consistente. Mesmo em uma rede densa de medição,
os pluviômetros medem bem a intensidade e a duração da chuva, mas não têm
necessariamente representatividade espacial e temporal.
Em uma primeira abordagem, uma possível solução desses problemas apontados
seria a instalação de um número maior de estações combinada com um sistema
automatizado de coleta de dados. Contudo a própria alocação de uma estação envolve um
conceito complexo. Na literatura, alguns trabalhos investigam procedimentos para
otimizar a localização de uma estação pluviométrica, valendo-se citar historicamente os
métodos clássicos: procedimento Llamas (Llamas, 1996), método Dubreuil, método da
Cartografia Conjunta, método Sharp (Sharp, 1971), método Karasiev, procedimento
OMM (WMO, 1994), procedimento DNAEE (DNAEE/MME, 1979), procedimento
Galvão (Galvão, 2004), procedimento do Federal Institute of Hydrology (Alemanha)
(Belz e Engel, 2003) e método utilizando o conceito de entropia (Shannon e Weaver,
31
1962). Nos estudos mais recentes, existem ainda as diretrizes estabelecida por Dias
(2014) e os conceitos concebidos por Souza et al. (2018). Esses dois últimos trabalhos,
em particular, elaboram uma reflexão sobre como melhor configurar uma rede de
medições por meio do mapeamento de áreas potenciais para a locação de estações, com a
identificação e a seleção de variáveis geoambientais utilizadas nos processos de locação
de estações.
Nesse cenário, outras formas de estimativa de chuva na superfície terrestre podem
se mostrar mais promissoras. O uso de radares meteorológicos no solo, por exemplo,
oferece estimativas espaciais da precipitação sobre grandes áreas e em tempo
aproximadamente real. No radar meteorológico, a taxa de precipitação em um
determinado ponto é correlacionada à intensidade de um sinal de retorno retroespalhado
pelas gotas de chuva, e a distância do ponto ao radar é correlacionada ao tempo de retorno
do sinal (Conti, 2012).
Pereira Filho et al. (2002) afirmam haver um crescimento no número desses
aparelhos no Brasil. Por exemplo, o Sistema de Vigilância da Amazônia (SIVAM)
instalou 10 radares na bacia amazônica, que, no entanto, cobrem apenas uma fração da
bacia. Para cobrir todo o país, seriam necessários 140 radares, investimento que uma
nação em desenvolvimento só pode fazer no longo prazo (Pereira Filho et al., 2002).
Estudos como o de Calvetti et al. (2003), realizado no radar instalado em Curitiba-
PR, apontou, no entanto, que esse mensurador pluviométrico possui várias limitações,
tais como a subestimação pluviométrica por atenuação do sinal devido à distância e por
barreiras físicas, como irregularidades na topografia. Além disso, Conti (2002) alerta para
o fato de que o radar deve ser calibrado periodicamente com dados conhecidos de
precipitação, necessitando ser ajustado por postos pluviométricos convencionais.
Sob esse prisma, pesquisas na COPPE/UFRJ têm continuamente buscado
identificar o aperfeiçoamento das técnicas da estimativa da precipitação por radar.
Barbosa (2000) e Lou (2004) investigaram as estruturas de correlação espacial dos valores
de chuva obtidos pelos postos pluviométricos localizados na bacia do Alto-Tietê e pelas
estimativas feitas pelo radar de São Paulo por meio da relação Z-R. Com o objetivo de
seguir uma abordagem geoestatística, as autoras conduziram sua pesquisa através de uma
análise estrutural realizada com dados de dois eventos chuvosos com origem em
diferentes sistemas meteorológicos: uma frente fria que atingiu a região do radar no dia
01/01/95 e um sistema convectivo ocorrido no dia 05/01/95. Lou (2004), utilizando dois
modelos geoestatísticos, krigagem bayesiana, abordado inicialmente em Barbosa (2000),
32
e simulação condicional por indicadores sequenciais (krigagem indicatriz), para a
estimativa da chuva, verificou que mediante modelagem de krigagem bayesiana,
confirmando resultados preliminares obtidos em Barbosa (2000), e via krigagem
indicatriz foi possível reproduzir estimativas observadas de precipitação bastante
reveladoras do potencial de utilização de um referencial geoestatístico no estudo da
variabilidade espacial de eventos chuvosos. Referências adicionais nessa área podem ser
encontradas em Barbosa (2000) e Lou (2004). Mais recentemente, Caseri et al. (2015)
emprega o referencial geoestatístico evidenciando o potencial de aplicação no
mapeamento de riscos e alertas de enchentes.
Mais recentemente, Calvetti (2012) obteve previsões probabilísticas de
precipitação foram obtidas a partir de um conjunto de simulações pelo modelo WRF e
utilizadas como condição de contorno no modelo hidrológico TopModel para a previsão
hidrometeorológica na bacia do rio Iguaçu, situada no estado do Paraná. Nas simulações
de cheias, durante o período de elevação do volume de precipitação, o erro médio
aritmético do conjunto de previsões foi menor do que cada um dos membros utilizados
nesse conjunto, indicando melhor destreza do conjunto médio em relação a qualquer
previsão determinística. Na dissipação dos sistemas precipitantes, alguns membros
obtiveram resultados melhores que o conjunto médio, e, em geral, as previsões são
confluentes. Contudo, os autores observaram que o modelo hidrológico é bastante
sensível a previsão de precipitação, e, portanto, a melhoria das previsões é diretamente
proporcional a diminuição dos erros nas previsões de precipitação.
Salviano (2019) realizou modelagens hidrológicas na bacia hidrográfica do rio
Muriaé usando o modelo hidrológico TOPMODEL com medições de precipitação de
estimativa de vazão da rede telemétrica da Rede Hidrometeorológica Nacional,
estimativas de precipitação por satélite com o método CMORPH, precipitação medida
pela telemetria e a estimada por satélite por meio da análise objetiva estatística
(ANOBES). O autor verificou que na região as simulações com CMORPH tenderam a
subestimar as vazões, enquanto com ANOBES o desempenho foi melhor, em especial
para períodos de cheia.
Por fim, cabe o destaque ao trabalho de Polifke (2019), que trata da integração, no
nível operacional, das escalas sinótica, regional e local. Na escala local, foram
empregadas informações de radiossondas e dados de radar meteorológico disponíveis
para a região metropolitana e região serrana do Rio de Janeiro. Nessa pesquisa em
particular, examina-se a questão de previsão de tempestades severas na região serrana do
33
Rio de Janeiro. Entre diversas inovações apresentadas no trabalho, explora-se, de forma
original, a relação Z-R na forma da construção de uma relação Z-N. A relação Z-R refere-
se à relação entre refletividade (Z - db) e taxa de precipitação (R- mm/h). Desde o trabalho
original e conhecido de Marshal e Palmer (1976), diversas relações foram propostas,
observando-se coeficientes de ajuste diferenciados conforme as relações físicas
predominantes no tipo de sistema precipitante, seja mais convectivo, ou seja, mais
estatiforme. No caso do trabalho de Polifke (2019), são usados dados de radar
meteorológico da cidade do Rio de Janeiro para examinar o comportamento de
inundações na bacia do rio Quitandinha, sub-bacia do rio Piabanha, situada na região
montanhosa do Rio de Janeiro, sob a forma da relação entre refletividade e nível de água
do rio na bacia do Quitandinha, o que se mostrou viável e de importância operacional
para a região de Petrópolis-RJ.
2.3.2 Dados baseados em satélites

O conceito de medição pluviométricas através de satélites baseia-se em captar
sinais de eventos de precipitação e converter as respostas em imagens, que, em essência,
são matrizes, onde magnitudes de tom de cinza são convertidas em radiância e reflectância
ou seção de retroespalhamento, conforme a faixa do espectro eletromagnético,
condicionados por sua localização e forma de aquisição, representadas, então, em uma
pequena área denominada de píxel (Collischonn, 2001).
Adicionalmente, dados satelitais podem ser diretamente captados por sensores,
como também podem ser combinados com resultados de modelos climáticos e
informações observadas em estações meteorológicas, permitindo gerar, assim, novos
produtos denominados de reanálise. No que concerne ao conceito de reanálise, este surgiu
da necessidade de se obter séries históricas de informações meteorológicas longas e
contínuas em regiões em que não se tem medições, ou as mesmas são precárias, tendo o
procedimento iniciado nos anos 90 do século XX.
Cabe destacar que a aquisição de dados de sensoriamento remoto da chuva
iniciou-se com o satélite Televion and InfraRed Observation Satellite (TIROS I), em abril
de 1960. Segundo Petty (1995), por meio desse satélite, foi possível estimar a ocorrência
e até mesmo a intensidade de eventos chuvosos através da resposta espectral de conjuntos
de nuvens, sendo, naquela oportunidade, observada a radiação emitida no topo das
nuvens, que era um indicador da sua espessura e volume de água.
34
As bases pluviométricas geradas por sensoriamento remoto, quando comparadas
com outros instrumentos clássicos de mensuração, como é o caso de pluviômetros e
radares meteorológicos, acabam se tornando fonte complementar importante para a
medição mais precisa do fenômeno da precipitação.
Por outro lado, as fontes de dados providas por satélite merecem também ser
investigadas quanto a sua precisão e incertezas em estudos sobre a chuva. Em síntese, tais
incertezas podem ser categorizadas em aleatórias (intrínsecas) e sistemáticas. Enquanto o
primeiro tipo advém das imprecisões das leituras e das medições, ou seja, função de
oscilações naturais geradas nos resultados obtidos pela técnica, o segundo tipo resulta de
mudanças na técnica de medição empregada, envolvendo calibrações com grau de
precisão limitado de instrumentos de medição, modos de transmissão e ainda
processamento dos dados.
Assim, a identificação das diferenças entre as estimativas por satélite em contraste
com outras fontes de dados de chuva requer atenção para delimitar incertezas associadas
aos diferentes tipos de produtos de satélite e aos dados coletados por estações locais ou
ainda obtidos por meio de radar meteorológico, de forma que haja complementaridade na
análise conjunta do fenômeno mediante o emprego de dados de diferentes origens e
obtidos em escalas espaço-temporais distintas.
Na literatura, bases de dados adquiridas por sensoriamento remoto da chuva
destacam-se por possuírem séries históricas maiores do que 10 anos, resolução temporal
mínima diária e cobertura quase global, o que oferece robustez e confiabilidade na
aquisição do dado, estando discriminadas em detalhes na Tabela 2.1.
35
Tabela 2.1 – Base de dados de chuva provindos de sensoriamento remoto
Resolução Resolução
Produto Aquisição Tipo Limite Disponibilidade
Espacial Temporal
CHIRP V2.0 - Climate Hazards group
www.chg.ucsb.edu/data/chirps/ R 0,05° < 50° 1 dia 1981 – D.A.
Infrared Precipitationa
CHIRPS V2.0 - Climate Hazards group
www.chg.ucsb.edu/data/chirps/ R 0,05° < 50° 1 dia 1981 – D.A.
Infrared Precipitation with Stationsa
CMORPH V1.0 - CPC MORPHing
www.cpc.ncep.noaa.gov S 0,07° < 60° 30 min 1998 – D.A.
technique
CMORPH-CRT V1.0 - CPC
www.cpc.ncep.noaa.gov S 0,07° < 60° 30 min 1998 – 2015
MORPHing technique bias corrected
CPC Unified - Climate Prediction
www.esrl.noaa.gov/psd/data/gridded/ R 0,5° Global 1 dia 1979 – D.A.
Center Unifieda
ERA-Interim - European Centre for
www.ecmwf.int/en/research/climate-
Medium-range Weather Forecasts R ~0,75° Global 3h 1979 – 2017
reanalysis/era-interim
ReAnalysis Interim
GPCP-1DD V1.2 - Global
Precipitation Climatology Project 1- www.precip.gsfc.nasa.gov S 1° Global 1 dia 1996 – 2015
Degree Daily Combination
GPM - IMERG v04 - Global
Precipitation Measurement: IMERG www.giovanni.gsfc.nasa.gov/giovanni/ R 0,1° < 90° 1 dia 2000- D.A.
Algorithm
GSMaP V5/6 - Global Satellite
Mapping of Precipitation - Moving
www.sharaku.eorc.jaxa.jp/GSMaP/ S 0,1° < 60° 1h 2000 – D. A.
Vector with Kalman standard V5 and
V6
GridSat V1.0 - P derived from the
Gridded Satellite - B1 thermal infrared www.ncdc.noaa.gov/gridsat/ S 0,1° < 50° 3h 1983 – 2016
archive
Continua...
36
Tabela 2.1 – Continuação.
Espacial Temporal
JRA-55 - Japanese 55-year ReAnalysis www.jra.kishou.go.jp/JRA-55 R ~0,56° Global 3h 1959 – D.A.
MSWEP V2.0 - Multi-Source
www.gloh2o.org R 0,1° Global 3h 1979 – D.A.
Weighted-Ensemble Precipitation
MSWEP V1.2 - Multi-Source
www.gloh2o.org S 0,25° Global 3h 1979 – 2015
Weighted-Ensemble Precipitation
MSWEP-ng V1.2 - Multi-Source
Weighted-Ensemble Precipitation: no- www.gloh2o.org R 0,25° Global 3h 1979 – 2015
gauge
MSWEP-ng V2.0 - Multi-Source
Weighted-Ensemble Precipitation: no- www.gloh2o.org R 0,1° Global 3h 1979 – D.A.
gauge
NCEP-CFSR - National Centers for
Environmental Prediction: Climate www.cfs.ncep.noaa.gov/cfsr/ R ~0,31° Global 1h 1979 – 2010
Forecast System Reanalysis
PERSIANN - Precipitation Estimation
from Remotely Sensed Information www.chrs.web.uci.edu S 0,25° < 60° 1h 2000 – D.A.
using Artificial Neural Networks
PERSIANN-CCS - Precipitation
Estimation from Remotely Sensed
Information using Artificial Neural www.chrs.web.uci.edu S 0,04° < 60° 1h 2003 – D.A.
Networks - Cloud Classification
System
Continua...
37
Tabela 2.1 – Conclusão.
Espacial Temporal
PERSIANN-CDR V1R1 -
Precipitation Estimation from
Remotely Sensed Information using www.chrs.web.uci.edu S 0,25° < 60° 6h 1983 – 2016
Artificial Neural Networks - Climate
Data Record
SM2RAIN-ASCAT - P inferred from
Advanced Scatterometer - satellite www.hydrology.irpi.cnr.it S 0,5° Global 1 dia 2007-2015
a
near-surface soil moisture
TMPA 3B42 V7 - TRMM Multi-
www.mirador.gsfc.nasa.gov/ S 0,25° < 50° 3h 2000 – 2015
satellite Precipitation Analysis
TMPA 3B42RT V7 - TRMM Multi-
www.mirador.gsfc.nasa.gov S 0,25° < 50° 3h 2000 – 2015
satellite Precipitation Analysis
WFDEI-CRU - WATCH Forcing Data
www.eu-watch.org R 0,5° Global 3h 1979 – 2015
ERA-Interim
* adados somente disponíveis somente na litosfera; D.A. – Dias Atuais; S – Satélites; R – Reanálise.
38
Uma breve descrição de algumas dessas fontes de informações, com algumas de
suas aplicações, é apresentada nos próximos parágrafos.
- CHIRP V2.0 e CHIRPS V2.0

Ambos os conjuntos de dados possuem cobertura espacial quase global,
abrangendo as latitudes entre 50°S e 50°N por um período superior a 30 anos, com início
em 1981, e resolução espacial variando de 0,25 a 0,05°.
Os dois produtos possuem, em sua base, o suporte da equipe e do modelo
denominado Climate Hazards Group Climatology Modeling – CHPclim, que, conforme
Funk et al. (2015), compõe um sistema único que incorpora, além dos indicadores
fisiográficos típicos (elevação, latitude e longitude), informações de campos médios
mensais de longo prazo de cinco produtos de satélite, a saber: estimativas de precipitação
de microondas, estimativas de precipitação baseadas em microondas e em radiação na
faixa do infravermelho do produto CMORPH, em temperaturas médias mensais de brilho
na faixa do infravermelho, de natureza geoestacionária, e em estimativas da temperatura
da superfície da terra.
A extensão das regiões amostradas é baseada na (a) densidade da estação, (b)
homogeneidade da resposta do preditor e (c) disponibilidade dos campos preditores. O
primeiro passo usa uma série de regressões de janelas móveis (MWR) para criar uma
previsão inicial de uma malha de precipitação de 0,05◦. A segunda etapa calcula os
resíduos na estação da etapa 1 (observações da estação menos as estimativas de regressão)
e, em seguida, interpola esses valores usando um esquema de interpolação de ponderação
de distância inversa (IDW) modificada para criar as grades dos resíduos do modelo MWR.
As estimativas de MWR em grade e os resíduos em grade são combinados para criar um
conjunto inicial de superfícies climatológicas com base nas normais da FAO. Na terceira
etapa, essas superfícies são, então, ajustadas usando as médias das estações GHCN no
período 1980–2009. As diferenças e proporções das normalidades climáticas do GHCN
no período 1980-2009 são calculadas e usadas para produzir superfícies finais
correspondentes a um período de referência de 1980–2009.
Todavia, enquanto o CHIRP constitui produto diário do modelo CHPclim
calibrado por informações de imagens de satélites, o CHIRPS vai além e utiliza uma base
de informações de estações pluviométricas in situ para aprimorar os resultados das séries
temporais.
39
Por exemplo, o estudo de Dinku et al. (2018) avaliou CHIRP e CHIRPS para a
região da África Oriental em escalas de tempo diária, decadal (10 dias) e mensal. A
avaliação foi feita comparando os produtos de satélite com os dados de pluviometria de
cerca de 1.200 estações. Os produtos CHIRP e CHIRPS também foram comparados com
dois produtos similares de chuvas operacionais por satélite: o Climatology de Chuvas
Africanas versão 2 (ARC2) e as Aplicações Tropicais de Meteorologia usando Dados de
Satélite (TAMSAT). Os resultados mostram que os produtos CHIRP e CHIRPS são
significativamente melhores que o ARC2, denotando maior habilidade e baixo ou nenhum
viés. Verificou-se, também, que esses produtos eram ligeiramente melhores do que a
versão mais recente do produto TAMSAT nas escalas decadal e mensal, enquanto o
TAMSAT obteve um melhor desempenho na escala de tempo diária. O desempenho dos
diferentes produtos de satélite apresenta alta variabilidade espacial com fraco
desempenho nas regiões costeiras e montanhosas.
No Brasil, o estudo de Paredes-Trejo et al. (2017) concentrou-se na região
nordeste do país com base na precipitação mensal derivada do CHIRPS v.2, comparando-
se esse produto com a observação de 21 estações terrestres no período 1981-2013. Várias
métricas baseadas em comparação pareada foram aplicadas pelos autores para avaliar o
desempenho do CHIRPS na estimativa da quantidade de chuva e na capacidade de
detecção de chuva. Os resultados do estudo mostraram que os dados do CHIRPS se
correlacionam bem com observações para todas as estações, mas tendem a superestimar
os baixos e subestimar os altos valores de precipitação. Embora o CHIRPS alcance
melhores resultados durante a estação úmida da região, sua capacidade de detecção de
chuva é baixa. Saliente-se que o melhor desempenho global foi observado no bioma de
cerrado, mas não detectou chuva em outros biomas. Por fim, o estudo concluiu que o
conjunto de dados CHIRPS pode ser um substituto útil para dados de precipitação
pluviométrica fora do semiárido do nordeste brasileiro.
- CMORPH V1.0 e CMORPH-CRT V1.0

A base de dados do CMORPH (Joyce et al., 2004), por sua vez, fornece
estimativas quase globais (60° N a 60° S) de precipitação com resoluções espaciais de
0,07° × 0,07° e 0,25º × 0,25°). A resolução temporal desta é de 30 minutos, e os seus
registros iniciam do ano 2000.
O CMORPH usa vetores de movimento derivados de imagens de infravermelho
por satélite geoestacionário com intervalo de meia hora para propagar as estimativas de
40
precipitação, de qualidade relativamente alta, determinadas a partir de dados passivos de
microondas. Além disso, a forma e a intensidade dos dados de precipitação são
modificadas ou ajustadas durante o tempo entre as varreduras de sensores de microondas,
executando uma interpolação linear ponderada pelo tempo. O processo produz análises
de precipitação derivadas de microondas, espacial e temporalmente, independentemente
do campo de temperatura infravermelho (Joyce et al., 2004; Janowiak et al., 2005).
Segundo Joyce et al. (2004), o CMORPH mostrou melhorias substanciais tanto
na média simples das estimativas de microondas quanto nas técnicas que combinam
informações de microondas e infravermelho, mas que derivam estimativas de precipitação
a partir de dados infravermelhos quando informações passivas de microondas não estão
disponíveis.
A versão do CMORPH-CRT V1.0 difere do CMORPH V1.0 no que se refere ao
emprego de estações pluviométricas para calibrar o aparato metodológico da segunda
base de dados.
Os estudos de Ebert et al. (2007) e de Joyce et al. (2004) avaliaram o emprego do
CMORPH para o território australiano. Ambos os estudos relataram que esse banco de
informações supera outros produtos de sensoriamento remoto na região tropical da
Austrália em termos de correlação espacial diária validada por pluviômetros.
Behrangi et al. (2011) e Kidd et al. (2012) relataram que o CMORPH tendeu a
superestimar a quantidade de precipitação durante os períodos chuvosos, tanto para os
Estados Unidos, no primeiro estudo, como para a Europa, no segundo, apresentando,
assim, maior confiabilidae na identificação da ausência de eventos pluviométricos.
Na região amazônica, o trabalho de Pereira Filho et al. (2014) efetua a comparação
de estimativas de precipitação do CMORPH com informações de pluviômetros na bacia
Amazônica nos anos de 2003 e 2004, segundo as escalas de tempo de acumulação diária,
mensal e anual. Os autores relatam que a correlação entre a precipitação derivada de
satélite e aquela determinada por estação pluviométrica aumenta com o período de
acumulação de diário para mensal, principalmente durante a estação chuvosa.
- CPC Unified
O CPC unified (Xie et al., 1997) é uma fonte de dados baseada em medidores da
precipitação diária construída em uma grade de latitude e longitude de 0,5 ° sobre todo o
globo. Essa fonte de dados inicia-se no ano de 1979 e é atualizada até o período atual.
41
Na criação dessa base, é usado um quantitativo de 2200 estações pluviométricas
pertencentes a vários órgãos de monitoramento. Com as informações dos pluviômetros,
primeiramente, os campos pluviométricos diários são calculados usando a técnica de
distância inversa de Shepard (1968), procedimento que se baseia no somatório dos seis
primeiros harmônicos da série temporal de 365 dias obtidos a partir dos valores médios
diários durante o período.
Os campos pluviométricos diários são, então, ajustados pela climatologia mensal
de precipitação do modelo de regressão de parâmetros, em declives independentes
(PRISM), para corrigir o viés causado por efeitos orográficos. Ao realizar esse
procedimento, a evolução sazonal da precipitação pode ser muito bem capturada
considerando-se os efeitos orográficos.
A análise diária da precipitação é definida interpolando a razão entre os totais
diários observados e a climatologia diária através do algoritmo de interpolação ótima (OI)
de Gandin (1965) e multiplicando a razão interpolada pela climatologia diária de
precipitação.
O estudo de Xie et al. (1997), além de apresentar a base de dados, também realiza
sua avaliação usando testes de validação cruzada com informações pontuais de
pluviômetros na Ásia. Segundo os autores, a qualidade fornecida pelos dados aumenta
com a densidade da rede do medidor. Comparando-se, no nível mensal, com outras fontes
de sensoriamento remoto disponíveis para a região, a distribuição média e o ciclo anual
apresentam padrões semelhantes, mas com estruturas mais detalhadas e magnitude um
pouco maiores.
.
- ERA ‐ Interim
O ERA ‐ Interim (Dee et al., 2011) é uma base de reanálise de informações
atmosféricas em nível de píxel de aproximadamente 0,75° x 0,75°, global e criada pelo
European Centre for Medium-Range Weather Forecasts (ECMWF). O produto cobre
desde o período iniciado em 1 de janeiro de 1989, sendo mantido até os dias atuais.
Os produtos de dados em grade incluem uma grande variedade de parâmetros de
superfície de três horas, descrevendo o clima, bem como as condições das ondas
oceânicas e da superfície da Terra e os parâmetros do ar superior em intervalos de seis
horas, cobrindo a troposfera e a estratosfera. Integrais verticais de fluxos atmosféricos
conjuntamente com médias mensais para muitos dos parâmetros e outros campos
derivados também foram produzidos (Dee et al., 2011).
42
Segundo Berrisford et al. (2011), o sistema ERA ‐ Interim é produzido com um
esquema de assimilação sequencial de dados, avançando no tempo usando ciclos de
análise de 12 horas. Em cada ciclo, as observações disponíveis são combinadas com
informações anteriores de um modelo de previsão para estimar o estado de evolução da
atmosfera global e de sua superfície subjacente. Essa atividade envolve o cálculo de uma
análise variacional dos campos atmosféricos básicos do ar superior (temperatura, vento,
umidade, ozônio, pressão da superfície), seguida de análises separadas de parâmetros
próximos à superfície (temperatura e umidade do ar a 2 metros de altura), umidade
temperatura do solo, neve e ondas do mar. As análises são usadas para inicializar uma
previsão de modelo de curto alcance, que fornece as estimativas de estados anteriores
necessários para o próximo ciclo de análise.
Além disso, segundo os autores supracitados, o ERA ‐ Interim é produzido com o
ECMWF IFS, que incorpora um modelo de previsão com três componentes totalmente
acoplados para atmosfera, superfície terrestre e ondas do oceano.
O estudo de Beck et al. (2017), ao analisar conjuntamente dados puramente de
satélites com fontes de reanálise para níveis globais, encontrou que a base de dados de
reanálise ERA-Interim juntamente com a JRA-55 obtiveram erros de tendência mais
baixos entre os conjuntos de dados de satélite testados.
- GPCP-1DD V1.2
A base de informações GPCP-1DD (Huffman et al., 2001) reproduz estimativas
diárias globalmente completas da precipitação em uma grade de 1° x 18° de latitude e de
longitude, respectivamente, long a partir dos dados observacionais. A técnica fornece
estimativas de precipitação ondee temperaturas de brilho definidas no infravermelho, em
períodos de 3 horas, são comparadas com um limiar, e todos os píxeis denominados de
"frios" recebem a atribuição de uma única taxa de precipitação.
Conforme Huffman et al. (2001), a abordagem empregada pelo GPCP-1DD V1.2
é uma adaptação do índice de precipitação ambiental por satélite geoestacionário
operacional. No caso, emprega-se o índice de precipitação combinado pelo limite (TMPI),
onde temperatura de brilho no infravermelho e a taxa de chuva condicional são
estabelecidos localmente por mês a partir da frequência de precipitação baseada em
sensor especial de microondas do satélite GPCP (Global Precipitation Climatology
Project) e de dados de postos pluviométricos consolidados no produto Gauge (SG), que
é determinado, por sua vez, na escala mensal e globalmente . Em latitudes mais altas, o
43
produto apresenta uma precipitação diária obtida via Televisão e Sonda Vertical
Operacional por Satélite de Observação no Infravermelho (TOVS).
O estudo de Boers et al. (2014) empregou o GPCP-1DD juntamente com outras
cinco fontes para comparar a capacidade dessesprodutos em representar as chuvas
extremas durante a estação das monções (dezembro a fevereiro) na América do Sul. Os
autores constataram em suas análises a limitação de todos os conjuntos de dados em bem
representar esse tipo de evento pluviométrico na área estudada, visto as grandes
discrepâncias encontradas para o desenvolvimento de sistemas convectivos de
mesoescala.
- GPM - IMERGM
O GPM - IMERG foi desenvolvido pela National Aeronautics and Space
Administration (NASA) juntamente com a Japan Aerospace Exploration Agency
(JAXA). Visa monitorar globalmente, por meio de satélites, as precipitações na
atmosfera, em alta resolução temporal de até 3 horas entre as observações (Hou et al.,
2014). Dentre as informações usadas na formação desse banco de dados, estão os satélites
TRMM e GPM-Core.
Nicolete (2017) avaliou, para o ano de 2015, as estimativas de precipitação do
satélite GPM (Global Precipitation Measurement) sobre a bacia do rio Tietê no estado de
São Paulo, comparando-as com estações pluviométricas. Os autores observaram uma
concordância satisfatória entre os valores de precipitação estimados e os observados, com
valores de correlação linear e coeficiente de determinação iguais a 0,82 e 0,64
respectivamente, evidenciando a potencialidade dos dados de precipitação obtidos por
sensoriamento remoto como complementares aos obtidos em campo.
Na região amazônica, Serrão et al. (2019) analisou as estimativas de precipitação
fornecidas pelo GPM-IMERG e comparou-as com as estimativas do algoritmo 3B43 do
Tropical Rainfall Measuring Mission (TRMM) para a bacia hidrográfica do rio Solimões
nos meses de abril/2014, julho/2014, outubro/2014 e janeiro/2015). Além disso, o estudo
validou essas estimativas com dados de precipitação em superficie, referentes ao banco
de dados do INMET (Instituto Nacional de Meteorologia). Os autores observaram que
todos os meses estudados tiveram excelentes índices estatísticos, sobressaindo-se o mês
de outubro, que apresentou o melhor desempenho. Porém, no verão, existe uma tendência
de subestimativa do satélite em relação ao observado pelo INMET. Para o inverno, o
44
GPM apresentou características de superestimativa da precipitação medida nas estações
meteorológicas do INMET.
- Produtos MSWEP
A família de produtos MSWEP foi lançada em junho de 2016, constituindo-se em
um conjunto de dados de precipitação global para o período de 1979 a 2015 com uma
resolução temporal de 3 horas e dimensão do píxel de 0,25° (Beck et al., 2017). Tal base
foi concebida especificamente para modelagem hidrológica, com o objetivo de superar a
escassez relacionada ao desempenho de produtos de satélite na representação da
precipitação em regiões montanhosas, tropicais e com derretimento de neve.
A base de informações utiliza diferentes tipos de dados, como medições de
pluviômetros, observações de satélite e estimativas de modelos atmosféricos. A média de
longo prazo do MSWEP é baseada no conjunto de dados CHPclim, onde a fonte padrão
é substituída por conjuntos de dados regionais mais precisos. Uma correção para os
efeitos orográficos é introduzida, inferindo-se a precipitação média de aquisição a partir
de observações de fluxo (Q) em 13.762 estações em todo o mundo. A variabilidade
temporal do MSWEP é determinada pela média ponderada das anomalias de chuva em
sete conjuntos de dados, a saber: dois baseados apenas na interpolação de observações do
medidor (CPC Unified e GPCC), três no sensoriamento remoto por satélite (CMORPH,
GSMaP-MVK e TMPA 3B42RT) e dois na reanálise de modelos atmosféricos (ERA-
Interim e JRA-55). Para cada célula da grade, o peso atribuído às estimativas baseadas
em medidores é calculado a partir da densidade da rede de medidores, enquanto os pesos
atribuídos às estimativas baseadas em satélite e reanálise são calculados a partir de seu
desempenho comparativo nos medidores circundantes (Beck et al., 2017).
O conjunto de dados do MSWEP foi validado em escala global no estudo de (Beck
et al., 2017). Foi usado o modelo conceitual chuva-vazão denominado HBV (Integrated
Hydrological Modeling System) com cinco conjuntos de dados de precipitação diferentes
em 9011 bacias hidrográficas (<50000 km2) em todo o mundo. O MSWEP obteve o maior
coeficiente de correlação diário (R) entre os cinco conjuntos de dados chuva para 60 %
das estações testadas.
- Produtos PERSIANN
O algoritmo PERSIANN usa um modelo de rede neural artificial (RNA) para
estimar a precipitação usando radiação na faixa do infravermelho. Sua precisão é
45
aprimorada pelo ajuste adaptativo dos parâmetros da rede pluviométrica, usando
estimativas de precipitação de um sensor passivo de microondas.
No nível de píxel, o algoritmo ajusta a média e o desvio padrão da temperatura de
brilho de um píxel bem como a textura de temperatura do píxel adjacente à taxa de
precipitação calculada (Hsu et al., 1997).
Dentre os produtos PERSIANN, destacam-se o PERSIANN-CDR (Ashouri et al.,
2015), para registro de dados climáticos, e o PERSIANN-CCS (Hong et al., 2004). O
primeiro foi desenvolvido a partir do algoritmo PERSIANN direcionado a empregar
dados matriciais captados no infravermelho obtidos por satélite (GridSat-B1) e
estimativas da polarização usando os dados mensais de precipitação adquiridos de píxeis
na escala de 2,5° do GPCP (Ashouri et al., 2015). O produto fornece informações de
precipitação diárias de 1983 a 2016 em dimensões quase globais (60°S – 60°N) com
resolução espacial de 0,25◦.
Já o segundo produto é processado por meio de estimativa de satélite baseado em
radiação eletromagnética na faixa do infravermelho, com base em técnicas de
processamento de imagem e reconhecimento de padrões para desenvolver um sistema de
classificação de nuvens baseado em trajetória (patch) (CCS). Esse modelo é baseado em
redes neurais com intensidade horária de precipitação, recobrindo todo o globo terrestre,
e seus píxeis são de 0,04° × 0,04°.
O trabalho de Mei et al. (2014) comparou os dados de pluviômetros em regiões
montanhosas dos Alpes italianos com o PERSIANN-CDR. Os autores descobriram que o
produto superestimou a chuva em regiões com baixa pluviosidade e subestimou em
regiões com alta precipitação.
Yang et al. (2016) e Zambrano-Bigiarini et al. (2017) avaliaram o produto usando
série pluviométricas de estações no Chile. Enquanto o primeiro estudo encontrou boas
estimativas e representação da variação sazonal, o segundo relata que os produtos
CMORPH e PERSIANN-CDR foram menos hábeis em representar as chuvas observadas
em relação outros produtos de sensoriamento testados na pesquisa.
- TMPA 3B42 V7 e TMPA 3B42RT V7

O projeto Tropical Rainfall Measuring Mission (TRMM), com abrangência de na
faixa espacial de 35 graus ao norte e 35 graus ao sul do Equador, foi lançado em 1997.
Trata-sede uma parceria entre os Estados Unidos da América e o Japão.
46
O satélite usa vários instrumentos para detectar a chuva, incluindo radar, sensores
de imagem de microondas e sensores de raios.
Os principais sensores a bordo do TRMM, relacionados com a estimativa da
precipitação, são: TRMM Microwave Imager (TMI), Precipitation Radar (PR) e Visible
and Infrared Radiometer System (VIRS); além desses equipamentos, há ainda os sensores
para imageamento de relâmpagos (LIS) e sensor de energia radiante da superfície terrestre
e das nuvens (CERES) (TRMM, 2018). Na sequência, discorre-se sobre esses sensores.
O TMI é um sensor passivo de microondas projetado para fornecer informações
quantitativas de precipitação em uma ampla faixa sob o satélite TRMM. Baseia-se na lei
de radiação de Planck, que descreve a quantidade de energia que um corpo irradia, dada
a sua temperatura. Dessa forma, estima as quantidades diminutas de energia de
microondas emitida pela Terra e por sua atmosfera, quantificando o vapor de água, a água
da nuvem e a intensidade da chuva na atmosfera (TRMM, 2018).
O PR foi o primeiro instrumento espacial projetado para fornecer mapas
tridimensionais da estrutura de tempestade. Separa os ecos de chuva para amostras
verticais de cerca de 250 metros. Tem uma resolução horizontal no solo de cerca de 5 km
e uma largura de 247 km, sendo capaz de detectar taxas de chuva razoavelmente baixas,
de até 0,027 polegadas (0,7 milímetros) por hora. Essas medições produzem informações
importantes sobre a intensidade e a distribuição da chuva, sobre o tipo de chuva,
profundidade da tempestade e sobre a altura em que a neve derrete na chuva (TRMM,
2018).
O VIRS detecta radiação vinda da Terra em cinco regiões espectrais, variando de
visível a infravermelho, ou 0,63 a 12 micrômetros. A sua integração no TRMM é devido
a sua capacidade de delinear a chuva e servir como padrão de transferência para outras
medições que são feitas rotineiramente usando satélites POES e GOES (TRMM, 2018).
Muitos estudos têm validado o uso do TRMM para diversas localidades do
mundo, especialmente no Brasil. Os estudos descritos abaixo fazem uma avaliação do
uso em diversas regiões do país.
Nobrega et al. (2008) realizaram uma análise comparativa entre dados de
precipitação observados em 6 pluviômetros e dados de precipitação estimados pelo
satélite TRMM na bacia do rio Jamari no estado de Rondônia, utilizando o coeficiente de
correlação como estatística de comparação. Segundo esses autores, o TRMM
correlaciona-se melhor com uma rede mais densa de pluviômetros, sendo que, quando
comparado com os dados acumulados ao longo do período desse estudo, os valores do
47
TRMM foram praticamente idênticos aos da rede de pluviômetros. Adicionalmente, os
autores ainda destacam que o satélite foi hábil ao capturar a variabilidade sazonal da
precipitação sobre a bacia de forma satisfatória.
No estudo de Collischonn et al. (2007), foi analisado, na bacia do Paraguai
superior, situada no planalto da bacia do alto Paraguai, os campos de precipitação e as
precipitações médias obtidos por meio do satélite TRMM. Segundo os autores, os
resultados do estudo foram muito satisfatórios, pois foi mostrado que as estimativas desse
satélite podem ser uma fonte alternativa de dados em caso de escassez de informação
pluviométrica.
O trabalho de Anjos et al. (2017) analisou a qualidade das estimativas do satélite
TRMM no município de Petrolândia em Pernambuco, caracterizando as variações das
chuvas convectivas e estratiformes, relacionando-as com fenômenos climáticos e eventos
extremos. Os autores observaram que os dados do satélite tendem a acompanhar a
variabilidade da chuva durante todo o período estudado, e as estimativas ora
superestimaram e ora subestimaram os dados das estações pluviométricas com os quais
foram comparados.
Leivas et al. (2014) avaliaram o comportamento do índice de vegetação
padronizado (IVP), obtido a partir do produto NDVI (normalized difference vegetation
index) decendial do satélite SPOT-vegetation, para o monitoramento da seca no nordeste
brasileiro, a partir da série histórica de 1998 a 2012. Os autores padronizaram o índice de
vegetação mediante o emprego de dados de precipitação obtidos do satélite TRMM,
adquiridos de março de 2011 a março de 2012. Os autores encontraram resultados
satisfatórios na representação dos fenômenos climáticos no nordeste do Brasil por essa
técnica, pois foi observada a ocorrência de intensa seca na região estudada e defasagem
na resposta da vegetação à precipitação estimada a partir do TRMM.
Silva et al. (2011) avaliaram a precipitação estimada através do radar S-POL
(banda S) e pelo algoritmo 3B42_V6 do satélite TRMM durante o experimento do período
chuvoso de 1999 do projeto TRMM-LBA na bacia Amazônica, com enfoque na
variabilidade diária. O estudo utilizou técnicas estatísticas baseadas em tabela de
contingência e índices, bem como empregou análise harmônica. Os autores concluíram
que o algoritmo 3B42_V6 reproduz características importantes do ciclo diário de
precipitação: (i) o máximo intenso às 21:00 UTC (17:00 HL); (ii) precipitação noturna
mais intensa durante o regime de oeste.
48
Zubieta et al. (2019) utilizaram os produtos TMPA 3B42_V7 e TMPA 3B42RT_
V7 juntamente com o CMORPH e o PERSIANN para analisar a capacidade de produtos
de sensoriamento remoto em estimar a precipitação diária na bacia amazônica por meio
do cálculo do índice de concentração (IC), que consiste em percentuais acumulados de
chuva, para o período de 2001-2009. Os resultados do estudo apontaram que os conjuntos
de dados PERSIANN e TMPA 3B42_V7 estimam melhor a concentração diária de
precipitação para Amazônia inteira, mas com um erro relativo de 8%. Além disso, o IC
estimado a partir de satélites não concorda bem com a precipitação observada nos Andes
e no norte da Amazônia peruana. Por outro lado, a variabilidade temporal do IC pode ser
parcialmente detectada usando os conjuntos de dados CMORPH e TMPA 3B42_V7 nos
Andes peruanos e no centro e sul do Brasil.
O estudo de Oliveira (2019) realizou uma avaliação do desempenho do produto
TMPA 3B42 juntamente com o CMORPHv1.0-CRT e o PERSIANN por meio de índices
categóricos e métricas contínuas nas escalas temporais diária, mensal e anual sobre a
bacia do rio Paranaíba. Em termos médios, o produto oriundo do TRMM sobressaiu-se
ao restante em todas as escalas temporais, contudo os resultados demostram que os
produtos apresentam boa capacidade de identificar eventos de chuva, mas baixa precisão
em classificar suas intensidades, e não há um único produto que desempenhe
sistematicamente de forma superior em todas as análises realizadas.
2.4 ESPACIALIZAÇÃO E PREENCHIMENTO DE FALHAS EM SÉRIES

HISTÓRICAS DE CHUVAS
A interpolação é um procedimento que permite construir um novo conjunto de

dados a partir de um arranjo discreto de informações pontuais conhecidas, ou seja,
possibilita a reconstituição aproximada de uma função apenas conhecendo algumas de
suas abscissas (domínio) e respectivas ordenadas (imagem). Permite estimar um valor
para o qual não existe informação disponível, considerando-se que os pontos próximos
no espaço tendem a ter valores mais semelhantes do que pontos mais afastados. Os
interpoladores mais empregados em chuvas, segundo Righi e Basso (2016), são a função
de base radial multiquadrada (BRM), o método de Kriging (KG), o inverso da distância
ponderada (IDP) e o vizinho natural (VN).
Nesse contexto, o uso desses operadores poderia suprir a carência de dados em
localidades que possuem série pluviométricas com falhas ou que dispõem de baixa
49
densidade de estações, tal como a Amazônia, que é uma região com dados esparsos, em
que as variáveis climáticas são insuficientemente quantificadas e incertezas significativas
permanecem no entendimento dos diferentes processos subjacentes aos mecanismos
termodinâmicos e dinâmicos do clima associados à variabilidade em uma ampla variação
de escalas temporais e espaciais (Nobre et al., 2009).
As avaliações feitas em hidrologia ocorrem, usualmente, em termos de bacias
hidrográficas, ou seja, área de grande extensão territorial, sendo a precipitação um dos
principais insumos. No entanto, o grande dilema consiste em como extrapolar ou
interpolar, de forma satisfatória, a precipitação a partir dos dados pontuais dos
pluviômetros (Conti, 2002).
Conti (2002) assinala três métodos consagrados pela prática para a obtenção da
precipitação sobre toda uma área a partir de pluviômetros nela distribuídos. Esses
procedimentos são o método da média aritmética, o método de Thiessen e o método das
isoietas. O autor afirma que os dois últimos são mais apropriados, pois o método da média
aritmética é válido apenas para bacias pequenas com pouca variação pluviométrica, ou
bacias com ampla cobertura de postos.
- Média aritmética
O método da média aritmética configura-se na suposição de que todos os
pluviômetros possuam a mesma abrangência na área em que se encontram, ou seja, que
exercem sua influência na precipitação média de forma similar. Nesse contexto, essa
variável pode, segundo Puyol e Villa (2006), ser calculada pela Equação 2.1, que se trata
de uma simples média aritmética.
1
𝑃𝑚 = 𝑛 ∑𝑛𝑖=𝑛 𝑃𝑖 (2.1)
onde:
Pm – altura pluviométrica média (mm) precipitada sobre uma determinada área;
Pi – precipitação no enésimo pluviômetro (mm);
n – número total de pluviômetros utilizados no cálculo.
- Thiessen
No que tange ao método de Thiessen, considera-se que cada posto pluviométrico
possuirá uma sub-área de influência dentro da região em que se encontra. Logo tal
50
procedimento prevê que tais postos estejam dispostos de forma não uniforme no espaço.
Essas sub-áreas de influência são determinadas por meio dos diagramas de Voronoi, os
quais formam polígonos por meio da intersecção de mediatrizes das linhas que ligam dois
postos adjacentes.
Essa metodologia pode, por vezes, ser inviabilizada em algumas situações em
função de desconsiderar a influência do relevo, sendo que, para apresentar resultados mais
confiáveis, os terrenos deverão ser levemente acidentados e as distâncias entre os
pluviômetros pouco extensas (Tucci, 2009).
- Isoietas
A isoieta é definida como curva de mesma precipitação, e sua elaboração ocorre
por meio da interpolação dos dados de postos pluviométricos.
A interpolação é um procedimento que permite construir um novo conjunto de
dados a partir de um conjunto discreto de dados pontuais conhecidos, ou seja, trata-se de
um método que possibilita proceder à reconstituição (aproximada) de uma função apenas
conhecendo algumas das suas abscissas e respectivas ordenadas (imagens). Assim, em
suma, a interpolação constitui-se em um método de estimar um dado parâmetro em
determinado ponto do espaço para o qual não existe informação disponível, considerando-
se que os pontos próximos tendem a ter valores mais semelhantes do que pontos mais
afastados (Souza et al., 2011).
Os interpoladores mais empregados em chuvas, segundo Righi e Basso (2016),
são a função de base radial multiquadrada (BRM), o método de krigagem (KG), o inverso
de distância ponderada (IDP) e o vizinho natural (VN).
- Função de base radial multiquadrada

A função de base radial multiquadrada é definida por Righi e Baso (2016) como
um conjunto de métodos de interpolação exata de uma função através uma série de
polinômios, sendo a maioria dos procedimentos derivações de spline ou do método de
mínimo de curvatura, com características similares entre si.
Luo et al. (2008) formulam essa metodologia por meio da Equação 2.2.
𝑠(𝑥) = 𝑝(𝑥) + ∑𝑁
𝑖=1 𝜆𝑖 𝜙(|𝑥 − 𝑥𝑖 |), 𝑥𝜖ℝ
𝑑
(2.2)
onde:
- p é um polinômio de grau máximo k;
51
- λi é o peso real {λ i: i = 1, 2,..., n} estimado pelos valores dos dados;
-ϕ (x) é a função base real positivo r - que é a distância (raio) de origem, conforme as
Equação 2.3 e Equação 2.4;
- (| x – xi |) é a distância euclidiana da localização estimada (xi) de cada dado localizado
(x).
𝜙(𝑟) = 𝑟 2 log⁡(𝑟) (2.3)
𝜙(𝑟) = √𝑟 2 + 𝑐 2 (2.4)
Righi e Basso (2016) ressaltam que o uso dessa metodologia é aconselhável em
situações de dados muito dispersos e baseia-se na formação de combinações lineares de
funções radiais.
- Kriging
O método kriging (KG) é baseado na proposição de que se pode fazer inferências
a partir da construção de uma função aleatória Z(x), a partir de variáveis aleatórias
estabelecidas nos pontos Z(x1), Z(x2), ..., Z(xn).
Gallardo (2006), por sua vez, comenta que essa técnica usa uma função contínua
que busca explicar o comportamento de uma variável aleatória de interesse nas distintas
direções de um espaço geográfico, e permite associar a variabilidade da estimação com
base na distância que existe entre um par de pontos, pelo uso de um semivariograma, o
qual é a descrição matemática do relacionamento entre a variância (v) de pares de
observações (pontos) e a distância separando essas observações (h). A completa
exposição da teoria geoestatístca pode ser encontrada em Matheron (1976) e em Journel
e Huijbregts (1978).
Dentre as características de um semivariograma estão: (a) o patamar (sill) , que
representa a estabilização da semivariância num valor igual à variância média a partir de
uma certa distância (h); (b) o alcance (range) (a), que representa a distância entre o início
do semivariograma e o começo do patamar, que está associado à variância assintótica (c0
+c), que consiste na variância limite, ou seja, aquela em que a sequência, ou estimador
tem no limite; (c) o efeito pepita (nugget effect) (c0), que é o valor não nulo de
semivariância obtido ao se extrapolar a curva do semivariograma para a distância zero.
Na literatura, descrevem-se mais correntemente quatro tipos de variogramas:
linear, esférico, exponencial e gaussiano.
No variograma linear, o patamar não existe, e a curva é apresentada de forma
simples pela Equação 2.5 como
52
𝑣 = 𝑐0 + 𝑐ℎ (2.5)
Dentre os modelos, a forma esférica é a mais utilizada e ao contrário da forma

simples, essa possui um silo. Este é estimado pela Equação (2.6)
ℎ ℎ 3
𝑐 + 𝑐 [1,5 (𝑎) − 0,5 (𝑎) ] , 𝑠𝑒⁡ℎ < 𝑎
𝑣={ 0 (2.6)
𝑐0 + 𝑐⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡, 𝑠𝑒⁡ℎ > 𝑎
A curva do variograma exponencial é dada pela Equação 2.7
−ℎ
𝑣 = 𝑐0 + 𝑐 (1 − 𝑒 𝑎 ) (2.7)
A forma gaussiana é estimada pela Equação 2.8

−ℎ2
𝑐 + 𝑐 (1 − 𝑒 ) , 𝑠𝑒⁡ℎ < 𝑎
𝑎2
𝑣={ 0 (2.8)
𝑐0 + 𝑐⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡, 𝑠𝑒⁡ℎ > 𝑎
Na literatura, encontram-se diversos tipos de krigagem: simples, ordinária,

universal, disjuntiva, indicativa e cokrigagem. Conforme Gallardo (2006), os tipos mais
utilizados são a krigagem simples e a krigagem ordinária. A krigagem simples é utilizada
quando a média é assumida como estatisticamente constante para toda a área, e a
krigagem ordinária, por sua vez, considera a média flutuante ou móvel por toda a área.
- Inverso de distância ponderada

O interpolador inverso da distância ponderada (Equação 2.9) é um método de
interpolação multivariada usado para estimar valores desconhecidos baseado em valores
conhecidos. O processo atribui valores a pontos desconhecidos utilizando um conjunto
disperso de pontos conhecidos. É considerado método simples de interpolação,
computacionalmente fácil de ser aplicado, que atribui peso maior ao ponto mais próximo,
diminuindo esse peso com o aumento da distância e em função do coeficiente de potência
α. A equação indicada, a seguir, apresenta a forma de cálculo desse método.
53
1
∑𝑛
𝑖=1 𝑧(𝑥𝑖 ) 𝑑𝑖𝑗𝛼
𝑍̂(𝑋) = 1 (2.9)
∑𝑛
𝑖=1 𝑑𝑖𝑗𝛼
onde: z são os valores estimados; x é o número de amostras; xi são os valores conhecidos;

e di são as distâncias entre os valores conhecidos e estimados.
- Vizinhança natural
O método vizinhança natural é baseado no método de polígonos de Thiessen do
conjunto de pontos de dispersão. Segundo ESRI (2018), essa interpolação é construída a
partir da triangulação de Delauney de um conjunto de pontos de dispersão.
Mazzini e Schettini (2009) complementam, ainda, que, diferente das demais
técnicas, esta não extrapola valores, resolvendo a interpolação somente para o interior do
domínio dos dados, utilizando a média ponderada dos pontos vizinhos, onde os pesos são
proporcionais às áreas de influência.
O vizinho natural usa uma equação idêntica à do IDW, sendo que as diferenças
entre esses procedimentos são o cálculo dos pesos e o método usado para selecionar o
subconjunto de pontos de dispersão utilizados para a interpolação.
Alguns autores investigam o uso das técnicas supracitadas para verificar qual o
melhor estimador espacial de chuvas para as regiões do Brasil, sendo alguns deles
descritos abaixo.
No trabalho de Righi e Basso (2016), avaliaram-se, comparativamente, diferentes
métodos de interpolação de chuvas para a bacia hidrográfica do rio Piratinim, no noroeste
do Rio Grande do Sul, por meio de análise espacial utilizando o inverso de distância
ponderada, método kriging, vizinho natural e função de base radial multiquadrada. A
conclusão foi que a estimativa da precipitação com modelos estatísticos também
representa uma alternativa potencial, dada a sua facilidade operacional e capacidade de
estimar a precipitação para um local específico, reduzindo o tempo de trabalho e de
recursos investidos.
Alves e Vecchia (2011) analisaram a acurácia de diferentes interpoladores
(inverso do quadrado da distância, krigagem, mínima curvatura e triangulação) sobre a
precipitação anual do estado de Goiás. Nesse estudo, os interpoladores foram avaliados
por meio do erro médio quadrático, do desvio das médias, do coeficiente de determinação
e do coeficiente de correlação de Pearson. Segundo os autores, os resultados mostraram
que, entre os métodos analisados, o mapa resultante da triangulação não permitiu a
extrapolação para fora do domínio dos postos pluviométricos amostrais e que a melhor
54
acurácia obtida foi pelo método da mínima curvatura, seguido pelo método do inverso do
quadrado da distância.
Marcuzzo et al. (2011) estudaram os métodos de interpolação matemática IDP,
krigagem, spline de tensão e topo-to-raster para a regionalização de pontos por isolinhas,
visando descobrir analiticamente o melhor método para espacialização de pontos com
dados pluviométricos para o estado de Mato Grosso. Os autores supracitados usaram
dados de precipitação mensal de 76 estações pluviométricas distribuídas no território do
estado do Mato Grosso. O estudo concluiu que, para essa região, os melhores resultados
foram obtidos através do método de interpolação topo-to-raster.
Lucas et al. (2014) procuraram definir o interpolador que melhor representasse a
espacialidade das chuvas em Belo Horizonte para 3 períodos de tempo, ou seja, para a
chuva acumulada mensal, para o total diário e para eventos diários de maior intensidade
(mm.h-1), a partir de 14 pluviômetros de báscula instalados em nove regionais
administrativas. Os autores compararam os métodos de interpolação por IDP, BRM e KG
através de tratamentos estatísticos dos resíduos gerados pelo método de validação
cruzada. Os resultados obtidos por esse estudo mostram que o método KG foi o
interpolador com os melhores parâmetros estatísticos para chuvas mensais e eventos
diários de maior intensidade. Contudo os totais diários apresentaram melhores
estatísticasde desempenho através do método BRM, apesar da análise visual apontar uma
melhor suavização das isoietas por KG.
2.5 FILTRAGEM DE DADOS PLUVIOMÉTRICOS

A aplicação de filtros de dados é extremamente útil quando se tem por objetivo a
exploração dos dados de forma rápida e eficiente, seja na redução da quantidade de dados
a serem analisados ou na observação das características intrínsecas desses dados, como
tendências cíclicas ou aparições de anomalias.
Segundo Angelis (2014), os métodos disponíveis de filtragem podem subdividir-
se em três grandes grupos: os procedimentos empiristas; os filtros do tipo passa-banda
(bandpass); e os métodos baseados em modelos.
O autor acima destaca que os métodos empiristas provêm da análise de um grande
número de séries reais, mas não fazem referência explícita a qualquer modelo teórico de
geração de dados, tal como, por exemplo, o filtro de Hodrick-Prescott – HP (Hodrick e
Prescott, 1980).
55
Os filtros passa-banda são caracterizados por requerer uma especificação a priori
do componente que se deseja estudar em uma determinada banda de frequências, de forma
que o procedimento consiste em extrair aquelas flutuações que fazem parte da banda de
interesse e remover as restantes, sendo citadas, como exemplo de técnica desta tipologia,
as ondaletas (Angelis, 2014).
Nos métodos baseados em modelos, o pesquisador especifica o processo
estocástico que gera a tendência, sendo o filtro de Kalman um exemplo desse
procedimento.
2.5.1 Filtro Hodrick-Prescott

O filtro Hodrick-Prescott – HP (Hodrick; Prescott, 1980) busca extrair a
tendência, que é considerada estocástica, mas com variações suaves ao longo do tempo e
não correlacionadas com o ciclo. Dessa forma, o mesmo decompõe uma série temporal
em duas séries temporais, das quais uma é formada pelos componentes de sua tendência
e a outra pela parte cíclica/aleatória do sinal original.
Este pode ser descrito pela Equação 2.10 na forma
𝑦𝑡 = 𝜏𝑡 + 𝑐𝑡 (2.10)
onde:
- y é a série original;
- τ é a tendência extraída com o filtro HP;
- e c é a parte cíclica/aleatória extraída com o filtro HP.
A extração do componente de tendência se dá minimizando a Equação 2.11, com

t=1,2,3...T:
2
𝑚𝑖𝑛 {∑𝑟𝑡=1 ⏟
(𝑦𝑡 − 𝜏𝑡 )2 + 𝜆 ∑𝑇−1 ⏟ 𝑡+1 − 𝜏𝑡 ) − (𝜏𝑡 − 𝜏𝑡−1 )] }
𝑡=2 [(𝜏 (2.11)
1 2
onde:
- o primeiro termo da equação é a soma da série dos desvios, entre os valores da série
original e os respectivos valores da série da tendência, elevados ao quadrado e é uma
medida do grau de ajuste;
- o segundo termo é a soma do quadrado da segunda diferença entre os componentes da
tendência e indica seu grau de suavidade.
56
O parâmetro de suavização ou penalização (λ) controla as variações da taxa de
crescimento da componente tendência e deve assumir valores positivos, pois, se λ = 0, a
série da tendência seria igual à série original. Por outro lado, quanto maior for λ, maior é
a suavização da tendência, tal que se λ→ ∞, a tendência se aproxima de uma linha reta
(Hodrick; Prescott, 1980).
Hodrick e Prescott (1980), em seu trabalho, assumem que o fator penalizador
(Equação 3.9) é função da relação entre a variância do primeiro termo (θc) e a variância
do segundo termo (θτ) da Equação 2.12 segundo a expressão.
𝜃
𝜆𝑡 = (𝜃𝑐 )⁡ (2.12)
𝜏
Os autores supracitados propõem um valor para esse fator penalizador de 160,

pois segundo os mesmos, em um período de trimestre, 5% de desvio no componente
cíclico/aleatório é tão moderadamente grande como é 1/8 de 1% de mudança da taxa de
crescimento da tendência.
Contudo a pesquisa de King e Rebelo (1993) demonstra que se as frequências de
amostragem forem diferentes da trimestral, dados mensais ou anuais, o parâmetro λ deve
ser ajustado para tais frequências. Assim, os autores propuseram tratar essa variável no
domínio das frequências de amostragem (ω) (Equação 2.13), que segundo eles produz
resultado generalizado.
4𝜆[1−cos(𝜔)]2
ℎ(𝜔;𝜆) = 1+4𝜆[1−cos(𝜔)]2 (2.13)
O trabalho de Maravall e Rio (2001) também investigou os efeitos do fator

penalizador para diferentes frequências, constatando que a maior parte dos ciclos
superiores (inferiores) ao valor de referência (P) são mantidos na série tendência
(cíclica/aleatória). Uma sumarização dos dados desse trabalho encontra-se na Tabela 2.2.
Tabela 2.2 – Valores dos parâmetros penalizadores para séries de dados anuais (λa),
trimestrais (λt) e mensais (λm) e o correspondente ciclo de referência (P).
(λa) (λt) (λm) P (anos)
1 179 14400 5,7
57
5 1190 95972 9,2
6 1437 115975 9,7
7 1600 129119 9,9
10 2433 196474 11,0
15 3684 297715 12,2
20 4940 399339 13,2
25 6199 501208 13,9
30 7460 603250 14,6
35 8723 705424 15,2
40 9.986 807702 15,7
70 17585 1422774 18,1
100 25.199 2.039248 19,8
200 50633 4.098632 23,6
400 101599 8225728 28,0
Fonte: adaptada de Maravall e Rio (2001).
Muitos trabalhos vêm utilização o filtro HP para estudar variáveis hidrológicas,

dentre os quais se pode citar o trabalho de Santos e Guimaraes (2013). Esses autores
analisaram com este método estatístico uma série temporal de índices padronizados com
dados médios mensais de vazão do rio São Francisco no município de Pão de Açúcar no
período de 1931 a 2012, onde observaram a existência de três ciclos dominantes de vazão,
ciclos anual, 18 anos e 30 anos aproximadamente.
No trabalho de Siqueira et al. (2015), foi aplicado o filtro de Hodrick-Prescott
(HP) às séries dos índices de Oscilação Sul (IOS) e Oscilação do Atlântico Norte (OAN)
no período 1900-2010. As constatações desses autores foram que a série da tendência dos
IOS apresentou ciclos de 6, 9, 17 e 28 anos, o primeiro associado ao ciclo El Niño/La
Niña, os dois seguintes possivelmente ao ciclo nodal lunar (ciclo Saros) de 18 anos e o
último à Oscilação Decadal do Pacífico (ODP). A série da tendência de OAN apresentou
ciclos de 6, 9 e 33 anos, os dois últimos possivelmente relacionados ao ciclo Saros.
O estudo de Siqueira e Molion (2012) teve como objetivo introduzir e demonstrar
a utilização do filtro HodrickPrescott na análise e decomposição de séries temporais
meteorológicas de longo prazo. Assim, esse estudo fez um comparativo entre a técnica
estatística do filtro Hodrick-Prescott e a das médias móveis, com um parâmetro de filtro
de 13 meses, a fim de avaliar o desempenho de ambas na decomposição de altas e baixas
frequências, ou seja, variabilidade climática de curtos e longos períodos, respectivamente.
Como exemplo prático, foram aplicadas as duas técnicas na série do índice da Oscilação
Decadal do Pacífico (ODP) para separar a variabilidade decadal (tendência) da interanual
(parte cíclica/aleatória). A conclusão deste estudo foi que as técnicas conseguiram
58
representar bem as oscilações decadal e interanual. Contudo os autores ressaltaram que o
filtro Hodrick-Prescott demonstrou ser uma técnica mais adequada, pois removeu
efetivamente as frequências altas da série original, produzindo uma curva de tendência
suave, e as incorporou na curva cíclica/aleatória. Além disso, o filtro HP apresentou,
segundo esses autores, uma grande vantagem sobre a técnica das médias móveis, já que
não há perda de dados no início e no final da série.
2.5.2 Análise das Ondeletas

Ondeletas, ψ, são funções usadas na decomposição de um sinal ou série temporal.
Assim, a ideia central de uma transformada de ondeleta consiste em decompor o sinal
analisado em diferentes níveis de frequências (resolução); tal processo é conhecido como
multiresolução. Esta forma de representação do sinal fornece uma estrutura hierárquica
simples para a interpretação física das informações fornecidas pelo sinal analisado. Em
diferentes resoluções, os detalhes de um sinal mostram diferentes estruturas físicas do
mesmo.
O conceito relatado acima foi estabelecido apoiando-se no fato de que este sinal
pode ser entendido como um elemento de um espaço de Hilbert, o qual possui uma base
ortonormal, onde seus elementos podem ser escritos.
Torrence e Compo (1998) complementam que uma função de ondaleta é uma
função de média igual a zero (Equação 2.14), a qual é dilatada por meio de um parâmetro
de escala (s) e transladada por um parâmetro de posição (u) (Equação 2.15).
∞
∫−∞ 𝜓(𝑡)𝑑𝑡 = 0 (2.14)
1 𝑡−𝑢
𝜓𝑢,𝑠 [𝑥(𝑡)] = 𝜓( ) (2.15)
√𝑠 𝑠
Morettin (1999) destaca que as propriedades que caracterizam esse tipo de função
são: sua condição de admissibilidade, que define que, no domínio dos números reais, a
média da função deve ser igual a zero; a condição de impossibilidade de divergência; e a
condição dos primeiros momentos de se anularem.
Na literatura, encontra-se a existência de várias famílias de funções de ondeletas,
sendo destacado, no trabalho de Torrence e Compo (1998), que as principais são Morlet
(Equação 2.13), Paul (Equação 2.14) e DOG (Equação 3.15).
𝜓0 (𝜂) = 𝜋1/4 𝑒 𝑖𝜔0𝜂 𝑒 −𝜂/2 (2.13)
59
2𝑚 𝑖 𝑚 𝑚!
𝜓0 (𝜂) = (1 − 𝑖𝜂)−(𝑚+1) (2.14)
√𝜋(2𝑚)!
(−1)𝑚+1 𝑑𝑚 2 /2
𝜓0 (𝜂) = ( )( ) 𝑒 −𝜂 (2.15)
1 𝑑𝜂 𝑚
√Γ(𝑚+ )
2
onde: m - derivada; ω0 -= frequência.
Torrence e Compo (1998) sintetizam quatro fatores que devem ser analisados na
escolha do tipo de função ondeleta mais adequada ao problema estudado:
1. ortogonal ou não-ortogonal - na análise ortogonal, produz-se um espectro de
ondeletas que contém blocos discretos, o que é útil para o processamento de sinais
na medida em que resulta em uma representação mais compacta; para a análise de
séries históricas, uma alternância aperiódica da série histórica produz um espectro
diferente; já uma análise não-ortogonal é altamente redundante em escalas
maiores, onde o espectro em períodos adjacentes é fortemente correlacionado; a
transformada não-ortogonal é útil para análises de séries históricas e séries em que
são esperadas variações na amplitude das ondeletas suaves e contínuas;
2. complexa ou real – uma função de ondeleta complexa retornará informação sobre
a amplitude e fase e é melhor para capturar comportamento oscilatório; uma
função real retorna apenas uma única componente e pode ser usada para isolar
picos ou descontinuidades;
3. largura – a resolução de uma função de ondeleta é determinada pelo balanço entre
a largura no espaço real e a largura no espaço de Fourier; uma função precisa no
tempo terá uma boa resolução no tempo, porém uma resolução pobre na
frequência; ao contrário, uma função menos precisa no tempo terá boa resolução
na frequência;
4. forma – a função de ondeleta deve refletir o tipo de característica das séries
históricas.
Cabe salientar que esses vários tipos de funções de ondeleta apresentam uma certa
dificuldade para sua aplicação, visto que a escolha de uma tipologia recai, até certo ponto,
no campo da parcimônia. Nesse sentido, Torrence e Compo (1998) afirmam que se o
objetivo da análise é a construção de um espectro, sendo que a escolha da função não é
crítica, uma vez que, qualitativamente, o resultado do uso de diferentes funções não é
significativamente diferente.
60
A aplicação da transformada de ondeletas em alguns estudos com enfoque para
análises hidrológicas e climatológicas é descrita nos parágrafos a seguir.
O estudo de Torrence e Compo (1998) fez uso da transformada de ondeletas do
tipo Morlet para caracterizar o fenômeno El Niño. Segundo esses autores, tal função
apresentou uma boa resolução visual, e os testes realizados mostraram que a função de
Morlet fornece espectros bastante interessantes, possibilitando boa identificação desses
ciclos quando comparados com o uso de outras funções do tipo ondeletas.
Holdefer e Severo (2015) aplicaram a transformada de ondeleta (wavelet) para
analisar a série hidrológica observada no Ribeirão da Velha em Blumenau-SC, no
domínio de tempo-escala. Essa série hidrológica, por apresentar intervalos de 5 minutos,
tornou possível a medição da maré de maneira precisa devido à alta resolução temporal.
Os autores evidenciaram o desaparecimento do efeito da maré e provaram que o efeito da
maré no Ribeirão da Velha provém do rio Itajaí-Açú, no qual o primeiro deságua.
Já o trabalho de Silva et al. (2009) consistiu em aplicar a análise de ondeleta para
estudar as variações da precipitação em uma região da bacia hidrográfica do rio Mundaú.
Tal técnica culminou na transformação de uma série unidimensional em um espaço de
tempo e frequência, determinando as escalas de variabilidade dominantes e suas variações
temporais. Os resultados desse estudo mostraram que a variabilidade interanual ligada ao
ciclo de El Niño Oscilação Sul (ENOS) e à variabilidade decenal influenciaram na
variabilidade pluviométrica do alto Mundaú.
Goulart et al. (2015) estudaram a variação espaço-temporal da evapotranspiração
por meio da ondeleta de Morlet em uma floresta de Vochysia divergens Pohl
(Vochysiaceae), localmente conhecida como Cambarazal no Pantantal, no estado do Mato
Grosso. Esta área está inserida na planície fisiografia do Pantanal e é sazonalmente
inundada. Para a realização do trabalho, os autores coletaram variáveis
micrometeológicas, como: saldo de radiação, radiação solar incidente, temperatura do ar
e umidade relativa do ar. Segundo o estudo, a análise da série temporal da
evapotranspiração diária por ondeleta de Morlet foi satisfatória, possibilitando melhor
compreensão na dinâmica desse fenômeno em área alagável e sua relação com a
temperatura do ar, umidade relativa do ar e radiação solar global. Por fim, foi concluído
pelos autores que ocorreram, durante a estação úmida, os maiores valores de
evapotranspiração e maior intensidade de energia na alta escala de frequência devido
provavelmente à maior disponibilidade de água em função da precipitação e da
inundação, bem como de radiação global.
61
Vilani e Sanches (2013) investigaram os sinais em séries temporais de temperatura
do ar para três pontos em área urbana e um de área rural, em 2007, baseados no espaço
tempo-frequência a fim de revelar características espectrais em função do tempo. Como
método para realização do estudo, utilizaram a transformada de ondeleta, que forneceu a
representação precisa de um sinal em função do tempo e da frequência, simultaneamente,
além de permitir a análise de qualquer tipo de sinal em que a série de Fourier encontra
limitações em determinadas análises. Como resultado, os autores observaram que a
intensidade de energia na alta escala de frequência para a temperatura do ar foi no ciclo
de 24 h, verificando-se potências significativas no decorrer do ano todo, nas escalas
temporais de 2 a 32 dias, para os quatro pontos de estudo, destacando-se que a variância
mais acentuada foi observada no centro da área urbana.
Costa e Silva (2017), através das análises de ondeletas, examinaram os aspectos
da variabilidade pluviométrica de duas macrorregiões do Ceará, bem como determinaram
as escalas temporais dominantes e ciclos, gerando previsão climática. O estudo concluiu
que duas macrorregiões sofrem influência das variações e escalas sazonais, interanuais e
decadais, comprovando-se a presença de sazonalidade, ENOS, Dipólo do Atlântico, ciclo
de manchas solares e Oscilação Decadal do Pacífico. Além disso, nesse estudo, foram
previstos os máximos de precipitação para cada região: na região de Baturité, em 2016 e
no período 2020-2022, e na região Sertão Central em 2024.
Freire e Santos (2012) estudaram a frequência da precipitação em cada capital do
nordeste do Brasil através da transformada de ondeleta. Para tanto, foram utilizadas as
séries históricas de precipitações mensais nas capitais Salvador, Aracaju, Maceió,
Recife, João Pessoa, Natal, Fortaleza, Teresina e São Luís. Os espectros de potência de
ondeleta das séries analisadas mostraram a presença de um sinal de frequência anual,
também confirmado pelos espectros globais. Com a análise detalhada da variância na
banda 8–16-meses, foram identificados os períodos secos e chuvosos de cada capital; um
período seco pôde ser identificado na década de 50 em Fortaleza e um período chuvoso
em São Luís desde o ano 2000.
O estudo de Wolfarth-Couto et al. (2019) integra o uso das ondeletas em uma
análise hídrico-social ao buscar o entendimento das relações entre as variáveis de
precipitação e nível de água dos rios com os casos de malária no período de 2003 a 2010
para 8 municípios do estado do Amazonas (Barcelos, Borba, Canutama, Carauari, Coari,
Eirunepé, Humaitá e São Gabriel da Cachoeira). Segundo os autores, por meio dessa
técnica, foi possível observar que os casos de malária apresentam pico com
62
aproximadamente de 1 mês e meio antes ou depois dos picos de chuva e, em média, 1-4
meses após o pico dos rios para grande parte dos municípios estudados.
63
CAPIÍULO 3 –METODOLOGIA
Inicialmente, é importante resgatar o objetivo geral do trabalho no sentido de

entender a dinâmica espaço-temporal da chuva na bacia do rio Madeira, concentrando-se
o enfoque no uso de dados de sensoriamento remoto como base complementar de
informações aos dados de pluviômetros disponíveis para a região. Compreender e
explicar o comportamento da chuva, incluindo seus extremos e perfis do comportamento
da relação intensidade-duração-frequência, bem como correspondentes tempos de
recorrência, implica, delimitar variabilidades, tendências e ciclicidades presentes nos
sinais registrados nas séries temporais pluviométricas, que estão sujeitas naturalmente a
influências de diversos fenômenos atmosféricos e climáticos.
Em especial, o estudo do impacto da chuva na superfície terrestre requer especial
cuidado perante mudanças de cobertura da terra, incluindo desmatamentos e
reflorestamentos, com desdobramentos no que concerne a esclarecer padrões de
ocorrência de enchentes e de secas.
Adicionalmente, com base na chuva, diante de mudanças e alterações climáticas,
bem como de sua interrelação com a variação espaço-temporal da vazão e da
evapotranspiração em diferentes escalas no espaço-tempo, busca-se revelar e prever o
comportamento hidrológico em uma determinada região com fins de subsidiar diferentes
políticas públicas com efeitos nas mais diversas ações e atividades da sociedade humana.
Diante desse contexto, de forma a prover respostas com respeito ao objetivo geral
desta pesquisa, construiu-se uma sequência de procedimentos mulitifacetados, dada a
abrangência do escopo tratado, que constituem a metodologia desta tese, representada na
forma de um fluxograma, conforme a Figura 3.1, onde cada quadro incorpora passos
detalhados para responder os questionamentos propostos mais adiante em conjunto com
os correspondentes objetivos específicos declarados no capítulo introdutório, delineando-
se e consolidando-se, então, a diretriz e o referencial para o desenvolvimento do trabalho.
O detalhamento dos procedimentos é, portanto, realizado a partir do esquema ilustrado
na Figura 3.1.
64
Figura 3.1 – Fluxograma metodológico.
65
Abaixo, discorre-se com maior profundidade sobre as hipóteses levantadas e
sobre as premissas dos procedimentos usados para respondê-los, delimitando-os, quando
for o caso, mediante o recorte do assunto tratado para fins de exposição no presente
documento.
• A rede pluviométrica na bacia do rio Madeira possui densidade e disposição

geográfica capaz de representar a geoespacialização da chuva na região?
No trabalho, avaliou-se comparativamente diferentes métodos de interpolação de
precipitação para a bacia hidrográfica do rio Madeira, por meio de análise espacial,
mediante aquisição de dados tradicionalmente coletados na escala do pluviômetro. No
trabalho, optou-se para efetuar a análise apenas para o ano de 2011, tendo em vista dispor
de uma base de dados completa de registros pluviométricos. Foram usadas 60 estações,
onde se realizaram interpolações a partir de 45 delas (70 %), deixando o conjunto restante
de 15 (30 %) para validação do desempenho dos métodos adotados. Os procedimentos de
espacialização envolveram (i) média aritmética, (ii) polígonos de Thiessen, (iii) função
de base radial multiquadrada (BRM), (iv) krigagem (KG), (v) inverso da distância
ponderada (IDP) e (vi) vizinho natural (VN). Esta questão será tratada no item 3.1.1.
• As bases de dados pluviométricos oriundas de sensoriamento remoto são capazes

de representar, reproduzir magnitude, ciclos e características de eventos extremos
observadas na região em estudo?
No estudo, foi analisada a capacidade de produtos de sensoriamento remoto –
Clima Hazard cluster InfraRed Precipitation (CHIRP), Climate Hazards cluster InfraRed
Precipitation with Station data (CHIRPS) e os produtos 3B42 e 3B42RT do Tropical
Rainfall Measuring Mission (TRMM) - para representar as chuvas na bacia do rio
Madeira. A estimativa feita por sensoriamento remoto foi comparada com a informação
observada nas estações pluviométricas da região. Além disso, utilizou-se a análise de
ondeletas (wavelets) para revelar os ciclos espaço-temporais de chuvas e a
correspondência com suas frequências associadas de ocorrências, a fim de melhor avaliar
o desempenho dos produtos satélites pluviométricos para a região estudada. Além disso,
foi determinado a representatividade de acertos e falhas na estimativa dos produtos do
sensoriamento remoto por meio da determinação da probabilidade de detecção e razão de
alarme falso.
66
A base de dados mais representativa nas análises anteriores foi adotada na
avaliação da capacidade de descrever eventos extremos na região; assim, usou-se a série
histórica, de eventos máximos modelados pela distribuição de Gumbel, a partir de 37
pluviômetros distribuídos na bacia, os quais foram comparadas às séries dos píxeis que
abrangem geograficamente essas estações observacionais in situ. Na validação,
avaliaram-se os erros e os resíduos produzidos. Esta questão será tratada no itens 3.1.2 e
3.1.3.
- Quais são as tendências dos eventos pluviométricos extremos na bacia do rio Madeira?
No estudo, é investigada a frequência de ocorrência de eventos pluviométricos
extremos na bacia hidrográfica do rio Madeira a partir de dados do produto CHIRPS
(Climate Hazards Group Infrared Precipitation with Station), configurado com suporte
de bases satelitais e de informações in situ na resolução espacial de 0,05 grau e com
aquisição temporal diária. Utilizaram-se imagens de 1981 a 2017, totalizando uma série
histórica de 36 anos. Posteriormente, tais dados ainda são analisados mediante o emprego
da distribuição de Gumbel, com estimativas de tendências determinadas pelo teste de
Mann-Kendal no nível de confiança de 95 %. Esta questão será tratada no item 3.2.1.
- Quais são as tendências climáticas na bacia do rio Madeira?

A tese avalia os acumulados mensais pluviométricos por meio da análise dos
impactos no clima (temperatura, precipitação e evapotranspiração) na bacia do rio
Madeira perante a sua dinâmica de ocupação antrópica. Primeiramente, analisou-se o
histórico de ocupação usando imagens MODIS para o período de 2001 a 2013. A
precipitação foi obtida por dados do CHIRPS para o período de 1981 a 2017. A
evapotranspiração foi definida pelos dados do SSEBop entre os anos de 2002 a 2017,
enquanto a temperatura foi determinada por imagens MODIS para os anos de 2001 a
2017. Foram tratadas como variáveis geoespaciais distribuídas na bacia, tendo a
variabilidade e as tendências de comportamento de suas séries históricas aferidas por
meio do teste Mann-Kendal. Esta questão será tratada no item 3.2.2.
Neste capítulo, são mostradas as ações executadas e os procedimentos seguidos

para a realização do presente estudo, tal como os procedimentos de avaliação de bases de
dados de chuva e análise de tendências pluviométricas extremas e climática.
67
3.1 AVALIAÇÃO DA BASE DE DADOS
3.1.1 Geoespacialização de estações pluviométricas
A seleção das informações utilizadas iniciou-se pela obtenção de camada
segmentada em grade de pontos incorporando todas as estações pluviométricas operadas
no país no âmbito do Sistema Nacional de Informações sobre Recursos Hídricos - SNIRH
da Agência Nacional das Águas – ANA. De posse da base de dados, foram definidos
diagramas de Voronoi, formados por polígonos por meio de mediatrizes das linhas que
conectam dois postos adjacentes e que, em seguida, são interseccionados e sobrepostos
com a camada de informações de dados de chuva disponíveis para a bacia do rio Madeira.
Cabe observar que o procedimento é executado para se levar em conta a estimativa de
estações que refletem o comportamento pluviométrico na bacia, ainda que não estejam
situadas dentro de sua área.
Mediante a efetivação do procedimento anterior, chegou-se a um quantitativo de
613 estações, das quais apenas 326 possuem algum tipo de informação no banco de dados
HidroWeb da Agência Nacional de Águas (ANA).
Na sequência, analisou-se o conjunto para verificar o ano de operação dotado de
mais estações com registros de dados sem falhas, tendo o ano de 2011 sido selecionado
por conter 60 estações, sendo 10 estações fora da área bacia e 50 internos à bacia. No
mais, como indicado no Anexo 1, esse ano não possuiu eventos climatológicos que
alteraram significativamente o comportamento pluviométrico na região.
Posteriormente, o conjunto das 60 estações foi separado em dois grupamentos,
notadamente o grupo de calibração e o grupo de validação, conforme discriminado na
Figura 3.2.
68
Figura 3.2 – Estações pluviométricas dos grupos de calibração e validação e rede hidrográfica da bacia do rio Madeira.
69
O grupo de calibração foi composto de 10 estações fora da bacia acrescido de 70%
(45 estações) das estações dentro da área da bacia. O grupo de validação foi composto de
30% das estações (15 postos) dentro do da área da bacia.
Os quantitativos acima foram estipulados para atender o sistema de validação
cruzada de hold-out (Kohavi, 1995), que foi adotado neste estudo. Tal critério exige a
separação do conjunto analisado em dois subgrupos em uma proporção de
aproximadamente 2/3 dos dados para treinamento (calibração) e 1/3 restante para teste
(validação). Uma vez que o enfoque concentrou-se na aplicação para a bacia do rio
Madeira, tais proporções nas construções dos grupos foram aplicadas apenas quanto ao
quantitativo de estações presentes na bacia. Cabe ainda destacar que a formação dos
grupos se deu por meio de sorteio, gerando, assim, amostras aleatórias e não dominadas
por questões de subjetividade ou conveniência.
As séries históricas das estações de ambos os grupos foram acumuladas no nível
mensal, gerando chuvas em unidades de mm.mês-1, tabeladas, posteriormente,
conjuntamente com as posições geográficas de cada posto (latitude e longitude), e, mais
adiante, exportadas em grade de pontos para o código computacional ArcGIS 10.2 (ESRI,
2018). Foram, então, aplicados, para a grade do grupo de treinamento, os métodos de
interpolação do tipo KG esférica, VN, IDP e BRM por meio da extensão “3D Analyst”,
que gera campos numéricos espacializados a partir de dados pontuais (interpolação no
modo matricial), sendo a resolução dos campos de precipitação de 0,001°.
Para o grupo de treinamento, foram confeccionados ainda os polígonos de
Thiessen usando, também, o código computacional ArcGIS 10.2 e determinadas as
médias aritméticas mensais utilizando todos os postos desse grupo.
Os detalhes das métricas de interpolação podem ser encontrados com mais
detalhes no que concerne às formulações e aplicações no item 2.4 do manual desse código
computacional.
Na verificação de acurácia e adequabilidade das técnicas empregadas, utilizaram-
se dados do grupo de estações de validação, sendo estes últimos comparados no nível
mensal por meio de análise de resíduos e do coeficiente de correlação dos dados
observados dessa estação com os dados estimados por cada um dos procedimentos
selecionados na presente análise. Além disso, como índices globais de avaliação de
desempenho utilizaram-se a estimativa do erro modular médio (EMM) – Equação 3.1, o
coeficiente de determinação (r²) – Equação 3.2 e o índice de concordância (d) – Equação
3.3, conforme expressões respectivas abaixo dispostas como
70
∑𝑛
𝑖=1 √(𝑥𝐸 −𝑥𝑀 )
2
𝐸𝑃𝑀 = (3.1)
𝑁
2
∑n
i=1(xM −xM )(xE −xE )
2 n−1
r = (3.2)
n 2 n 2
√∑i=1(xM −xM ) .∑i=1(xE −xE)
n−1 n−1
( )
2
∑n
i=1(xM −xE )
𝑑 = 1 − ∑𝑛 2
(3.3)
𝑖=1[(xE −xM )+(xE −xM )]
onde:⁡𝑥𝐸 – média do evento estimado; 𝑥𝑀 – média dos eventos medidos; xM – valor

medido; N – número total das estações de validação; e xE – valor estimado.
3.1.2 Representação de magnitudes e ciclos

3.1.2.1 Base de Dados Pluviométricos
O período de dados selecionado compreende os anos de 2001 a 2015, escolhido

por conter mais estações com dados dentro da área da bacia do rio Madeira e por ser
concomitante ao período em que se dispunha de informações pluviométricas de
sensoriamento remoto dos produtos 3B42 e 3B42RT do TRRM (1999 a 2015); e CHIRP
e CHIRPS (ambos de 1981 – dias atuais).
- Dados de superfície
As informações foram levantadas nos territórios brasileiro e boliviano.
No Brasil, as informações de volumes precipitados em acumulados diários
providos de pluviômetros são disponibilizadas pela Agência Nacional das Águas em
parceria com o Serviço Geológico do Brasil, na forma de séries históricas no sistema de
informações hidrológicas HidroWeb (ANA, 2018).
As informações em território boliviano foram adquiridas em acumulados mensais
por meio de solicitação ao SENAMHI (Serviço Nacional de Meteorologia e Hidrologia)
da Bolívia.
Na Figura 3.3, as estações brasileiras são denominadas conforme o número de
inscrição determinado pela ANA, enquanto e as bolivianas e são nomeadas pelos códigos
(B1, B2, B3, B4 e B5) (Figura 3.3).
71
Figura 3.3 – Localização das estações pluviométricas utilizadas.
72
Em virtude da baixa densidade da rede para a região amazônica e os inúmeros
períodos com falhas nos dados foi possível empregar somente 39 séries históricas de
estações pluviométricas brasileiras e 5 na Bolívia na análise.
Essas séries possuíam um quantitativo de período de falhas mensais menores que
30% do total da série. Cabe destacar que essas falhas foram preenchidas pelo método de
interpolação de krigagem (KG) (Equação 3.4), o qual usa uma função contínua que
representa o comportamento de uma variável nas distintas direções de um espaço
geográfico. Esta variabilidade é descrita com base no semivariograma, o qual é a
descrição matemática do relacionamento entre a variância de pares de observações
(pontos) tendo como referência a distância (h) separando essas observações segundo a
expressão empírica.
1 𝑁(ℎ)
𝛾̂(ℎ) = 2𝑁(ℎ) ∑𝑖=1 [𝑧(𝑥𝑖 ) − 𝑧(𝑥𝑖 + ℎ)]2 (3.4)
onde: γ(h) é o semivariograma estimado; e N(h) é o número de pares de valores medidos.
- Dados de sensoriamento remoto da chuva

Como detalhado no item 2.3.2, muitas poderiam ser as fontes de dados de chuva
que poderiam ser exploradas na comparação, o que tornariam o estudo muito denso;
assim, para tornar essa atividade mais exequível, optou-se por selecionar a fonte que
conjuntamente possuía a melhor resolução espacial e aquelas de mais longa
disponibilidade de dados (CHIRPS e CHIRP). Adicionalmente, para analisar a eficiência
na região, optou-se, para analisar em conjunto, pela fonte de dados mais explorada na
região (produtos TRMM 3B42 e 3B42RT). Assim, foram utilizadas no trabalho quatro
(4) fontes de dados pluviométricos provenientes de sensoriamento remoto – CHIRP,
CHIRPS e os produtos 3B42 e 3B42RT do TRMM.
Os produtos CHIRP e CHIRPS foram disponibilizados pelo Climate Hazards
Group (CHG, http://chg.geog.ucsb.edu/data/chirps/). Ambos são conjuntos de dados de
precipitação de cobertura espacial quase global, abrangendo as latitudes entre 50°S e
50°N por um período superior a 30 anos (iniciando em 1981), com resolução espacial
variando de 0,25 a 0,05°. Tais métodos utilizam informações do Tropical Rainfall
Measuring Mission Multi-satellite Precipitation Analysis version 7 (TMPA 3B42_v7)
para calibrar estimativas de precipitação obtidos pela técnica Cold Cloud Duration
73
(CCD) combinados aos dados de superfície, na escala diária (Funk et al., 2015;
Kirschbaum et al., 2017; Funk, 2015). Contudo o CHIRPS difere do CHIRP por
incorporar em sua formulação uma abordagem inteligente de interpolação de dados com
informações de estações pluviométricas in situ para criar séries temporais. Ressalta-se
que os dados do produto CHIRPS serão adotados em outros estudos descritos sob ponto
de vista metodológico neste capítulo.
Os dados oriundos do satélite TRMM são disponibilizados pela NASA
(https://mirador.gsfc.nasa.gov). As versões do produto utilizadas, neste trabalho, foram o
TRMM 3B42 e o TRMM 3B42RT. O primeiro desses produtos propicia estimativas de
precipitação que têm viés quase zero para a estimativa de precipitação do "TRMM
Combined Instrument", o qual trata-se da densa amostragem dos dados de microondas e
com preenchimento usando estimativas de infravermelho.
O segundo produto fornece uma estimativa de precipitação mais satisfatória numa
banda de latitude cobrindo de 50° N a 50° S, com uma expansão da região TRMM, de
todas as fontes de dados globais, nomeadamente dados de microondas de alta qualidade,
dados de infravermelho e análises de indicadores de chuva. A resolução temporal é de um
mês.
O 3B42 e o 3B42RT possuem uma resolução espacial 0,25°x 0,25° para latitudes
entre 50°N e 50°S e longitudes entre 180°O e 180°E, com dados a partir de 1998 até o
início do ano de 2015. Possuem escala de tempo de 3h.
Para comparar com os dados diários observados em estações pluviométricas, as
estimativas por satélite foram acumuladas em períodos diários conforme referência de
leitura de dados dos pluviômetros, ou seja, os ciclos de 24 horas iniciados às 7 horas do
dia do registro.
3.1.2.2 Análise de Padrões Pluviométricos e Agrupamento de Dados

Para analisar o comportamento e as características comuns entre os postos
pluviométricos, conforme sua relação geográfica e reduzir o número de comparações por
ondeleta, foi realizada uma análise dos padrões de agrupamentos entre as estações.
Para tanto, foi utilizado o método de aglomeração conhecido por aglomeração
hierárquica – hierarquical cluster, que é a técnica mais amplamente difundida para essa
função (Siegmund et al., 2004). A técnica consiste em agrupar os postos pluviométricos
por um processo que foi sequenciado em vários níveis até que se estabeleça o
dendograma, que é a representação simplificada da matriz de dissimilaridade.
74
Como técnica de formação dos grupos, optou-se pelo método de Ward. Nesse
procedimento, a distância entre dois agrupamentos é a soma dos desvios quadrados dos
pontos aos centroides. O objetivo da ligação de Ward é minimizar a soma dos quadrados
dentro do agrupamento. A distância é calculada com a matriz de distância da Equação 3.5
segundo a relação
(𝑁𝑗 +𝑁𝑘 )𝑑𝑘𝑗 +(𝑁𝑗 +𝑁𝑙 )𝑑𝑙𝑗 −𝑁𝑗 𝑑𝑘𝑙

𝑑𝑚𝑗 = (3.5)
𝑁𝑗 +𝑁𝑚
onde: dmj - distância entre os agrupamentos m e j; m - agrupamento mesclado que consiste

nos agrupamentos k e l, com m = (k,i); dkj - distância entre os agrupamentos k e j; dlj -
distância entre os agrupamentos l e j; dkl - distância entre os agrupamentos k e l; Nj -
número de variáveis no agrupamento j; Nk - número de variáveis no agrupamento k; Nl -
número de variáveis no agrupamento l; Nm - número de variáveis no agrupamento m.
Como critério de formação dos grupos e corte do dendograma, definiu-se, como

limite, o quadrado do coeficiente de correlação de Pearson (r²) na magnitude de 70%, ou
coeficiente de determinação.
3.1.2.3 Comparação de Pluviômetros e Base de Dados de Sensoriamento Remoto

A comparação deu-se por pluviômetro e por estação virtual que representa o píxel
cuja área se sobrepõe geograficamente a este. A escala de análise foi mensal.
- Avaliação determinística das estimativas do satélite

Foi elaborada uma matriz de dispersão das séries dos dados analisados para
analisar a relação entre elas. Na verificação da eficiência dos dados de sensoriamento
remoto em representar os dados observados em estações pluviométricas, formaram-se,
primeiramente, três (3) grupos de análise para os dados, a saber:
• o primeiro continha o quantitativo total das séries históricas;
• o segundo apenas os meses que representam o período seco na região (abril a
setembro);
• e o terceiro os meses que constituem o período chuvoso (outubro a março).
75
Dentro de cada conjunto de dados, foram estudadas as seguintes métricas: coeficiente de
determinação (r²), Equação 3.2; erro padrão médio (EPM), Equação 3.6; índice de
concordância de Willmott (Willmott et al. 1985), Equação 3.3; e o índice de desempenho
(Camargo e Sentelhas 1997), o qual é o produto entre o coeficiente de correlação de
Pearson e o índice de concordância de Willmott;. A classificação segundo intervalos desse
último estimador de concordância ou desempenho está na Tabela 3.1.
∑𝑛
𝑖=1 √(𝑥𝐸 −𝑥𝑀 )
2
𝐸𝑃𝑀 = (3.6)
𝑁
onde: xE – valor estimado; xM – valor medido; e n – número total das estações de

validação.
Tabela 3.1 – Classificação do índice de concordância

Índice de desempenho Classificação
> 0,85 Ótimo
0,76 – 0,85 Muito bom
0,61 – 0,75 Bom
0,61 – 0,65 Mediano
0,51 – 0,60 Sofrível
0,41 – 0,50 Mau
≤ 0,40 Péssimo
Nessas análises, as estações B1, B2, 965001 e 1063001 foram tratadas sob uma
ótica especial, visto que não constam na relação de estações usadas para criação dos
produtos CHIRPS e 3B42RT; estas serviram como pontos de controle para testar o quanto
os dados in natura (CHIRP e 3B42) descrevem mais fielmente a série histórica de um
pluviômetro.
- Transformada Ondeleta (Wavelet)

A transformada de ondeleta é uma ferramenta usada para revelar as características
periódicas da variância não estacionária em muitas escalas diferentes no tempo (Torrence
e Compo, 1998). Além disso, permite a identificação da periodicidade principal em uma
série temporal e a progressão no tempo de cada frequência (Liang et al., 2011). Assim,
essa técnica foi usada para comparar as características das séries históricas dos
76
pluviômetros e dos píxeis das estimativas de precipitação por sensoriamento remoto
(3B42, 3B43 e CHIRPS) no domínio tempo-frequência.
Na literatura, encontram-se várias famílias de funções de ondeleta, e, dentre estas,
a função de Morlet (Equação 3.7) é recomendada em estudos hidrológicos,
principalmente em eventos pluviométricos, por possuir um padrão semelhante ao sinal
dessas variáveis, revelando picos e faixas em sinais ondulados de forma semelhante aos
dados pluviométricos (Nakken, 1999 ; Santos et al., 2013).
1
̂0 (𝑠𝜔) = 𝜋 4 𝐻(𝜔)𝑒 −(𝑠𝜔−𝜔0)2/2
𝜓 (3.7)
onde: s é a escala de ondeleta; ω é a frequência; H (ω) é a função de passo Heaviside; H

(ω) = 1 se ω> 0, H (ω) = 0, caso contrário; ω0 é a frequência não dimensional, considerada
igual a 6 para satisfazer a condição de admissibilidade.
A metodologia combina as técnicas de coerência por ondeleta (WTC), que indica

a covariância entre duas séries temporais em função do tempo-frequência, e as ondeletas
cruzadas (XWT), que mostra um espectro de potência que aponta as regiões de
interferência entre duas séries temporais.
Foi utilizado, neste estudo, o código computacional do pacote Wavelet Matlab
fornecido por C. Torrence e G. Compo (http://atoc.colorado.edu/research/wavelets).
- Estatísticas de ocorrência de chuva

A estimativa do grau de acertos e falhas na previsão de chuva por produtos de
sensoriamento remoto foi realizada, primeiramente, adequando-se as séries de dados em
classes de eventos (Tabela 3.2), sendo que a escolha das classes adotadas seguiu
abordagem similar ao procedimento aplicado no estudo de Zambrano-Bigiarini et al.
(2017), onde se levaram em conta os valores das intensidades estipuladas do Guia de
Instrumentos Meteorológicos e Métodos de Observação da OMM (WMM, 1994).
77
Tabela 3.2 – Proposta de classificação de eventos de chuva baseada na intensidade
acumulada no mês
Classes de eventos Intensidade (mm.mês-1)
Sem chuva [0, 30)
Chuva leve [30, 150)
Chuva moderada [150, 60)
Chuva pesada [60, 1200)
Chuva extrema ≥ 1200
* ” [ “ representa maior ou igual a limite inferior da classe, enquanto “) “ representa menor
do que o limite superior.
Fonte: adaptado de Zambrano-Bigiarini et al. (2017).
Posteriormente, as ocorrências dos eventos em cada classe foram separados

utilizando a tabela de contingência de Wilks (2011), Tabela 3.3, que contém a frequência
dos possíveis eventos para as quatro combinações de concordância entre as observações
de superfície (pluviômetros) e os dados estimados por satélite. São estas as combinações:
(a) acerto (hit)- quando pluviômetro e o satélite registram a ocorrência de chuva
pertencente a classe analisada; (b) alarme falso (false alarm)- quando o satélite registra a
ocorrência de chuva dentro da classe, em discordância com o pluviômetro; (c) falha
(miss)- quando o pluviômetro registra a ocorrência de chuva dentro da classe, e o satélite
falha e não o registra na mesma classe; e (d) correto negativo (correct negatives)- quando
ambos, satélite e pluviômetro, não registram a ocorrência de chuva dentro da classe
determinada.
Tabela 3.3 – Tabela de contingência para categorizar as frequências de eventos.

Pluviometros
Sim Não Total
Sim A b a+b
Satélite
Não c d c+d
Total a+c b+d n=a+b+c+d
78
Fonte: Wilks (2011).
A taxa de acerto ou probabilidade de detecção (POD) representa a fração de

eventos chuvosos que foram corretamente identificados pelo produto de satélite. Foi
estimado pela Equação 3.8 como
𝑎
𝑃𝑂𝐷 = ⁡ 𝑎+𝑐 (3.8)
onde: a - número de acertos; e c - número de falhas.
A razão de alarme falso (FAR) representa a fração de eventos identificados pela

estimativa de chuva por satélite que não ocorreram de fato. Foi estimada pela Equação
3.9 na forma
𝑏
𝐹𝐴𝑅 = 𝑎+𝑏 (3.9)
onde: b – número de alarmes falsos; e a – número de acertos.
O viés da frequência (fBIAS) mede a razão entre a frequência dos eventos

previstos e a frequência dos eventos observados, sendo calculado pela Equação 3.10
segundo a relação.
𝑎+𝑏
𝑓𝐵𝐼𝐴𝑆 = ⁡ 𝑎+𝑐 (3.10)
onde: a – número de acertos; b – número de alarmes falsos; e c – número de falhas.
3.1.3 Representatividade de eventos extremos

As informações de precipitação de estações pluviométricas utilizadas foram obtidas
em volumes acumulados diários, medidos às 7h do dia, disponibilizadas pela Agência
Nacional das Águas em parceria com o Serviço Geológico do Brasil, na forma de séries
históricas no sistema de informações hidrológicas HidroWeb (ANA, 2018).
Na Figura 3.4 estão as estações utilizadas.
79
Figura 3.4 – Localização das estações pluviométricas utilizadas.
80
Para a bacia em análise, a ANA mantém, em seus registros, dados para 613 estações
pluviométricas na área de estudo. Contudo, em uma triagem preliminar realizada para
atender as recomendações de CETESB (1979) quanto a análises de extremos, verificou-
se que apenas 37 dessas estações, abrangiam registros contidos no intervalo de tempo de
2000 a 2015, evidenciando mais estações sem falhas no período mínimo de 10 anos para
os meses chuvosos (outubro a março), procedimento indicado por CETESB (1979) como
necessário na análise de eventos extremos.
Os dados de precipitação oriundos de sensoriamento remoto foram obtidos do
produto CHIRPS devido ao fato de apresentarem uma melhor representatividade da
pluviometria da região em relação às informações de estações pluviométricas, conforme
o item 5.2 desta tese.
Para ambas as séries de dados, utilizou-se, como critério na identificação de um
evento extremo de chuva, o valor máximo diário registrado no decorrer de um ano. No
caso, então, foi discriminado um evento para cada ano.
A distribuição de probabilidade generalizada de valores extremos (GEV), tem
facilitado muitas aplicações em hidrologia, utilizada na modelação de eventos extremos
naturais. Esta engloba as três formas assintóticas de distribuição de valores extremos
conhecidas como valor extremo do tipo I (VEI), valor extremo do tipo II (VEII) e valor
extremo do tipo III (VEIII) (Fisher e Tippett, 1928; Gumbel, 1958), é definida, segundo
Jenkinson (1955) pela Equação 3.11, como
1
𝑥−𝑢 𝑘
[−(1−𝑘 )]
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = 𝑒 𝛼 (3.11)
sendo: - < x < +, k = 0 - distribuição VEI (Distribuição Gumbel);  < x <
+, k < 0 - distribuição VEII; - < x < , k > 0 - distribuição VEIII
onde u é um parâmetro de posicionamento com - < u < +,  é um parâmetro de
escala com - <  < + e k é um parâmetro de forma com - < k < +; desta
forma, quando k > 0, o limite superior da distribuição assintótica VEIII se torna  = u
+ /k e, quando k < 0, o limite inferior da distribuição assintótica VEII se torna  =
u + /k.
Neste trabalho, optou-se pela utilização da distribuição de Gumbel para modelar

e determinar as magnitudes dos tempos de retorno (Tr) (de 1 a 100 anos) dos eventos das
séries históricas de extremos para as bases de dados do CHIRPS e dos pluviômetros, visto
81
que tal distribuição estatística é a que melhor se ajusta à região estudada tal como atesta
os Anexos 2 e 3.
O modelo probabilístico de Gumbel, representado conforme Equação 3.12, como
preconizado por Gumbel (2004), pode ser expresso por
Tr
X=̅
X − S {0,45 + 0,7797ln [ln Tr−1]} (3.12)
sendo: X é a precipitação máxima ajustada (mm); 𝑋̅ é a média dos valores máximos da

série histórica de precipitação (mm); S é o desvio padrão dos valores máximos da série
histórica de precipitação (mm); e Tr é o período de retorno (anos).
Para avaliar a estimativa da precipitação gerada pelo CHIRPS durante os eventos

extremos selecionados, utilizou-se a metodologia de comparação dos dados de chuva
estimados pelo CHIRPS para os píxeis localizados no mesmo domínio superposto ao local
das estações pluviométricas por meio da estimativa de EPM (Equação 3.6), ENM
(Equação 3.13) e dos resíduos estratificados por período de retorno segundo
100% 𝑥𝐸 −𝑥𝑀
𝐸𝑁𝑀 = ∑𝑛𝑖=1 ( ) (3.13)
𝑁 𝑥𝑀 𝑖
onde:⁡𝑥𝐸 – média do evento estimado; 𝑥𝑀 – média dos eventos medidos; xE – valor

estimado; xM – valor medido; e n – número total das estações de validação.
3.2 ANÁLISE DE TENDÊNCIAS

3.2.1 Eventos extremos
3.2.1.1 Base de Dados Cartográficos
Com vistas a comparar a relação dos fenômenos pluviométricos extremos com o
meio físico na região, usaram-se informações cartográficas relativas ao relevo e à
cobertura da terra da bacia hidrográfica do rio Madeira. As informações de elevação
topográfica foram levantadas por meio de imagens do HydroSHEDS (Hydrological data
and maps based on SHuttle Elevation Derivatives at multiple Scales) obtidas através da
NASA (National Aeronautics and Space Administration).
O HydroSHEDS é derivado de dados SRTM (3 segundos de arco) e fontes
auxiliares, incluindo o SRTM Water Body Data, redes de rios do Digital Chart of the
World (DCW), rede fluvial global vetorizada (ArcWorld) e base de dados global de lagos
82
e áreas úmidas (Wetlands) (Lehner et al. , 2008). O mesmo foi atestado de uso no Anexo
4.
O mapa clinográfico da bacia foi obtido através do processamento das imagens
HydroSHEDS com a função declividade (slope) do código computacional ArcGIS 9.3. O
resultado foi classificado em seis diferentes classes, a saber: 0-3% (relevo plano); 3-8%
(relevo suavemente ondulado); 8-20% (relevo ondulado); 20-45% (relevo fortemente
ondulado); 45-75% (relevo montanhoso); e valores maiores que 75% (relevo fortemente
montanhoso).
Informações sobre a cobertura da terra foram obtidas por meio do produto MOD12
do sensor MODIS (Moderate Resolution Imaging Spectroradiometer), o qual está a bordo
dos satélites Terra e Aqua, ambos lançados pela NASA. Esses satélites fazem parte do
programa de coleta de dados sobre o planeta Terra denominado EOS (Earth Observing
System), que tem como objetivo o monitoramento das mudanças ocorridas no planeta
Terra e o acompanhamento global diário e contínuo da superfície terrestre.
3.2.1.2 Aquisição dos Dados Pluviométricos
Os dados de precipitação utilizados na aplicação da metodologia proposta neste

artigo foram obtidos por meio de dados do produto CHIRPS, com resolução espacial de
0,05º, e de estações pluviométricas in situ para criar séries temporais (Funk et al., 2015).
3.2.1.3 Análise dos Eventos Extremos
A série temporal do estudo abrangeu o período de 1981 a 2017, totalizando 36

anos, intervalo superior de dados no que concerne a recomendações feitas por autores
como Fietz e Comunell (2006). Por meio da análise dos dados, obteve-se, primeiramente,
a altura máxima de chuva de duração de 1 dia para cada píxel e ano das imagens da série
histórica analisada. Dessa forma, compôs-se a série de chuvas máximas anuais. A seguir,
os dados foram organizados em ordem decrescente. A média aritmética e o desvio-padrão
das amostras foram, então, calculados. Tal procedimento possibilitou analisar
estatisticamente a probabilidade de ocorrência e o período de retorno de chuvas intensas
com base no método da distribuição de Gumbel, que é amplamente utilizado na
modelagem desse fenômeno (Back, 2001).
A variável reduzida de Gumbel (y) foi obtida pela Equação 3.14, como
preconizado por Gumbel (2004), segundo a expressão
83
𝑠𝑦 𝑦𝑚
𝑦=
𝑠𝑥
[𝑥𝑖 − (𝑥𝑚 − 𝑠𝑥
𝑠𝑦
)] (3.14)
onde: sx – desvio-padrão da série; xi – valor de um elemento da amostra; xm – média da

amostra da série anual finita de n valores; sy – desvio-padrão, valor tabelado; e ym – média
da variável reduzida (y), tabelada em função do número de dados da amostra.
O período de retorno (Tr), definido como o intervalo médio, em anos, em que um

valor limiar qualquer de chuva é igualado ou superado, em média, uma (1) vez, é estimado
pela Equação 3.15. A expressão, função da base dos logaritmos neperianos (e), pode ser
escrita como
1
𝑇𝑟 =
1−𝑒 −𝑒
−𝑦 (3.15)
3.2.1.4 Tendências Temporais dos Eventos Extremos
As alterações estatisticamente significativas nas tendências temporais das séries

históricas de chuvas extremas na bacia foram identificadas utilizando-se o teste de Mann-
Kendall (Mann, 1945; Kendall, 1975), o qual é um método robusto, sequencial e não
paramétrico, não requerendo, assim, a distribuição normal dos dados (Yue et al., 2002).
Tal método é pouco influenciado por mudanças abruptas ou séries não
homogêneas, mas exige que os dados sejam independentes e aleatórios (Neeti e Eastman,
2011).
Na aplicação do teste Mann-Kendall, primeiramente, estabeleceu-se a hipótese
nula (H0), de que não existiam tendência nas séries de dados, adotando-se um nível de
significância (α) de 0,05. Assim, a variável estatística S (Equação 3.16), para uma série
de n dados do teste de Mann-Kendall, foi calculada a partir da somatória dos sinais (sn)
(Equação 3.17) da diferença, par a par, de todos valores da série (xi) em relação aos
valores que a eles são futuros (xj), conforme exposto na expressão
𝑆 = ∑𝑛−1 𝑛
𝑖=1 ∑𝑗=𝑖+1 𝑠𝑛(𝑥𝑗 − 𝑥𝑖 ) (3.16)
+1; 𝑠𝑒⁡𝑥𝑗 > 𝑥𝑖

𝑠𝑛(𝑥𝑗 − 𝑥𝑖 ) = { 0; 𝑠𝑒⁡𝑥𝑗 = 𝑥𝑖 (3.17)
−1; 𝑠𝑒⁡𝑥𝑗 < 𝑥𝑖
84
sendo n ≥ 10, a variável S tende a normalidade; assim, sua variância, Var(S), pode ser
obtida através da Equação 3.18 como
𝑛(𝑛−1)(2𝑛+5)−∑𝑛
𝑖=1 𝑡𝑖 (𝑖)(𝑖−1)(2𝑖+5)
𝑉𝑎𝑟(𝑆) = (3.18)
18
onde: ti representa a quantidade de repetições de uma extensão i.
Posteriormente, para a realização do teste, determinou-se o índice ZMK (Equação

3.19), onde, por seguir uma distribuição normal de média igual a zero, caso apresente
valores positivos, denotará uma tendência crescente, enquanto valores negativos
indicarão tendências decrescentes.
𝑆−1 (3.19)
; 𝑝𝑎𝑟𝑎⁡𝑆 > 0
√𝑉𝑎𝑟(𝑆)
𝑍𝑀𝐾 = 0; 𝑝𝑎𝑟𝑎⁡𝑆 = 0
𝑆+1
⁡𝑝𝑎𝑟𝑎⁡𝑆 < 0
{ √𝑉𝑎𝑟(𝑆)
Assim, dado o alfa escolhido de 0,05, por se tratar de um teste bicaudal, para
rejeitar a H0 e indicar uma tendência, é preciso que o valor absoluto de ZMK seja maior
que 1,96.
3.2.2 Clima
3.2.2.1 Dinâmica de Ocupação do Solo
Para comparar a predisposição das tendências climáticas na bacia, empregaram-
se informações cartográficas da vegetação natural e sua supressão na bacia entre os anos
de 2000 a 2015. Tais informações são produto do MOD12 do sensor Moderate Resolution
Imaging Spectroradiometer (MODIS), que possui o tamanho do píxel de 1 km e vem
sendo aplicado em vários estudos de quantificação da supressão de vegetação, como o de
Wang et al. (2019).
Esse sensor é um dos instrumentos a bordo do satélite Terra e do satélite Aqua
lançados pela National Aerospace and Space Administration (NASA). Esses satélites
fazem parte de um programa de coleta de dados sobre o planeta Terra denominado Earth
Observing System (EOS) e tem como objetivo o monitoramento das mudanças ocorridas
no planeta Terra, além do monitoramento global e contínuo da superfície terrestre duas
vezes ao dia.
85
3.2.2.2 Base de dados climáticos
Os dados de precipitação, em nível de acumulado mensal, utilizados na aplicação desta
metodologia, foram obtidos do produto CHIRPS, de resolução de 0,05º
Já os dados de evapotranspiração de mensais acumulados foram obtidos pelo
Operational Simplified Surface Energy Balance (SSEBop), desenvolvido por Senay et al.
(2013). Trata-se de série de dados geoespaciais que comporta o período de 2002 a 2017,
que apresentando boa precisão na determinação da evapotranspiração real nos locais
testados como apresentado nos estudos de Senay et al. (2013).
O SSEBop calcula a evapotranspiração com base no balanço energético de
superfície simplificado (SSEB) (Senay et al., 2013). Sua formulação é baseada na
temperatura e nos princípios de píxel frio dos modelos SEBAL (Bastiaanssen et al., 1998)
e METRIC (Allen et al., 2007).
As informações referentes à temperatura de superfície da bacia foram obtidas
junto à NASA provenientes do sensor Moderate Resolution Imaging Spectroradiometer
(Modis), em seu produto MOD11A2 (Land Surface Temperature- LST), coleção 5, com
resolução espacial de 1 km. O produto utilizado é uma composição de oito dias, realizada
a partir de dados diários. Dessa maneira, as informações obtidas passaram pela
transformação em médias mensais e amplitudes mensais.
A série histórica da temperatura de superfície começou no ano de 2001 e foi até
2017. Imagens de períodos anteriores a esses anos foram descartadas pela alta presença
de nuvens. Para a conversão dos dados presentes nas imagens em informações de
temperatura de superfície, utilizou-se o algoritmo LST (land surface temperature)
desenvolvido por Wan e Li (1997). Os valores de saída, após esse procedimento,
encontram-se em unidades de grau Kelvin; foram então, convertidos em graus Celsius
por meio da subtração do valor da célula com a constante 273,15.
3.2.2.2 Análises de Tendências

As alterações estatisticamente significativas nas tendências temporais nas séries
históricas de chuva, de evapotranspiração e de temperatura na bacia foram determinadas
utilizando-se o teste de Mann-Kendall (Mann, 1945; Kendall, 1975) no nível mensal.
Como previamente apresentado, trata-se de um método robusto, sequencial e não
paramétrico, não requerendo, assim, a distribuição normal dos dados. Tal método é pouco
influenciado por mudanças abruptas ou séries não homogêneas, mas exige que os dados
86
sejam independentes e aleatórios (Neeti e Eastman, 2011), sendo tal procedimento
executado como descrito no item 3.2.1.4.
Posteriormente, as séries de tendências criadas para cada variável foram
relacionadas mediante contrastelas pelo coeficiente de correlação (Equação 3.20),
construindo-se, assim, uma matriz de correlação. Mais especificamente, o coeficiente de
correlação pode ser calculado por
∑n
i=1(x1 −x1)(x2 −x2 )
n−1
𝑟= ∑n (x1 −x1 )2 ∑n (x2 −x2)2
(3.20)
√ i=1 . i=1
n−1 n−1
onde: x1 – valor da variável 1; xM – valor da variável 2; ⁡𝑥1 – média da variável 1; e 𝑥2 –

média da variável 2; e n – número total eventos por píxeis comparados.
Posteriormente, esses valores foram classificados conforme Naghettini e Pinto

(2007), segundo a Tabela 3.4.
Tabela 3.4 – Classificação dos intervalos do coeficiente de correlação.

Intervalo Classificação
-1 a -0,7 Forte inversamente proporcional
-0,7 a -0,5 Moderada inversamente proporcional
-0,5 a -0,3 Fraca inversamente proporcional
-0,3 a 0,3 Nula
0,3 a 0,5 Fraca diretamente proporcional
0,5 a 0,7 Moderada diretamente proporcional
0,7 a 1 Forte diretamente proporcional
3.2.2.3 Análises de Variabilidade

Os dados de precipitação e evapotranspiração tiveram sua variabilidade aferida
por meio da determinação da entropia dessas séries.
A variabilidade de uma série histórica de dados pode ser relacionada ao grau de
sua entropia. Tal conceito foi introduzido por Shannon (1948), o qual definiu a entropia
H (Equação 3.21) como a mensuração da incerteza de uma variável ou, em outras
palavras, definindo que a incerteza de sua distribuição de probabilidade é o valor esperado
negativo do logaritmo da função densidade de probabilidade da variável Pi na forma
𝐻 = − ∑ 𝑃𝑖 . log 𝑃𝑖 (3.21)
87
A grandeza dessa propriedade é determinada pela base do logaritmo. Neste estudo,
adotou-se a base 2. Assim, a unidade é em bit.
88
CAPÍTULO 4 – ÁREA DE ESTUDO
A região amazônica possui a maior floresta tropical úmida do mundo com uma
área total de aproximadamente 7 milhões de quilômetros quadrados (km²), o que
representa cerca de 56% das florestas tropicais da Terra, porém vem sofrendo, a cada dia,
altas taxas de conversão de mata natural em pastagens. Frente a esse fato, várias são as
investidas de estudos observacionais e de modelagem que buscam investigar os efeitos
do desmatamento nessa área para seu clima e hidrologia.
Como em outras grandes bacias hidrográficas, a Amazônia apresenta problemas
com respeito à obtenção de dados para a identificação adequada da sua hidrologia e clima
(Ribeiro Neto et al.,2008).
Mesmo diante desse desafio, diversas poderiam ser as escalas para a abordagem
do entendimento das mudanças hidroclimáticas com vistas ao monitoramento do balanço
hídrico na escala da bacia hidrográfica em uma região como a Amazônia mediante o
emprego de dados in situ e produtos de sensoriamento remoto. Em particular, alguns
estudos enfocaram, por exemplo, toda a bacia Amazônica (6.112.000 km2) (Paiva et al.,
2015) e, também, parcialmente, como é o caso da bacia do rio Negro (712.000 km2)
(Getirana, 2009), afluente do rio Solimões em Manaus, ou ainda sub-bacias do rio Negro,
como é o caso de Caracacaí (120.000 km2) (Xavier, 2012).
Uma particularidade dessa região deve ser resgatada a priori, qual seja, o emprego
de dados de sensoriamento remoto pode suprir em parte a falta de dados aferidos em
campo, com enfoque em bacias com precário monitoramento, portanto em sintonia com
o programa de estudos de predição em bacias não monitoradas (década do PUB –
Predictions in Ungaged Basins – 2003-2013).
Entre os trabalhos executados na região, no sentido da aquisição de dados
hidrometeorológicos utilizando-se de informações geoespaciais, pode-se citar, por
exemplo, o estudo de Gomes (2014), que extraiu e avaliou informações de radiação
líquida de imagens MODIS por meio do algoritmo SEBAL (Bastiaanssen, 1995), bem
como o trabalho de Paca (2008), que analisou a determinação de eventos pluviométricos
na bacia do rio Guamá – PA por meio de informações oriundas do satélite TRMM/NASA.
Neves (2005) utilizou imagens de satélite JERS-1 na faixa de microondas do tipo
SAR, adquiridas para os anos de 1995 e 1996, para realizar o mapeamento de áreas
úmidas na bacia do rio Madeira, que é um dos principais afluentes do rio Amazonas.
89
Em particular, Medeiros (2010) explora o uso de dados altimétricos espaciais para
avaliação e validação com base em dados de GPS coletados em campo.
Alguns avanços de pesquisa em modelagem chuva-vazão são observados na
região amazônica, como no caso de Getirana (2009), em que foi realizada uma aplicação
de modelos hidrológicos. Nesse estudo, processos hidrológicos da bacia do rio Negro –
AM foram simulados usando o modelo MGB-IPH (Collischonn, 2003) para avaliar
contribuições da altimetria espacial no contexto da modelagem chuva-vazão.
Xavier (2012), por sua vez, explora o emprego de dados GRACE, que permitem
estimar a coluna de água armazenada, conjuntamente com dados TRMM para avaliar o
comportamento espaço-temporal do armazenamento de água na bacia amazônica,
qualificando a discussão sob o prisma da modelagem chuva-vazão em sub-bacias da bacia
do rio Negro.
Estabelecidos os referenciais acima, o presente trabalho fundamenta-se na
disponibilidade de dados para a condução do estudo bem como em técnicas diversificadas
empregadas na análise da área de estudo, mais especificamente, a bacia do rio Madeira.
A pesquisa concentrou-se, por vezes, apenas na porção brasileira da bacia, enquanto, em
outras partes, a opção foi pela condução do estudo para toda a área da bacia. Cabe destacar
que a parte brasileira é compreendida pela área dos estados de Rondônia, Amazonas,
Mato Grosso (porção noroeste) e Acre (pequena faixa a sudeste do estado), entre as
coordenadas 9°38'57.72"S e 65°27'58.40" O, 3°27'18.48"S e 58°44'0.17"O, 16° 3'41.13"S
e 58° 6'56.83"O e 6°20'30.45"S 58°47'11.34"O, com área aproximada de 607.033 km2.
A região de estudo, em sua área total (Figura 4.1), localiza-se na margem direita
do rio Amazonas, que é a maior sub-bacia amazônica (23%). A bacia do Madeira, que é
transfonteiriça, estende-se pela Bolívia (51%), Brasil (42%) e Peru (7%), perfazendo uma
área total de drenagem de 1.324.727 km2.
90
Figura 4.1 – Localização da área de estudo.
91
4.1 CHUVA E CLIMA
A bacia do rio Madeira, na parte brasileira, insere-se no centro de intensa
convecção acoplada à zona do cavado equatorial quase permanente e possui grande
importância no funcionamento do clima global devido as suas florestas, que, por meio de
intensa evapotranspiração, bombeiam calor latente à atmosfera para equilibrar o forte
calor radiativo à superfície (Nobre et al., 2009) (Figura 4.2).
92
Figura 4.2 – Clima da bacia do rio Madeira
93
De acordo com o sistema de classificação de Koppen, a bacia possui um clima
tropical com estação seca de inverno e de monção, caracterizado por exibir um longo
período com precipitação pluviométrica elevada e uma curta estação seca (Peel et al.,
2007) (Figura 4.3).
94
Figura 4.3 – Classificação climática de Koppen abrangendo a bacia do rio Madeira.
95
A principal característica do clima na região é a convecção tropical, a qual é
controlada por fenômenos de grande escala, como circulação de Hadley, a Zona de
Convergência Intertropical (ZCIT), a circulação de Walker, a oscilação intrassazonal de
40 a 60 dias, ondas atmosféricas, e também por processos meteorológicos como a
penetração de frentes frias extratropicais.
Na bacia, em sua porção pertencente ao estado de Rondônia, Nobre et al. (2009)
relatam uma grande variação da temperatura média do ar em escalas de tempo sazonais
devido aos altos valores de radiação solar que incide sobre a região. Possivelmente, o
aspecto mais importante para o desencadeamento da convecção e o desenvolvimento de
intensas tempestades sobre a região é a grande amplitude do ciclo de temperatura diurno
e o aquecimento solar.
A precipitação na bacia apresenta valores médios da ordem de 1.940 mm por ano
(Villar et al., 2009). Esse fenômeno caracteriza-se em duas estações anuais distintas: a
estação chuvosa (outubro a março) e o período seco (maio a setembro). Cabe ressaltar
que a transição entre as estações seca para úmida possui uma maior duração que a
transição entra as estações seca e chuvosa (aproximadamente um mês). Esse fato está
associado com a inicialização da estação chuvosa na maior parte da bacia amazônica, que
se encontra associada ao estabelecimento do sistema de monção da América do Sul, o
qual ocorre com rápida mudança da área de intensa convecção entre o extremo noroeste
do continente e latitudes ao sul do equador (Marengo et al., 2001;Vera et al., 2006).
Quanto aos eventos anuais máximos de precipitação na região, estão associados a
dois fatores principais – a Zona de Convergência Intertropical (ZCIT) e a flutuação
dinâmica do centro de convecção quase permanente em combinação com a grande
quantidade de evapotranspiração local que contribui para a reciclagem da precipitação
(Marengo et al., 2001; Souza, 2012).
Acerca desse assunto, Latrubesse et al. (2005) destaca que a bacia apresenta zonas
de instabilidade climática, influenciadas por fenômenos de circulação atmosférica e
chuvas intensas determinando um alto índice de vazão, e umidade. Adicionalmente, o
referido autor evidencia que a distribuição de chuvas pode ser explicada, em geral, pela
dinâmica das principais massas de ar ativas em parte da América do Sul, e pela orografia,
dada a influência das montanhas na cordilheira dos Andes, tanto na escala continental
quanto na escala de vales.
Na Figura 4.4 encontram-se resumidos os períodos de dados utilizados no estudo
de tendências climáticas da precipitação, evapotranspiração e temperatura.
96
A
Figura 4.4 – Caracterização da variação de algumas variáveis hidroclimáticas: a) médias

mensais anuais da temperatura, evapotranspiração e precipitação para a bacia do rio
Madeira; b) médias mensais da temperatura (2001-2017), evapotranspiração (2002-2017)
e precipitação (1981 a 2017) para a bacia do rio Madeira
A precipitação possui relação inversa com a temperatura em alguns períodos,

sendo que suas maiores magnitudes são observadas nos meses de novembro a abril,
período onde estão as maiores reduções de temperatura (Figura 4.4a). A
evapotranspiração, no entanto, possui um valor aproximadamente constante com leves
97
reduções nos meses de menor incidência de chuva, devido à capacidade da floresta em
retirar água do solo e disponibilizar para o ambiente.
Em relação à série histórica anual (Figura 4.4b), a evapotranspiração manteve-se
praticamente constante. Apenas o ano de 2010 mostra-se um pouco abaixo da média da
série analisada. O ano de 2014 foi aquele com maior índice pluviométrico seguido pelos
anos de 1982 e 1984. A maior temperatura foi observada em 2010, ano em que a
precipitação e a evapotranspiração mostraram-se inferiores ao restante da série.
4.2 HIDROGRAFIA E SEDIMENTOLOGIA

A bacia do rio Madeira é uma bacia com limites transfronteiriços internacionais,
estendendo-se pela Bolívia (51%), Brasil (42%) e Peru (7%), com sua área total de
drenagem perfazendo 1.324.727 km2, correspondendo, assim, na maior sub-bacia
amazônica, cerca de 22%. A bacia possui sua localização no sudoeste da bacia amazônica
(margem direita do rio Amazonas).
O rio principal dea bacia, incluindo o seu caráter transnacional, é, de fato, o rio
Madeira, o maior afluente meridional do rio Amazonas e o único rio amazônico que
drena, ao mesmo tempo, a cordilheira dos Andes, o escudo brasileiro e a planície
Amazônica. A largura do rio Madeira varia de 440 a 9.900 metros, e sua profundidade,
em alguns trechos, ultrapassa 13 metros. A descarga média anual do rio Madeira é de
31.200 m3.s-1, constituindo a maior contribuição de descarga líquida do rio Amazonas
(14%) (Molinier et al.,1996).
Segundo Filizola e Guyot (2011), o rio é formado, ainda, pela sua porção andina
(rios Beni e Madre de Dios) e pelo rio Mamoré que se encontra na margem esquerda,
drenando toda bacia amazônica boliviana a partir da correspondente confluência em meio
a cachoeiras. Em terras brasileiras, torna-se navegável (faixa de 1285 km) após as
corredeiras de Santo Antônio no estado de Rondônia até desaguar no grande Amazonas.
Sua foz principal está a cerca de 50 km da cidade de Itacoatiara (AM).
Em território brasileiro, passando as cachoeiras, em locais com grandes
profundidades, o rio Madeira permite a navegação, até mesmo, de navios de grande
calado.
No que diz respeito às dimensões mundiais, o sistema de classificação do estudo
de Latrubesse et al. (2005), que apresenta, em sua metodologia, as variáveis
classificatórias de clima, esquema geológico e regime hidrológico, destacou o rio Madeira
98
como o quarto (4º) maior rio tropical do mundo, estando atrás do Amazonas, Congo e
Orinoco.
Molinier et al.(1996) complementam que o rio Madeira possui como
características a perenidade típica de planícies e é classificado como rio de águas brancas.
As características morfométricas da bacia do rio Madeira podem ser vistas no
Anexo 5.
Em relação à descarga sólida, o rio Madeira é responsável por aproximadamente
metade de toda a carga de sedimentos que chega ao rio Amazonas (Latrubesse et al.,
2005), sendo tal volume oriundo, em grande parte, dos rios andinos Beni, Madre de Dios
e Rio Grande.
O estudo de Filizola e Guyot (2011) identificou, nos sedimentos de fundo e em
suspensão para esse corpo hídrico, os compostos de illita, caulinita, clorita e esme ctita.
4.3 CONTEXTO FISIOGRÁFICO E GEOLÓGICO
Como previamente mencionado, o rio Madeira drena três unidades

morfoestruturais principais: a cordilheira dos Andes (15%), o escudo brasileiro (41% da
bacia) e a planície amazônica (44%), com litologia e geomorfologia distintas (Figura 4.5).
.
99
Figura 4.5 - Unidade morfoestruturais da bacia do rio Madeira
100
A porção estudada, localizada totalmente no Brasil, é formada basicamente pela
presença do escudo brasileiro e da planície amazônica.
O escudo brasileiro tem geomorfologia baixa, sendo constituído de platôs e
colinas formadas por rochas de idades arqueanas, pré-cambrianas e paleozoicas (Costa et
al., 1996).
Por outro lado, a planície Amazônica é genericamente subdividida em terras altas
e várzeas constituídas pelas rochas sedimentares das formações Alter do Chão (arenitos
e conglomerados), Içá (arenitos, argilitos com linhitos e turfa) e depósitos quaternários
(silte, areia e seixos) (Queiroz et al., 2011).
Em uma subdivisão morfológica mais detalhada, CPRM (2006) complementa que
a bacia do rio Madeira possui rochas ígneas e metamórficas do Grupo Colider (riolitos,
andesitos e brechas), Suite Intrusiva São Romão (granitos, metagranitos e gnaisses
calcialcalinos), Suite Intrusiva Serra da Providência (granito, charnockito, mangerito e
rochas máficas), Complexo Jamari (ortognaisse tonalítico, quartzo-diorito, gnaisse
calcissilicático e micaxisto) do paleoproterozoico e as sedimentares do Grupo Alto
Tapajós (arenitos, siltitos e calcários).
4.4 TIPOS DE SOLO

A distribuição das variedades dos solos na bacia do rio Madeira está na Figura
4.6.
101
Figura 4.6 – Mapa de solos da bacia do rio Madeira
102
Na área da bacia apresenta os seguintes grupos de solos: (AD) Solos Aluviais
Distróficos, (CD) Cambissolos Distróficos, (CE) Cambissolos Eutróficos, (ED)
Regossolos Distróficos, (GD) Solos Glei Distróficos, (ID) Solos Concrecionários
Distróficos, (LAD) Latossolos Amarelos Distróficos, (LAE) Latossolos Amarelos
Eutróficos, (LLD) Latossolos Vermelho-Amarelos Distróficos, (LVD) Latossolos
Vermelho-Escuros Distróficos, (LVE) Latossolos Vermelho-Escuros Eutróficos, (PAD)
Podzólicos Amarelos Distróficos, (PD) Podzólicos VermelhoAmarelos Distróficos, (RD)
Solos Litólicos Distróficos, (RE) Solos Litólicos Eutróficos, (PE) Podzólicos Vermelho-
Amarelos Eutróficos (IBGE, 2007).
Devido à diversidade litológica e do relevo, os solos da bacia do rio Madeira
possuem consideráveis distinções morfológicas, físicas, químicas e mineralógicas.
Contudo, no mapa dos tipos de solos da bacia do rio Madeira mostra uma certa
predominância dos solos do tipo argissolo, latossolos, regossolos e gleissolos.
▪ Regossolos (E): IBGE (2007) descrevem esse solo como sendo pouco profundo,
com seqüência de horizontes A, C e R. Possuem textura arenosa e cascalhenta,
com uma considerável quantidade de minerais primários suscetíveis ao
intemperísmo. O horizonte A é fracamente desenvolvido com baixos teores de
matéria orgânica. Os autores ainda destacam que esse tipo de solo ocorre
normalmente associado às paisagens de cambissolos e litossolos.
▪ Gleissolos (G) – Segundo IBGE (2007), são solos hidromórficos que possuem o
horizonte A superficial e com coloração preta. Em suas camadas superficiais, que
podem variar de 10 a 30 cm, apresenta consideráveis teores de matéria orgânica.
As sucessivas oscilações do lençol freático ocasionam oxi-redução responsáveis
pelo aparecimento das cores acinzentadas, com mosqueados amarelados e
avermelhados a partir da base do horizonte A ou H.
▪ Latossolos Amarelos (LA) - esses solos são altamente intemperizados, com
características físicas adequadas ao uso agrícola, porém com fortes restrições
nutricionais. São bastante uniformes em termos de cor, textura e estrutura e bem
drenados. Possuem horizontes superficiais bem coesos.
▪ Latossolos Vermelho-Amarelos (LL) - Possuem teores de sesquióxido de ferro
(Fe2O3) entre 7% e 11% (IBGE, 2007). Na medida em que se tornam mais
avermelhados, os teores de hematita aumentam.
103
▪ Latossolos Vermelho-Escuros (LV) – São constituídos a partir de uma grande
diversidade de materiais de origem. Denominam-se latossolos vermelho-escuros
aqueles que possuem teores de ferro, obtidos pelo ataque sulfúrico, entre 8 e 18%.
Desenvolvem-se a partir de arenitos, calcários, gnaisses e mesmo de materiais
retrabalhados e pré-intemperizados referentes à cobertura detrito-laterítica, entre
outros materiais. Segundo IBGE (2007), destaca-se ainda que esses solos são de
fertilidade e textura muito variadas, sendo encontrados solos distróficos, álicos e
eutróficos e de textura que vai de franco arenosa a muito argilosa, constituindo-
se, pois, em uma classe relativamente heterogênea nesses aspectos.
4.5 USO E OCUPAÇÃO DA TERRA

Grande parte da área da bacia encontra-se situada na região denominada de arco
do desmatamento (Figura 4.7), onde a fronteira agrícola avança em direção à floresta e
também onde se encontram os maiores índices de desmatamento da Amazônia, com mais
de 650.000 km², cujos limites se estendem do sudeste do estado do Maranhão, ao norte
do Tocantins, sul do Pará, norte de Mato Grosso, Rondônia, sul do Amazonas e sudeste
do estado do Acre (Ferreira et al., 2005).
104
Figura 4.7 – Mapa de localização do arco do desflorestamento até 2011
Fonte: IPAM (2014).
105
O crescimento desse fenômeno está associado, conforme Geinst e Lambin, (2002),
aos processos de colonização, tanto planejados, quanto espontâneos, dos agricultores.
No caso específico da Amazônia brasileira, uma das principais causas do
desmatamento tem sido a substituição da floresta tropical em áreas de pastagem para
apropriação por parte da pecuária. A principal prática de conversão consiste na derrubada
e na queima, que deixa o solo exposto e propenso a processos erosivos (Kauffman et al.,
1995; Markewitz et al., 2001).
Segundo o MMA (2006), o desflorestamento (retirada da floresta em pé) vem
sendo desenvolvido a taxas bastante elevadas na Amazônia, sendo esse aumento
motivado, principalmente pelas queimadas, muitas delas irregulares, visando a
implantação de projetos agropastoris e/ou a extração ilegal de madeira.
O ápice da conversão das áreas florestadas em regiões antropizadas foi o período
1971-1991 com um quantitativo de 28,4%, que se iniciou com a viabilização e subsídios
dados pelo Governo Federal para a ocupação de terras na região através de expansão
pioneira, onde as políticas de ocupação procuraram combinar empreendimentos de
exploração econômica com estratégias geopolíticas (MMA, 2006).
Na configuração atual, n bacia, as principais atividades humanas quanto ao uso e
ocupação do solo são: a) agricultura comercial e de subsistência; b) extrativismo vegetal
e animal (pesca especialmente); c) extrativismo mineral (garimpos) e a mineração
empresarial, incluindo gás e petróleo; d) pecuária extensiva (principalmente) e intensiva;
e) indústria de transformação (porém de pouca representatividade espacial) (MMA,
2006).
O uso e ocupação do solo da região da bacia do rio Madeira até o ano de 2014,
fruto do trabalho de Almeida (2016), está exibido na Figura 4.8. É possível verificar que
a maior parte da área da bacia possui floresta, contudo é perceptível a conversão da
mesma em pasto.
106
Figura 4.8 – Uso e ocupação do solo na Bacia do rio Madeira
Fonte: Almeida (2016).
107
No que tange a essa temática, os trabalhos de Veiga et al. (1996) e Pedlowsky et
al. (1999) relataram que esse fenômeno de “pecuarização” é explicado pela valorização
da terra com a implantação da pastagem, pela segurança que o gado representa em termos
de investimento familiar e ainda pela estabilidade do preço da carne no mercado.
No que tange à agricultura, MMA (2006) explicita que essas atividades têm
fundamentalmente características comerciais e de subsistência em parcelas praticamente
iguais e que, geralmente, acontecem em associação com atividades de pecuária e
localizada em terrenos oriundos de processos de colonização e/ou assentamentos,
podendo também estar vinculadas a áreas de garimpo ou ainda de extrativismo (vegetal e
pesca) e/ou extração de madeira.
As atividades de mineração ocorrem de dois modos: como garimpos, em geral
irregulares, e como ação de empresas formais de mineração, sendo as variedades minerais
bem diversas, destacando-se mais fortemente o ouro, a bauxita, o estanho e a associação
manganês+cromo (MMA, 2006).
Os estudos de zoneamento socioeconômicoe ecológico da região da bacia,
sumarizados na Figura 4.8, mostram uma grande presença de áreas frágeis na região da
bacia do Madeira, que comparadas com a Figura 4.9, sobrepõem-se às áreas de pastagem.
.
108
Figura 4.9 - Zoneamento Sócio Econômico Ecológico da região Amazônica
Fonte: MMA (2018).
109
4.6 DESMATAMENTO E SEUS IMPACTOS NA HIDROLOGIA
O desmatamento e as mudanças climáticas podem prejudicar severamente o
funcionamento da Amazônia como ecossistema florestal, resultando na perda da
biodiversidade, redução da capacidade de reter carbono, enfraquecimento do ciclo
hidrológico regional, aumento da temperatura do solo e, eventualmente, conduzindo a
Amazônia a um processo gradual de savanização (Marengo e Betts, 2011).
Vários estudos buscam relações entre as mudanças de cobertura da terra e seus
efeitos sobre as variáveis hidrológicas, tais como Pielke (2005), Zemp et al. (2017), Le
Page (2017), Schielein, e Börner (2018), entre outros.
Para algumas regiões de subbacias do rio Madeira, tem-se o estudo de Khanna et
al. (2017), que mostrou um dipolo que se intensificou e o associou com o desmatamento
na região. O trabalho de Santos e Buchman (2010) também aborda um notável decréscimo
nos valores médios decadais da precipitação ao analisarem os impactos da ação antrópica
na região central de Rondônia, utilizando para tal uma série histórica de chuvas nos
períodos de 1951 a 2008.
Contudo o fator de escala encontrou-se muito associado aos efeitos que são
observados da mudanças na Amazônia, pois Chambers e Artaxo (2017) teorizam que os
fragmentos de desmatamento em pequena escala (aproximadamente 1 km de tamanho)
distribuídos ao longo da bacia, podem não ser grandes o suficiente para perturbar
significativamente os ciclos climáticos e que as interferências sejam geradas pelas
heterogeneidades da cobertura da terra, os quais aquecem de forma diferente a superfície,
iniciando circulações térmicas ou convectivas superficiais que aumentam a nebulosidade
local e, em alguns casos, alteram a precipitação.
Complementarmente, outra perspectiva pode ser empregada nesse contexto de
análise, ou seja, o conceito de bacias hidrográficas com efeitos de borda, as quais
abrangeriam áreas com vegetação totalmente fragmentada e em estado avançado de
modificações antrópicas. Sob o prisma de explorar futuros cenários, pode-se conjecturar
e mostrar os efeitos do desmatamento nos recursos hídricos da região. Adicionalmente,
pode oferecer indicativos para a criação de um sistema de Alerta precoce para detectar
qualquer perda irreversível iminente de serviços ecossistêmicos da Amazônia em
combinação com o conceito de zonas críticas, permitindo desenvolver e estabelecer
estratégias de resposta por meio de políticas públicas para prevenir tal perda de
biodiversidade (Kruijt et al., 2014).
110
Entre outras razões, a escolha da bacia do Madeira para realização da presente
pesquisa, deu-se pelo fato de que estudo anterior (Souza, 2015) realizado em uma sub-
bacia da região, no que concerne à produção hidrossedimentológica em conjunto com
análises de desmatamento e de potenciais mudanças hidroclimáticas em função do uso do
solo. Mais especificamente, o trabalho foi conduzido na sub-bacia do rio Machadinho,
onde foram avaliadas as mudanças na cobertura da terra e analisada a interferência dessas
mudanças sobre a dinâmica local do ciclo hidrológico (vazão, chuva e evapotranspiração)
por meio do uso do modelo SWAT (Soil and Water Assessment Tool).
Nessa análise, isolando-se a influência dos fatores climáticos nas simulações de
configurações históricas de cobertura da terra, verificou-se o impacto das transformações
antrópicas nas descargas líquidas da bacia estudada. Observou-se uma relação
diretamente proporcional entre o aumento de vazão frente à conversão da mata nativa em
pastagem e em meio urbano, dado que o cenário de cobertura da terra do ano de 1984,
que possuía cerca de 97% da área formada por florestas, apresentou um hidrograma
menos acentuado que os demais anos, que tiveram grandes reduções de floresta. Além
disso, em 1984, a produção de sedimentos foi reduzida e suavizada sem gerar grandes
picos anuais decorrentes de eventos de precipitação mais extremos.
Além disso, verificaram-se tendências de redução da magnitude da chuva no
período chuvoso, enquanto a evapotranspiração também tendeu a reduzir nesse período e
a se intensificar nos períodos mais quentes e secos. Caso continue essa transformação de
floresta em pastos e núcleos urbanos na bacia, a bacia terá reduzido o seu quantitativo de
água. Dessa forma, pensando-se de uma forma mais global, se todos os contribuintes da
bacia amazônica se comportarem da mesma forma, a região poderá, no futuro, presenciar
alterações nos padrões de comportamento de variáveis hidrológicas fundamentais,
sobretudo com chuvas mais escassas e menor disponibilidade hídrica.
A bacia hidrográfica do rio Machadinho, abrangendo uma área com extensão de
5.485,41 km², é sub-bacia do rio Madeira e localiza-se no estado de Rondônia, Amazônia
Ocidental (Figura 4.10).
111
Figura 4.10 – Mapa de localização da bacia hidrográfica do rio Machadinho.
112
Essa bacia ilustra as principais transformações observadas nas últimas décadas na
região. A ocupação dessa bacia ocorreu em dois processos de colonização distintos, que
não respeitaram as diretrizes da legislação ambiental do Brasil quanto a manutenção de
áreas ripárias (Gomes, 2009). O primeiro processo foi incentivado por meio de projetos
de colonização implantados pelo Instituto Nacional de Colonização e Reforma Agrária
(INCRA), enquanto o segundo foi precedido por estudos prévios de pedologia, topografia
e delimitação de lotes agrícolas acompanhando a topografia do terreno.
As ações de intensa antropização ocorridas nas últimas décadas na bacia do rio
Machadinho resultaram na conversão de extensas áreas de florestas em campos
destinados às atividades agropastoris, que ocasionaram consideráveis impactos nos
corpos hídricos, visto que tais ações desconstruíram áreas de grande importância como as
regiões ripárias (Pedlowski et al., 1997; Roberts et al., 2002; Soler e Verburg, 2010), que
são consideradas áreas de proteção permanente na legislação ambiental do Brasil. Os
principais passivos ambientais são notados com a intensificação dos processos erosivos,
assoreamento de cursos de água e degradação da qualidade dos solos e das águas (Roberts
et al., 2002).
O processo de ocupação nessa área também produziu, na paisagem dessa região,
mosaicos com regularidade dos perímetros bastante variada, o que deixou fragmentos
isolados de vegetação natural, rodeados por um ecossistema distinto do original, o que
acaba por gerar, nessa bacia, um processo denominado de efeito de borda, sendo este
responsável por alterar a estrutura hidro-climática da região, como modificações de
temperatura, de velocidade e turbulência do vento, de umidade relativa do ar, bem como
de umidade do solo (Arroyo-Rodríguez, 2008).
Contudo, em tal área, são poucos os estudos que tentam tratar essas modificações
quantitativamente no que concerne ao ciclo hidrológico nessa região. Na literatura, um
dos poucos exemplos são os estudos de Gomes (2009) e Souza (2015). O primeiro
concentrou-se em relacionar a ocupação de forma qualitativa com processos
geomorfológicos da bacia. Já o segundo estudo debruçou-se sobre a quantificação
hidrossedimentológica perfazendo um paralelo histórico em relação ao primeiro estudo.
Assim, observa-se uma lacuna na literatura que demonstre os efeitos do
desmatamento da região no ciclo hidrológico e seu efeito de borda em uma forma mais
integrada, correlacionando com as modificações na precipitação, na evapotranspiração e
na vazão. Nesses termos, o uso de modelos hidrológicos aliados aos dados de
sensoriamento remoto permite avaliar os impactos e predizer como diferentes formas de
113
manejo de uma bacia agrícola influenciam a qualidade da água, a produção de sedimentos
e o carreamento de cargas de poluentes.
A seguir, são exploradas, em maior profundidade, as análises e os resultados

encontrados na sub-bacia do Machadinho.
- Desenvolvimento dos produtos de cobertura da terra com base em imagens do satélite

Landsat
O histórico da cobertura da terra foi desenvolvido com base em imagens do sensor
Landsat5-TM, na escala espacial de píxel de 30 m, que apresentavam baixa presença de
nuvens, para classificação supervisionada de três (3) períodos de tempo selecionados de
1984, 1997 e 2011. Apresentam-se os resultados da evolução observada na Figura 4.11,
onde foram estabelecidas as seguintes classes: (1) área urbana; (2) água; (3) pastagem;
(4) floresta de terra firme; e (5) floresta propensa a inundação.
Tabela 4.1 – Proporção das classes cobertura da terra da bacia do rio Machadinho nos
anos de 1984, 1997 e 2011.
Área (%)
Classe de cobertura da terra
1984 1997 2011
Área urbana 0,00 0,11 0,67
Pastagem 2,60 22,00 45,89
Água 0,25 0,14 0,11
Floresta de terra firme 96,07 76,79 52,36
Floresta propensa a inundação 1,06 0,956 0,95
114
Figura 4.11 – Mudanças na cobertura da terra da bacia do rio Machadinho.
115
Ao longo da série histórica analisada, nota-se que a bacia hidrográfica sofreu
intensas modificações. Para o ano de 1984, observou-se uma escassa ocupação humana
na área, devido ao início da implantação dos projetos de assentamento na região. Nessa
ocasião, a proporção de áreas naturais sobrepujava, em grandes dimensões, as que
sofreram modificações humanas, sendo possível considerar que praticamente inexistiam
interferências nos processos hidrológicos dada a escala de ocupação quase nula nesse ano.
O ano de 1997, no entanto, presenciou um aumento em aproximadamente 746%
nas áreas de pastagem em relação aos 13 anos anteriores, o que determinou a sua presença
com percentual de 22% da área total da bacia. A área urbana também sofreu um aumento
expressivo de 41% em contraste com 1984, todavia sua área de predominância na bacia
significou menos que 1%, mostrando, assim, que a ocupação desse território se deu
principalmente movido pelos processos da pecuária.
Dos anos analisados, 2011 constituiu-se como o mais crítico em relação à
interferência humana na área da bacia do rio Machadinho. O aporte de pastagem e área
urbana constituíram, respectivamente, um quantitativo próximo de 46 % e de 0,7 % da
área da localidade, sendo esses percentuais bem superiores em relação aos obtidos para
os demais anos analisados. A vegetação sofreu, nesse período, uma redução para pouco
mais de 50 % da área total da bacia. Assim, em relação aos anos de 1984 e 1997, as
modificações na produção de vazão e sedimentos na bacia atingiram, em 2011, o ápice
face aos cenários aqui analisados.
Através da análise dos dados de cobertura da terra, é possível observar que a maior
porcentagem de supressão da vegetação natural deu-se nas florestas de terra firme, as
quais são compostas por vegetações sem incidências de alagamento em qualquer período
anual, formadas basicamente por floresta ombrófila aberta das terras baixas e floresta
ombrófila densa submontana. Por outro lado, a vegetação propensa à inundação, que
sofreu uma menor conversão em pastagem, é constituída pela floresta ombrófila aberta
aluvial.
A classe área urbanizada ocorre em uma pequena parte da bacia, correspondendo
ao perímetro urbano do município de Machadinho d’Oeste. Essa classe é pouco
representativa, como dito anteriormente, mas vem apresentando um crescimento
acentuado com o passar dos anos. Esse fato pode ser atribuído ao crescimento
populacional, pois, conforme dados do IBGE (2014), no início de sua criação, o núcleo
urbano desse município compunha um quantitativo de 2.934 indivíduos quando era
apenas um assentamento; já em 1996, depois de 8 anos de sua elevação para a categoria
116
de município, esse número era de 27.642 habitantes, e, no ano de 2010, o total era de
31.135 pessoas, o que denota, assim, a mudança de parte da população rural para áreas
urbanas, visto que o crescimento de área urbana construída superou a proporção de
acréscimo populacional em todo o território do município.
O fator de classe antropogênico de maior magnitude, a pastagem, apresentou, ao
longo dos anos, um crescimento desordenado, onde não se respeitaram os corpos de água,
como indicado na Figura 8.2, com exceção da foz da bacia, que mostrou poucas
mudanças, tendo a permanência de grande parte da mata original registrada até o ano mais
recente analisado nesta pesquisa.
- Utilização do modelo hidrológico Soil and Water Assessment Tool – SWAT para gerar
e observar tendências nos dados de vazão
A vazão foi tratada como uma resposta pontual no exutório da bacia, visto que,
em tal bacia, não existem pluviômetros suficientes para tratar a modelagem hidrológica
de forma distribuída. Assim, para determinar como a ocupação antrópica influenciou o
comportamento da vazão, utilizou-se o modelo hidrológico Soil and Water Assessment
Tool - SWAT. A sensibilidade dessa variável foi aferida para um período de 5 anos em
cada cenário histórico de cobertura da terra da bacia empregado no estudo.
O modelo teve como entrada: modelo digital de elevação hidrologicamente
consistente (MDHC); solos; uso/manejo do solo; delimitação da bacia hidrográfica; e
dados climáticos.
O modelo digital da bacia hidrográfica do rio Machadinho foi gerado através de
imagens O HydroSHEDS (Hydrological data and maps based on SHuttle Elevation
Derivatives at multiple Scales) com resolução de 30 m, disponíveis no sítio da National
Aeronautics and Space Administration (NASA).
O SWAT requer uma série de dados acerca das características físicas dos solos e
cobertura da terra para poder realizar as simulações hidrológicas. Dessa forma,
parâmetros que descrevem o solo da região foram obtidos nos estudos de ZSEE (2007) e
Baldissera (2005). Já a descrição da cobertura terrestre utilizou as mesmas imagens
construídas para verificar a cobertura da terra da bacia.
O delineamento da área na bacia do rio Machadinho foi realizado mediante o
correspondente MDEHC para a divisão das suas sub-bacias. Procede-se automaticamente
pelo acionamento do modelo SWAT nos pontos de confluência de linha de água, que
117
delimitam, então, as sub-bacias a partir do MDEHC e da malha hidrográfica. Esse
procedimento gerou um total de 31unidades de resposta hidrológica (hydrologic response
units - HRU’s).
Segundo a mesma diretriz, os dados climatológicos foram obtidos para o período
temporal analisado. Para aplicação do modelo SWAT, como expresso anteriormente, são
necessários dados climatológicos diários e mensais. As séries históricas diárias
necessárias são para precipitação (mm), temperatura máxima e mínima (°C), radiação
solar (MJ.m-2.dia-1), umidade relativa do ar (%) e velocidade do vento (m.s-1). Tais séries
diárias foram obtidas por meio de base de dados semelhantes em termos de sua formação
e por meio da mesma metodologia utilizada por Vu, Raghava e Liong (2011) na região
do Vietnã, por Lu et al. (2010) na América do Norte e por Souza (2015) na porção da
região amazônica brasileira. Tal metodologia consiste na criação de estações
climatológicas virtuais para os dados do Global Precipitation Climatology Project
(GPCP).
As influências dos sistemas climáticos na vazão produzida face aos cenários de
cobertura da terra analisados foram suprimidas, assumindo-se que o comportamento
climático seguiu, de forma similar, o padrão de comportamento climático utilizado no
procedimento de simulação mediante o qual se calibrou e validou o modelo. Em outras
palavras, as condições climáticas impostas nessas simulações foram as mesmas do ano de
1997, sendo tal ano selecionado também por possuir a maior quantidade de dados sem
falhas na série histórica da vazão.
Para determinar os parâmetros com vistas à simulação dos cenários, simularam-
se, primeiramente, os anos de 1995 a 2000, sendo utilizado, como período de aquecimento
do modelo, o ano de 1995, excluindo-o, então, dos passos seguintes de calibração e
validação da vazão, que foram executados, respectivamente, para os intervalos de 1996 a
1998 e 1999 a 2000. A série histórica de vazão empregada nesses processos correspondeu
à estação de código de cadastro 15575000, operada pela CPRM, com coordenadas de
localização 09°20’50” S e 61°56’5” O.
Na calibração e na validação, utilizou-se o código computacional SWAT-CU,
utilizando-se, como métricas de avaliação do desempenho, o coeficiente de determinação
(r²) e o coeficiente de eficiência de Nash e Sutcliffe (COE). A metodologia de calibração
utilizada foi baseada na teoria de otimização por enxame de partículas (PSO) (Kennedy
e Eberhart, 1995). Os parâmetros de busca empregados no procedimento foram de 10000
simulações com 10 interações cada, sendo de 0,1 o limiar comportamental onde as
118
soluções são coletadas para construir a incerteza do modelo e de 0,5 o peso no cálculo da
velocidade.
Os resultados da calibração e da validação da modelagem da vazão podem ser
visualizados no diagrama de dispersão dos dados na Figura 4.12.
a) b)
Figura 4.12 – Diagrama de dispersão dos dados de vazão: a) após a calibração; b) após
a validação.
O r² da calibração de vazão foi de 0,8077 e o COE de 0,8055, valores bem acima

do que estipula Green e Van Griensven (2008) para que a simulação pelo SWAT seja
considerada satisfatória. Como o COE apresentou-se maior que 0,75, o desempenho foi
enquadrado no grupo de muito boa representatividade do modelo segundo os intervalos
de classificação estabelecidos por Krysanova et al. (1998). Destaca-se, ainda, que, nesse
ajustamento, conseguiu-se que mais de 80% da variabilidade dos dados estimados pelo
SWAT fossem explicados pelos dados medidos.
Na Figura 4.13, estão os comportamentos da vazão simulada e da vazão observada
conjuntamente com a chuva na bacia hidrográfica do rio Machadinho. Como se pode
notar, o modelo produziu uma transição mais suave aos eventos máximos e mínimos do
que os dados observados, sendo que os picos mais acentuados foram gerados de forma
quase instantânea com os eventos pluviométricos mais elevados, evidenciando, assim,
que não houve atrasos da transformação de lâmina de água precipitada em vazão. O
modelo SWAT, em boa parte, conseguiu predizer, após a calibração, os eventos mínimos,
pois essas estimativas são praticamente iguais aos dados reais. Portanto, o modelo SWAT
foi mais assertivo e robusto na ausência de fenômenos de precipitação extrema. Dessa
119
forma, o modelo pode ser melhor utilizado para casos em que a vazão seja produzida por
chuvas médias de maior tempo de recorrência.
a) b)
Figura 4.13 – Vazão medida e vazão simulada pelo SWAT: a) após a calibração; b) após
a validação.
No processo de validação, os coeficientes r² e COE apresentaram, respectivamente,

os valores de 0,722 e 0,544, magnitudes menores do que o processo de calibração. Por
outro lado, esses indicadores confirmaram uma modelagem eficiente e satisfatória
(Krysanova et al., 1998; Green; Van Griensven, 2008).
Essa boa relação dos dados simulados com os dados calibrados pode ser percebida,
também, na Figura 8.3, onde a linha de tendência desses dados indica inclinação muito
próxima do comportamento ideal que seria a forma linear 1:1.
O comportamento da vazão simulada novamente seguiu a mesma característica do
processo de calibração, ou seja, transição mais suave com menores picos do que os dados
reais e respostas mais rápidas a eventos de chuva extrema. Todavia essa piora constatada
na relação dos dados medidos em contraste com os simulados pode ser devida aos
declínios nos valores dos picos, que foram muito menos acentuados na validação do que
na calibração, indicando que, embora o modelo forneça boa representatividade, o mesmo
não consegue descrever totalmente a realidade da região.
Na Figura 4.14, encontram-se os hidrogramas acumulados dos dados observados
e das simulações dos cenários de cobertura da terra dos anos de 1984, 1997 e 2011,
valendo frisar que todos os cenários possuíam as mesmas condições climáticas.
120
Figura 4.14 – Hidrogramas acumulados para os cenários simulados.
Como se observa na Figura 5, a cobertura da terra é um fator de suma importância

na produção de vazão, visto que uma bacia mais próxima do seu estado natural, como no
ano de 1984, possuiu um hidrograma menos acentuado que os demais, ou seja, a grande
presença de floresta fez com que a vazão fosse reduzida, o que aumenta, assim, a
infiltração no solo. Por outro lado, quando a floresta é removida, nota-se a ocorrência da
elevação no escoamento, sendo tal aumento diretamente proporcional à taxa de conversão
de matas nativas em áreas antropogênicas.
Fato idêntico a esse foi observado no trabalho de Linhares (2005), na bacia do rio
Ji-Paraná, do qual a área de estudo faz parte. A autora constatou que a resposta hidrológica
e as taxas de incremento de deflúvio mostraram-se associadas à dinâmica das taxas de
desflorestamento anuais na bacia do rio Ji-Paraná, indicando que a remoção da floresta
gera uma resposta rápida nos valores de escoamento superficial e lateral devido à
diminuição dos processos de interceptação e de infiltração após a remoção da floresta.
Pode-se abstrair, ainda, que as mudanças na cobertura da terra da bacia do rio
Machinho não representam características sustentáveis, logo a bacia reage com uma
maior produção de vazão. Tal afirmativa é sumamente preocupante, pois o aumento
exacerbado nas taxas de vazão poderá gerar enchentes, trazendo riscos a populações
urbanas e rurais do entorno dos corpos hídricos.
Vale ressaltar que a alta sensibilidade de mudanças de vazão e de sedimentos em
relação à configuração de cobertura da terra na bacia estudada, por meio do modelo
121
SWAT, pode ter sido influenciada pelo seu tamanho. Há conjecturas de que a hidrologia
local pode ser influenciada por fenômenos em escalas maiores. A despeito disso,
encontra-se a discussão levantada por Arancibia (2013), que relata que bacias com área
menor do que 500 km² sofrem impactos hidrológicos pelo uso da terra, com fácil
detecção. Na mesoescala, que abrange bacias entre 500 e 10.000 km², os impactos são,
por vezes, detectados. Por outro lado, em escalas maiores do que 10.000 km², não existiria
significativa influência de mudanças na cobertura e uso do solo no comportamento
hidrológico das correspondentes bacias.
No caso das grandes bacias na Amazônia, Rodriguez et al. (2010) comentam que
impactos hidrológicos provenientes da mudança da cobertura da terra possuem um maior
tempo de defasagem em bacias com maiores áreas, tornando-se assim de difícil detecção.
Essa constatação sugere que a relação de mudança do solo com impactos possui
comportamento não linear com o tempo. Logo, ao se suprimir parte da vegetação e
convertê-la em outro tipo de cobertura de terra, o ciclo hidrológico dessa região poderá
ser afetado somente anos após essas ações.
- Verificação de padrões de fluxo de mudanças no ciclo hidrológico

As informações de precipitação e de evapotranspiração foram tratadas como dados
contínuos espacialmente distribuídos da bacia hidrográfica. Dessa forma, essas
informações tiveram a quantificação da influência nos processos relacionados às
mudanças na cobertura da terra da bacia determinada pelas tendências de evolução que
essas variáveis sofreram ao longo de suas séries históricas, sendo analisadas por meio do
emprego de valores acumulados mensais e agrupados em meses.
Os dados de precipitação utilizados na aplicação dessa metodologia foram obtidos
por meio de imagens do produto CHIRPS, disponibilizado pelo Climate Hazards Group
(CHG, http://chg.geog.ucsb.edu/data/chirps/), e validados para uso na região amazônica
pelo trabalho de Correa et al. (2017). Tal conjunto de dados abrange uma cobertura
espacial quase global, latitudes entre 50°S e 50°N, em formato de acumulado diário e por
um período superior a 30 anos (iniciando em 1981), com resolução espacial variando de
0,25 a 0,05°. O produto utiliza-se de informações do Tropical Rainfall Measuring Mission
Multi-satellite Precipitation Analysis version 7 (TMPA 3B42 v7) para calibrar
estimativas de precipitação obtidos pela técnica Cold Cloud Duration (CCD) combinados
aos dados de superfície, na escala diária (Funk et al., 2015; Dinku, 2018).
Complementarmente, o CHIRPS incorpora, em sua formulação, uma abordagem
122
inteligente de interpolação de dados com informações de estações pluviométricas in situ
para criar séries temporais.
Além disso, outro fator que viabilizou o uso dessa fonte de dados em vez de fontes
de geoprocessamento como imagens TRMM ou informações providas do radar
meteorológico instalado no estado e operado pelo Sistema de Proteção da Amazônia
(SIPAM) foi devido ao fato de conter dados de períodos mais antigos do que essas outras
fontes citadas. Por exemplo, as imagens TRMM encontram-se disponíveis após o ano de
1999, enquanto os radares do Sipam foram instalados em 2003 no estado de Rondônia,
cobrindo uma área máxima de varredura de até 400 km de raio, o que não compreende
todo o território do estado.
Os dados de evapotranspiração foram obtidos pelo Operational Simplified Surface
Energy Balance (SSEBop), desenvolvido por Senay et al. (2013). Essa série de dados
geoespaciais, que comporta o período de 2002 a 2017, apresentou boa precisão na
determinação da evapotranspiração real nos locais testados globalmente (Senay et al.,
2007) e especificamente para a região amazônica, onde o estudo de Senay et al. (2014)
encontrou uma boa relação com dados medidos.
As alterações estatisticamente significativas nas tendências temporais nas séries
históricas de chuvas e evapotranspiração na bacia foram determinadas utilizando-se o
teste de Mann-Kendall (Mann, 1945; Kendall, 1975), o qual é um método robusto,
sequencial e não paramétrico, não requerendo, assim, a distribuição normal dos dados.
Tal método é pouco influenciado por mudanças abruptas ou séries não homogêneas, mas
exige que os dados sejam independentes e aleatórios (Neeti e Eastman, 2011). Os detalhes
deste teste estão no item 3.2.1.4 desta obra.
As tendências das magnitudes dos acumulados mensais da precipitação e da
evapotranspiração, obtidos através do teste Mann-Kendal no nível de confiança de 95%,
estão na Figura 8.14. Na imagem, as intensidades mais próximas do azul indicam uma
alta tendência positiva, ou seja, crescimento do fenômeno no período observado,
enquanto o tom avermelhado denota que se observou uma redução na magnitude.
123
Figura 8.14 – Análise de tendência para a bacia do rio Machadinho – a) precipitação no
período de 1981 a 2017; b) evapotranspiração no período 2002 a 2017.
124
A precipitação na bacia teve sua tendência variando no intervalo de -0,4 a 0,4 entre
o período de 1981 a 2017. Logo, observaram-se zonas com redução e aumento de 40%
nos acumulados mensais. Estratificando essas análises por mês, verificou-se que os meses
de maior intensidade de chuva na região (novembro, dezembro e janeiro) juntamente com
os meses de transição da estação chuvosa para seca (março e abril), foram os que tiveram
os maiores impactos de redução, principalmente para a área de nascente da bacia, que é
um dos locais onde houve maior conversão de floresta em pasto.
Mudanças na cobertura da terra modificam o balanço de energia da superfície
terrestre. Superfícies florestadas são mais escuras. Assim, possuem maiores taxas de
evapotranspiração em comparação com superfícies cobertas por vegetação rasteira. A
substituição de áreas de floresta por agricultura/pastagem gera aumento na superfície de
solo, redução na área foliar, redução na profundidade do enraizamento e a redução na
rugosidade da superfície (Swann, 2015). A redução da área foliar, bem como de raízes
profundas leva a diminuição da evapotranspiração e, necessariamente, a um aumento no
fluxo de calor sensível, fatores que contribuem para o aquecimento da superfície e
reduções na precipitação (Swann, 2015).
Em relação à evapotranspiração, verificou-se que o intervalo de tendência foi de -
0,8 a 0,8 entre os anos de 2002 a 2017. Essas maiores intensidades no que tange à
precipitação, deveu-se à quantidade de anos analisados ser menor e coincidir com o
período em que se presenciaram as maiores mudanças no solo e, consequentemente, a
maiores reduções de florestas, pois, como é notado na análise de cobertura da terra para
a bacia, a maior taxa de retirada de floresta deu-se de 1997 a 2011.
Nessa série histórica, observa-se um píxel discrepante, que possui sua localização
na zona urbana da cidade, o que pode denotar que a base de dados utilizada possui um
sinal de interferência em núcleos urbanos circundados com floresta.
O comportamento da evapotranspiração possui uma divisão em dois períodos,
incluindo aumento (junho a outubro) e redução (novembro a maio). Assim, em meses
mais secos, caracterizaram-se aumentos da evapotranspiração, enquanto, nos meses mais
chuvosos, intensifica-se a redução da variável climática.
Analisando o comportamento hidrológico em conjunto, fica nítido que a supressão
da floresta na bacia intensifica a vazão presente por reduzir a capacidade de infiltração
do solo e por reduzir a evapotranspiração durante esse período mais chuvoso. Todavia os
meses mais secos tenderam a manter a quantidade de água, o que indica uma possível
retirada da água armazenada no solo.
125
CAPÍTULO 5 - RESULTADOS E DISCUSSÃO
Neste capítulo são apresentados e discutidos os resultados obtidos durante o

desenvolvimento da pesquisa. No item 5.1, é discutida a capacidade da rede pluviométrica
na bacia em espacializar a chuva. No item seguinte são apresentadas as avaliações dos
dados de sensoriamento remoto quanto à representatividade de magnitude, presença de
ciclos e acertos de ocorrência de eventos. A seção 5.3 é dedicada à capacidade dos dados
de sensoriamento remoto em descrever séries históricas de eventos extremos. No tópico
subsequente, são apresentados os eventos extremos na bacia, as maiores magnitudes, anos
de ocorrência, períodos de retorno e tendências. Por fim, no último tópico serão mostradas
evidências da relação entre as tendências climáticas em relação ao histórico das mudanças
na cobertura e uso da terra.
5.1 GEOESPALIZAÇÃO DE ESTAÇÕES PLUVIOMÉTRICAS

O passo inicial da análise consistiu na interpolação do acumulado mensal da série
histórica de chuva do ano de 2011. Dentre todos os procedimentos analisados, observou-
se que o do vizinho natural (VN) (Figura 5.3) não foi capaz de representar toda a área de
estudo devido ao fato de que a distribuição espacial das estações pluviométricas não
conseguiu abranger toda a área da bacia para esse método. Por outro lado, nas zonas de
valores interpolados, encontravam-se as estações de validação, possibilitando, assim, a
análise dos erros de interpolação.
As superfícies interpoladas geradas pelos métodos analisados (Figura 5.1, Figura,
5.2, Figura 5.3 e Figura 5.4) apresentaram diferenças significativas em magnitude,
todavia as tendências de conformação da superfície pluviométrica foram similares, ou
seja, as áreas de maiores e menores precipitações foram espacialmente semelhantes. Os
padrões de precipitação mais extremas foram observados na porção nordeste a norte-
nordeste da bacia, enquanto os menores índices foram encontrados na parte este-sudoeste
até sul-sudoeste, localização da nascente do rio principal.
126
Figura 5.1 – Chuvas mensais interpoladas pelo IDP (em mm).
Figura 5.2 – Chuvas mensais interpoladas pelo KG (em mm).
127
Figura 5.3 – Chuvas mensais interpoladas pelo VN (em mm).
Figura 5.4 – Chuvas mensais interpoladas pelo BRM (em mm).
128
Figura 5.5 – Chuvas mensais interpoladas por polígonos de Thiessen definidos com base
nas estações de treinamento da sub-bacia do rio Madeira (em mm).
Dentre os métodos analisados, o de função de base radial multiquadrada BRM

(Figura 5.4) mostrou-se o de menor eficiência, visto que gerou zonas de chuva negativa,
contrapondo-se, dessa forma, à natureza do fenômeno que não pode apresentar tais
valores. O método inverso de distância ponderada (Figura 5.1) e vizinho natural (Figura
5.3) apresentaram certas particularidades, com a geração de linhas limítrofe significativas
ao redor das estações pluviométricas utilizadas. Tal fenômeno também foi observado por
Righi e Basso (2016) para a região da bacia do rio Piratinim na bacia do Madeira. Esses
autores atribuíram tal tendência ao caráter estatístico dos métodos empregados, gerado
pela influência de cada ponto na delimitação de um raio de ação de forma similar em
todas as direções, o que possibilita a formação de círculos de influência.
Os métodos de Krigagem (KG) e o de inverso de distância ponderada (IDP)
apresentaram valores bem próximos em todos os meses, estando dentro das magnitudes
observadas pelos polígonos de Thiessen e média aritméticas, porém a interpolação do KG
em meses de transição de estações (abril e outubro) gerou campos de precipitação menos
homogêneos e isoietas menos suavizadas.
129
O procedimento dos polígonos de Thiessen (Figura 5.5) apresentou transição
espacial brusca, como era esperado pelo método que trabalha com segmentos de reta
configurados por meio de mediatrizes definidas a partir das relações lineares de variação
da chuva estabelecidas entre as estações de análise, delimitando-se, por conseguinte, as
correspondentes áreas de influência. Os meses de abril e outubro foram os mais
diferenciados em termos de distribuição pluviométrica ao longo da bacia.
As médias aritméticas mensais (Tabela 5.1) seguiram as tendências do clima da
região, que é caracterizado por precipitações mais intensas na estação chuvosa,
compreendida entre os meses de novembro a março, enquanto, na estação seca, que
abrange os meses de julho a setembro, a precipitação tem os menores valores registrados.
Entre esses períodos, é possível identificar as fases de transição, como a existente da
estação seca para a úmida e vice-versa, onde a precipitação aumenta ou reduz no decorrer
dos meses.
Tabela 5.1 – Média aritmética mensal para a bacia do rio Madeira. (ano de 2011).
Mês Média Aritmética Mês Média Aritmética
mensal (mm) mensal(mm)
Jan 323,44 Jul 17,87
Fev 334,23 Ago 34,53
Mar 277,72 Set 82,23
Abr 244,71 Out 181,90
Mai 66,68 Nov 230,80
Jun 28,27 Dez 325,47
A análise dos resíduos (Figura 5.6) ao longo dos meses mostrou que todas as
técnicas empregadas no estudo tenderam a acertar de forma mais eficiente nos meses mais
secos e com pouca pluviosidade. Por outro lado, os meses chuvosos apresentaram
resíduos de maior magnitude, principalmente dezembro e janeiro, não tendo sido
percebida, para esses dois meses, uma tendência de subestimação ou superestimação por
parte de qualquer uma das técnicas analisadas.
130
a)
b)
Continua...
131
c)
d)
Continua...
132
e)
f)
Figura 5.6 – Diagrama de resíduos mensais obtidos pelos métodos: a) média aritmética,
b) polígonos de Thiessen, c) inverso da distância ponderada, d) vizinho natural, e)
krigagem, f) de função de base radial multiquadrada.
133
Todavia, nos meses de junho, julho e agosto, houve algum grau de superestimativa
em todas os procedimentos, visto que os resíduos tenderam a ser positivos.
Cabe destacar que as menores amplitudes de resíduos foram observadas nas
técnicas de IDP e de KG, denotando, assim, que essas técnicas tenderam a errar menos
na estimativa espacial da chuva para a sub-bacia do rio Madeira. Porém a média aritmética
não teve valores muito distantes aos desses dois operadores, confirmando que, por vezes,
uma técnica de estimação mais simples pode apresentar, em determinados casos,
tendência de produzir resultados bastante similares em contraste com aqueles produzidos
por interpoladores teoricamente mais sofisticados.
No entanto, ressalta-se que, dentre todas as técnicas, o RMB apresentou
magnitudes residuais muito superiores, tanto negativamente quando positivamente para
todos os meses, quando comparadas com todas as outras técnicas, indicando que é
bastante limitado em termos de produzir um campo espacial de chuvas para a bacia
hidrográfica estudada.
Os resultados das correlações mensais das técnicas (Tabela 2) seguiram as
mesmas constatações da análise de resíduos. Os meses em que a correlação se apresentou
mais alta foram os meses de seca, chegando a ser registrado uma correlação máxima de
0,81 no mês de julho para a técnica do KG.
Tabela 5.2 – Coeficiente de correlação.

Coeficiente de correlação (r)
Mês
MA PT IDP VN KG BRM
Janeiro - -0,07 0,23 0,44 0,28 0,30
Fevereiro - 0,07 0,51 0,34 0,60 0,34
Março - 0,34 0,44 0,18 0,32 0,17
Abril - -0,10 0,16 0,26 0,44 0,14
Maio - 0,49 0,79 0,71 0,61 -0,16
Junho - 0,67 0,75 0,56 0,68 0,02
Julho - 0,69 0,71 0,34 0,81 0,08
Agosto - -0,09 0,30 0,34 0,45 -0,17
Setembro - 0,05 0,30 -0,12 0,39 -0,18
Outubro - 0,13 -0,05 0,31 -0,24 -0,40
Novembro - 0,43 0,46 0,47 0,27 0,24
Dezembro - 0,32 0,49 0,22 0,51 0,20
Os piores estimadores, segundo o parâmetro do coeficiente de correlação mensal,

foram o BRM e o PT, excluindo-se, dessa análise, a média aritmética, que, devido ao fato
134
de ser um valor constante, limita a formulação dessa medida de correlação apresentar um
resultado relevante. O IDP e o KG, em todos os meses, mostram-se superiores em relação
aos demais procedimentos, contudo, no mês de outubro, o KG apresentou uma melhor
correlação em relação ao IDP, mesmo essa sendo negativa, o que indica que a técnica
subestima o valor observado.
O efeito de correlações negativas em relação à aplicação de interpoladores e aos
eventos de chuva também foi observado no estudo de Righi e Basso (2016), onde se
observaram magnitudes de -0,81, -0,80, -0,50 e -0,16 para os interpoladores BRM, IDP,
KG e VN, respectivamente.
Os indicies de eficiência EMM, r² e d, estão na Tabela 5.3.
Tabela 5.3 - Análise da eficiência.

Método EMM r² D
MA 68,65 0,56 0,84
PT 83,31 0,46 0,79
IDP 63,64 0,63 0,87
VN 68,74 0,55 0,85
KG 62,71 0,63 0,87
BRM 144,20 0,14 0,48
O cálculo do índice de concordância possibilitou avaliar a aderência dos valores

de precipitação obtidos pelos interpoladores em comparação com os valores reais da
precipitação média para a série histórica analisada. Esse índice varia de zero (não existe
concordância) a “um” (concordância perfeita). Assim, observando os valores obtidos,
nota-se que tanto o IDP quanto o KG obtiveram os melhores resultados, ambos 0,87. Por
outro lado, a média aritmética também apresentou uma magnitude próxima de 0,84,
indicando que essa técnica é tão eficaz, no caso estudado, quanto o uso de interpoladores.
Já a metodologia BRM obteve o menor grau do índice de concordância, cerca de 0,48,
mostrando novamente o quão limitado é o uso desse interpolador na bacia.
Os valores do coeficiente de determinação (r²) seguiu a mesma lógica do índice
de concordância, destacando que, tanto para o IDP quanto para o KG, 63% na variação
dos dados dos eventos observados podem ser explicados pela variação nos dados desses
interpoladores. Em terceiro lugar, a média aritmética (MA) novamente mostrou-se
superior a outros interpoladores em predizer o valor dos postos de validação, visto que o
135
r² desse procedimento foi de 0,55, sendo ele maior que os métodos dos Polígonos de
Thiessen, do VN e do BRM.
Os valores dos erros modulares médios estiveram bem próximos para as técnicas
KG, VN, IDP e MA, que tiveram as menores magnitudes observadas. Reforça-se que a
média aritmética pode ser aplicada na bacia hidrográfica em estudo com pouco prejuízo
em relação à aplicação de técnicas mais sofisticadas de interpolação, o que pode reduzir
o custo computacional associado, por exemplo, a atividades de preenchimento de falhas
de estações pluviométricas.
O BRM obteve o maior erro modular médio, concordando, assim, com os
resultados anteriores que apontam a inadequabilidade da aplicação desse interpolador de
chuva para a sub-bacia do rio Madeira. Essa constatação vai de encontro ao levantamento
feito no trabalho de Magalhães et al. (2013) para o norte do Espirito Santo, que observou
que tal método é satisfatório para interpolação espacial da precipitação anual, com um
índice de concordância igual ao obtido pelo método de melhor desempenho do
supracitado estudo, o IDP, e um erro quadrado médio bem reduzido.
De forma geral, o KG e IDP apresentaram a maior eficiência em todos os testes
empregados no presente estudo. Os resultados similares desses interpoladores podem ser
explicados pelo fato de que ambos possuem bases conceituais semelhantes, diferindo
apenas nos pesos da interpolação espacial obtidos com base na forma do semivariograma
(MIRANDA et al., 2009). O desempenho próximo dessas duas técnicas também foi
notado no estudo de Gardiman Junior et al. (2012) para a bacia do rio Itapemirim (ES).
O método de Krigagem também é citado por Silva et al. (2011), por exemplo,
como um método padrão para interpolação de precipitação pluvial nas regiões do Espírito
Santo, apresentando índices estatístico satisfatórios.
O VN apresentou restrições espaciais de uso na bacia e não foi tão eficaz quanto
as outras metodologias, contudo Righi e Basso (2016) apontaram essa técnica como o
melhor interpolador testado para eventos pluviométricos anuais. Dessa forma, a limitação
da aplicação desse procedimento na bacia pode residir na configuração da distribuição
das estações testadas, indicando, assim, que o dimensionamento da rede pluviométrica na
sub-bacia do Madeira necessita ser revista para se tornar mais representativa.
136
5.2 ANÁLISE DOS DADOS DE PRECIPITAÇÃO ESTIMADOS POR
GEOPROCESSAMENTO PARA A BACIA DO RIO MADEIRA
5.2.1 Análise de Agrupamento
Por meio da análise de agrupamento das estações pluviométricas, mediante o
emprego de suas séries históricas mensais entre os anos de 2001 a 2015, definiu-se o
dendograma representado na Figura 5.7. Pode-se observar que o corte realizado para uma
correlação considerada forte entre as estações determinou a existência dos quatro grupos
homogêneos para a região da bacia do rio Madeira, representados graficamente por uma
coloração diferente. A sequência de agrupamentos está apresentada na forma de
dendograma, em que, no eixo das abscissas, estão as estações, enquanto, no eixo das
ordenadas, está o nível de agregação.
A distribuição das 44 estações nos cinco (5) grupos homogêneos é mostrada na
Figura 5.8, onde também se encontra o mapa hipsométrico da bacia. Nele, pode-se
observar que os grupos tiveram sua formação pautada na proximidade das estações e no
perfil de cotas de elevação.
137
Figura 5.7 – Dendgograma de agrupamento das estações pluviométrica
138
Figura 5.8 – Distribuição especial do agrupamento de estações pluviométricas
139
As precipitações médias mensais dos grupos podem ser observadas em formas de
histogramas na Figura 5.9.
Figura 5.9 – Histogramas precipitação média mensal – a) grupo 1; b) grupo 2; c) grupo

3; d) grupo 4
Para todos os grupos, observa-se que possuem sazonalidade bem definida, com
aumento da precipitação a partir de novembro e encerrando-se em março.
Nos grupos 2, 3 e 4, pode-se observar que os meses de janeiro a março são os mais
chuvosos, enquanto, no grupo 1, o mês de março destaca-se dos demais. De forma
consistente, o mês de agosto foi o que apresentou a menor pluviosidade em todos os
grupos.
O estudo de Andrade et al. (2016), quando da análise da mesma bacia utilizando
dados de 41 estações pluviométricas, numa série histórica compreendida entre 1978 e
1998, encontrou uma configuração de agrupamento similar, confirmando, assim, um certo
grau de estacionariedade nas características pluviométricas da região.
140
5.2.2 Eficiência das Fontes de Sensoriamento Remoto
As comparações de informações pluviométricas de acumulados mensais providas
de pluviômetros e dados do CHIRP, CHIRPS, 3B42 e 3B42RT para os anos de 2001 a
2015, podem ser observados na Figura 5.10.
a)
Continua...
141
b)
Continua...
142
c)
Figura 5.10 – Análises de eficiência: a) coeficiente de regressão (r2); b) erro padrão
médio (EPM); c) índice de concordância de Willmott
Analisando os valores do coeficiente de regressão para o conjunto total das séries

históricas, denota-se que os dados do CHIRPS estavam, em sua maioria, acima de 0,7.
143
Em segunda posição, de magnitudes mais elevadas do r², estavam os produtos CHIRP e
3B42, na ordem de 0,6. E a série histórica dos dados dos produtos do 3B42RT mostram-
se inferiores por apresentar quantitativos em torno de 0,5.
O estudo de Paca (2008) encontrou comportamento similar para os dados do
produto 3B42 na bacia do rio Guamá – PA, mesma região em que se insere a área de
estudo deste trabalho.
Avaliando os dados segmentados por estações climáticas, percebem-se dois fatos
interessantes: o primeiro é a grande piora dos dados de sensoriamento remoto em
corresponder às informações de pluviômetros em períodos chuvosos, e o segundo é a
grande melhora na previsão de eventos no período de seca. Tal consequência pode ser a
possibilidade da comparação do pluviômetro, que é a medida de um ponto no espaço,
com a relação do píxel do TRMM, que é uma média de uma área maior. Essa hipótese
poderia até explicar a maior representatividade do CHIRPS e CHIRP, que, quando
comparado ao TRMM, possui uma escala espacial maior.
O fator supracitado comprova a preocupação do estudo de Ali et al. (2003), que
ressalta que a intermitência da ocorrência da chuva na região amazônica induz a uma
grande variabilidade espacial, o que por si só provoca uma incerteza da medida pontual
em ser extrapolada para representar um valor de uma área.
Nesse contexto, Sodré et al. (2013) destaca a possível causa dessas discrepâncias
serem de variação sazonal de fenômenos de grande escala e de processos convectivos
locais, como o deslocamento de linhas de instabilidade. Todavia o referido autor ainda
ressalta a necessidade de estudos mais aprofundados para comprovar essa hipótese.
Essa constatação, no entanto, foi inversa àquela de Santos et al. (2015), obtida em
estudo similar usando pluviômetros e dados do TRMM realizado na área de transição da
floresta Amazônica e cerrado para o período de 1988 e 2013. No estudo, os autores
obtiveram valores superiores do r² nos períodos chuvosos quando comparados aos meses
secos. Dessa forma, pode-se pressupor a inexistência de uma confiabilidade global quanto
à eficiência do TRMM, pois varia conforme sua localidade.
Outro fato que pode ser explorado nessa análise é a possível incapacidade do
método de regressão em estimar a eficiência do TRMM na região amazônica para séries
de dados em intervalos de anos completos, pois se tratando de um evento cíclico onde
existem aumentos e reduções independentes das magnitudes nas duas séries de dados, tal
variação pode ocultar imprecisões dos dados, fato esse pode ser visto pelo valor da série
144
completa ser levemente maior que as análises com ambas as estações climáticas
segmentadas.
A análise de erros padrões médios também seguiram a tendência do coeficiente
de regressão. Observa-se que a ocorrência desses erros é inversamente proporcional à
quantidade de chuva, fato esse também confirmado pelo índice de concordância, onde o
primeiro foi maior nas regiões secas e para os dados do CHIRPS e CHIRP, enquanto o
segundo indicou que foi precário o desempenho dos produtos TRMM para representar a
chuva para todas as estações pluviométricas testadas no período chuvoso.
No que concerne a essa maior eficácia dos dados TRMM em descrever os períodos
secos na região amazônica, no estudo de Paca (2008), o autor relatou que o maior grau de
correlação observados em suas análises, para uma área próxima à da bacia estudada,
foram para o ano de 2005, no qual houve um padrão atípico de chuvas na região norte,
quando ocorreu um evento extremo de seca. Sodré et al. (2013) destaca, em seu estudo,
que a confiabilidade do TRMM deve ser questionada, pois, em períodos chuvosos,
apresentam uma defasagem de mais de 100 mm em relação aos pluviômetros.
O comportamento das estações que serviram como pontos de controle, Tabela 5.4,
foi similar aos resultados para todo o conjunto de estações, com superioridade destacada
dos dados do CHIRPS, seguido pelas informações do CHIPS e melhor representatividade
para períodos de baixa pluviometria.
145
Tabela 5.4 – Análises de eficiência dos pontos de controle: a) coeficiente de regressão
(r2); b) erro padrão médio (EPM); c) índice de concordância de Willmott (c).
Base de Código
Índice Série
Dados 965001 1063001 B3 B4
Total 0,80 0,74 0,82 0,80
CHIRPS Seco 0,64 0,66 0,73 0,55
Chuvoso 0,52 0,44 0,81 0,60
Total 0,64 0,63 0,27 0,64
CHIRP Seco 0,51 0,39 0,15 0,19
Chuvoso 0,11 0,28 0,09 0,38
r²
Total 0,65 0,54 0,83 0,88
3B42 Seco 0,62 0,57 0,78 0,79
Chuvoso 0,24 0,15 0,82 0,74
Total 0,28 0,34 0,59 0,70
3B42RT Seco 0,15 0,26 0,33 0,47
Chuvoso 0,02 0,11 0,57 0,44
Total 44,71 49,19 43,22 34,32
CHIRPS Seco 44,35 42,21 73,02 38,45
Chuvoso 77,78 96,01 113,77 85,76
Total 63,51 64,07 87,07 68,70
CHIRP Seco 53,04 52,69 69,38 64,93
Chuvoso 98,31 100,89 121,22 99,15
EPM (mm)
Total 52,11 57,42 39,92 29,71
3B42 Seco 43,49 44,73 74,47 40,00
Chuvoso 90,94 96,01 106,02 94,25
Total 103,07 96,23 63,54 56,32
3B42RT Seco 56,76 55,25 78,34 55,93
Chuvoso 130,83 132,72 109,00 111,11
Total Muito bom Muito bom Ótimo Muito bom
CHIRPS Seco Mediano Mediano Mau Mau
Chuvoso Mau Péssimo Sofrível Péssimo
Total Bom Bom Péssimo Bom
CHIRP Seco Mau Mau Péssimo Péssimo
Chuvoso Péssimo Péssimo Péssimo Péssimo
C
Total Bom Mediano Ótimo Ótimo
3B42 Seco Mediano Sofrível Mau Mau
Chuvoso Péssimo Péssimo Sofrível Péssimo
Total Péssimo Mau Bom Bom
3B42RT Seco Péssimo Péssimo Péssimo Péssimo
Chuvoso Péssimo Péssimo Mau Péssimo
Para analisar comparativamente as fontes de dados, construiu-se o diagrama de

dispersão, ilustrado na Figura 5.11, dando um enfoque especial para as estações seca e
chuvosa da região.
146
Figura 5.11 – Diagrama de dispersão dos dados
147
De forma geral, observa-se que os produtos do TRMM possuem uma discrepância
maior em relação às estações pluviométricas quando comparados aos resultados do
CHIRP e CHIRPS, visto que esses dois apresentam uma tendência mais próxima nos
períodos de seca e chuva. Possivelmente, o que influi no índice de acertoé a eficiência do
CHPclim, que é o modelo base que gera o CHIRP e o CHIRPS; tal modelo utiliza, além
dos indicadores fisiográficos (elevação, latitude e longitude), diversas outras informações
de campos médios mensais de longo prazo de outros cinco produtos de satélite (Funk et
al., 2015):
• estimativas de precipitação de microondas;
• estimativas de precipitação baseadas em microondas e infravermelhos da
CMORPH;
• temperaturas médias mensais de brilho infravermelho geoestacionário;
• estimativas da temperatura da superfície da terra.
Os produtos que apresentaram a menor diferença entre si foram os produtos do
CHIRP e CHIRPS. Possivelmente, deve-se ao fato do primeiro ser uma versão sem
correções por interpolação de estações do segundo. Além disso, esses dois produtos
ficaram bem próximos do dos produtos do TRMM, provando a influência que o produto
TMPA 3B42 da TRMM tem na calibração das estimativas de precipitação através dos
dados de duração de nuvens frias (cold cloud duration – CCD) para a produção dos
CHIRP e CHIRPS (Funk et al., 2015).
Cabe destacar ainda que as estações chuvosas apresentaram um comportamento
mais disperso entre todos os dados, enquanto, na estação seca, há um adensamento desses
dados, tal como se observa no diagrama exposto na Figura 5.11.
5.2.3 Comparações de Frequências de Ciclos

Na Figura 5.12, observam-se os resultados da aplicação da ferramenta
transformada de ondeletas contínuas para os três casos mencionados acima.
148
Figura 5.12 – Análise de ondeletas para os grupos de estações
149
Nas imagens, as cores com tons mais fortes denotam maior força (potência mais
elevada no espectro), enquanto os contornos em preto marcam as regiões significativas
para o intervalo em um grau de 95% de confiança. As extremidades laterais marcam o
cone de influência dos efeitos de borda para o tamanho das séries analisadas.
Tratando-se de uma análise com dados mensais e sendo a precipitação um
fenômeno dotado de um ciclo interanual (periodicidade de 12 meses), o comportamento
esperado nessa análise é ao menos a formação de uma faixa no espectro amarelo no nível
com magnitude 12 no eixo de período para todo o intervalo de meses analisados.
O comportamento esperado para informações pluviométricas, citado acima, foi
observado em todas as séries do CHIRPS, CHIRP e do produto 3B42 do TRMM,
denotando, assim, uma boa acurácia dessas fontes em representarem o ciclo interanual da
região, além de reforçar a viabilidade de seu uso.
Contudo o produto 3B42RT apresentou uma quebra desse ciclo no período de
2008 a 2011, notando-se, mais uma vez, que as correções que se empregaram para esse
modelo tornaram sua série falha e menos representativa para a bacia do Madeira.
As análises de ondeleta- coerência (WTC) e cruzada (XWT) - entre as fontes de
mensuração por sensoriamento remoto e os dados dos pluviômetros estão registradas na
Figura 5.13 e na Figura 5.14.
150
Figura 5.13 – Análise de ondeletas - Coerência (WTC)
151
Figura 5.14 – Análise de ondeletas - Cruzada (XWT).
152
Por meio das análises acima, é possível obter informações sobre a amplitude de
qualquer sinal periódico dentro das séries históricas comparadas. Como essa amplitude
varia com o tempo, onde os vetores indicam se as variáveis possuem covariância positiva
(em fase), vetores apontados para direita, ou negativa (não fase), no caso em que os
vetores estejam apontados para esquerda.
Como sucesso de igualdade na comparação entre as séries dessas duas fontes de
dados, busca-se, no XWT, dois fatores. O primeiro é que os padrões circulados,
independente do período, possuam setas direcionadas para a direita, que denotam que o
evento climático em ambas as séries históricas age em um mesmo sentindo. Já o segundo
é a existência da periodicidade interanual indicado pela faixa em tom amarelado na altura
12 do eixo de período para todo o intervalo de tempo (eixo axial) e presença de setas
apontadas para direita, denotando que o ciclo interanual entre ambas é similar.
No WTC, procurando igualdade entre o pluviômetro e o píxel do TRMM, espera-
se que a correlação dos dados seja plena, próxima da magnitude 1. Dessa forma, quanto
mais similar uma série for de outra, maiores serão as zonas com área com cores próximas
do amarelo. Além disso, os vetores devem indicar que haja uma fase. Assim, o
direcionamento para a direita do seu vértice é esperado.
Nota-se que, em grau maior, as informações do CHIRPS apresentaram-se mais
representativas, enquanto, em menor grau, ficou o produto do TRMM 3B42RT,
principalmente em períodos interanuais. Existem grandes áreas que denotam uma
correlação próxima a 1, o que indica que uma série histórica tem relação diretamente
proporcional com a outra série.
Os dados CHIRPS, de forma geral, apresentou-se como uma grande ferramenta
de uso para região amazônica, uma vez que essa área possui uma baixa densidade de
estações de medição de chuva dada a sua cobertura de dados.
Analisando-se todas as investigações de forma conjunta, nota-se que as séries de
dados dos píxeis de todos os produtos obtidos de sensoriamento remoto são sensíveis a
detectar a ocorrência de eventos climáticos, com variabilidade interanual bem definida e
com grande capacidade em representar períodos de seca na região amazônica. Contudo,
em períodos chuvosos, as áreas desses píxeis falham em não representar a intensidade
pluviométrica pontual de uma estação pluviométrica, principalmente os produtos
oriundos do TRMM.
153
5.2.4 Avaliação de Desempenho
A Tabela 5.5 apresenta o percentual de dados diários por classes de eventos
considerados. A maioria dos registros concentram-se na classe “chuva moderada”,
seguido da classe “chuva leve”. A porcentagem de registros é semelhante para a maioria
das fontes de dados em quase todas as classes. No item “chuva extrema”, apenas o produto
3B42 registrou eventos dessa magnitude. Todavia as divergências observadas nas
magnitudes da proporção dos registros denotam a possibilidade que, apesar de
mensurarem a mesma variável hidrológica, existem diferenças significativas no tocante à
intensidade dos eventos identificados.
Tabela 5.5 – Distribuição dos dados mensais em classes de eventos

Classes de eventos
Pluviômetros CHIRPS CHIRP 3B42 3B42RT
diários (mm.mês)
*[0,30) ou “Sem chuva” 14,14% 12,75% 39,17% 17,84% 19,23%
[30,150) ou chuva leve 33,06% 29,91% 29,31% 31,91% 32,74%
[150,600) ou chuva 52,78% 57,33% 31,19% 49,68% 47,60%
moderada
[600,1200) ou chuva 0,02% 0,00% 0,33% 0,32% 0,42%
pesada
≥ 1200 ou chuva extrema 0,00% 0,00% 0,00% 0,25% 0,00%
* “ [ ” representa maior ou igual a limite inferior da classe, enquanto “) ” representa menor
do que o limite superior.
A Figura 5.15 apresenta a probabilidade de detecção (POD) de cada produto de

satélite por classes de evento. O valor de POD está na faixa de 0 e 1; para uma pontuação
perfeita, o valor de POD deve ser igual a 1.
154
1
0,8
0,6
POD
0,4
0,2
0
<30 [30-150) [150-600) [600-1200) ≥1200
Classe de Eventos (mm.mês)
CHIRPS CHIRP 3B42 3B42RT
Figura 5.15 – Probabilidade de detecção (POD) de todos os produtos por classes de

eventos.
Analisando tais resultados, nota-se que a maioria das bases de dados de

sensoriamento remoto tendeu a ser mais assertivo na classe “sem chuva” e mais errôneo
na classe de “chuva pesada”. Analisando os produtos, verifica-se que não há uma
propensão clara de um ser mais representativo que os outros, pois cada produto foi mais
eficiente em detectar o evento em uma classe de chuva.
A Figura 5.16 mostra que os resultados da métrica razão de alarme falso (FAR).
Seu valor varia entre 0 e 1, obtendo-se valor igual a zero para uma perfeita estimativa.
155
1
0,8
0,6
FAR
0,4
0,2
0
<30 [30-150) [150-600) [600-1200) ≥1200
Figura 5.16 – Razão de alarme falso (FAR) de todos os produtos por classes de eventos.
De forma conjunta, os resultados mostraram que, de maneira geral, confirmou-se

a consistência observada com o POD, onde a classe de eventos “sem chuva” apresentou
um desempenho melhor com valores mais baixos. Nas demais classes, o CHIRPS
mostrou-se mais eficiente na maioria das classes, enquanto os produtos do TRMM
tenderam a ser mais errôneos.
O viés da frequência de todas as estações por classe de eventos está apresentado
na Figura 5.17. Essa medida indica se o satélite tem uma tendência a subestimar (fBIAS
< 1) ou superestimar (fBIAS > 1) os eventos chuvosos para uma determinada classe. Para
uma perfeita detecção desses eventos chuvosos, o valor de fBIAS é igual a 1.
156
1,4
1,2
0,8
fBIAS
0,6
0,4
0,2
0
<30 [30-150) [150-600) [600-1200) ≥1200
Figura 5.17 – Métrica fBIAS de todos os produtos por classes de eventos.
Todos os produtos subestimam a frequência de eventos em relação aos

pluviômetros em quase todas as classes, com exceção ao produto 3B42 que, para a classe
“sem chuva”, tendeu a superestimar.
Os índices empregados devem ser analisados cuidadosamente, pois são altamente
ligados à sua premissa de estabelecimento das classes a serem analisadas. Assim, outras
classes podem apresentar valores discordantes, em contraste, portanto, com os valores
obtidos por meio das classes adotadas por este estudo.
5.3 ANÁLISE NÃO PARAMÉTRICA DE EVENTOS EXTREMOS DE

PRECIPITAÇÃO NA BACIA DO RIO MADEIRA
A comparação das séries históricas de eventos extremos da fonte de dados CHIRPS
e da de base de dados pluviométricos foi realizada por meio da estimação dos erros
padrões médios e erros percentuais (Figura 5.18),
Pode-se afirmar que não existe um padrão geográfico quanto à incidência maior ou
menor desses erros, visto que pontos próximos de amostragem exibiram diferentes
valores de erros. Adicionalmente, não foram verificados padrões desses erros ao longo da
latitude e da longitude.
157
Figura 5.18 – Análise dos erros EPM e ENM para a modelagem de eventos extremos de
chuva obtidos a partir do contraste entre dados de pluviômetros e dados CHIRPS.
158
A magnitude dos erros normais médios variou de -60 a 70%, e sua distribuição na
bacia destacam uma tendência, na maioria dos casos, de superestimação dos dados do
CHIRPS quando comparados com dados de pluviômetros. Todavia os erros padrões
médios não ultrapassaram 95 mm na maioria dos pontos comparados, o que denota que,
embora haja alguns dados mais discrepantes, as magnitudes são relativamente baixas,
expressando, em linhas gerais, que a modelagem da chuva por dados oriundos do CHIRPS
pode fornecer uma estimativa próxima àquela oferecida por dados de pluviômetros.
Assim, em localidades em que não se encontram informações de estações de medições de
pluviômetros, a utilização de séries históricas da missão CHIRPS podem se apresentar
como uma solução viável e bastante oportuna.
Como observação final, analisando-se os resíduos padronizados mediante a
segmentação por tempo de retorno (TR) (Figura 5.19), ilustra-se a tendência do aumento
nas diferenças entre as duas fontes de dados ao se aumentar o tempo de retorno. Nesse
sentido, existe uma relação diretamente proporcional entre os erros na estimativa da chuva
e sua probabilidade de ocorrência. Tal fato deve ser levado em consideração ao utilizar o
CHIRPS como fonte de informação de magnitude pluviométrica em obras hidráulicas que
exijam projeções de eventos pluviométricos extremos com maiores tempos de ocorrência.
250
200
Erro Padrão (mm)
150
100
50
0
0 20 40 60 80 100
Período de Retorno (anos)
Máximo Médio Mínimo
Figura 5.19 – Resíduos padronizados da comparação entre as modelagens de eventos

extremos por meio de pluviômetros e por meio do produto CHIRPS.
159
5.4 EVENTOS DE PRECIPITAÇÕES EXTREMAS NA AMAZÔNIA: BACIA DO
RIO MADEIRA
A região do Madeira apresenta relevo variado (Figura 5.20) com elevadas
altitudes na região Andina (Bolívia) acima dos 6000 metros, até profundos vales
atingindo a planície amazônica com quase 500 metros; assim, relatam-se vastas zonas de
inundação na planície e a presença de cachoeiras no escudo brasileiro, principalmente
próximo a Porto Velho (Ribeiro Neto, 2006).
O relevo da bacia variou, em sua grande maioria, de plano para suavemente
ondulado em cerca de 89,3% da área da bacia, onde as elevações com os valores mais
baixos encontram-se nas vertentes próximas aos cursos de água.
O histórico do desmatamento na bacia do rio Madeira, Figura 5.21, revela que
aproximadamente 12,4% da bacia teve sua vegetação suprimida, sendo a maior porção
no Brasil, na área central da bacia, onde se localiza o rio Machado. A maior parte do
desmatamento ocorreu antes do ano 2000.
160
Figura 5.20 – Relevo da Bacia do Rio Madeira
161
Figura 5.21 – Histórico de uso e ocupação do solo na bacia do rio Madeira
162
A bacia hidrográfica do rio Madeira, na sua porção brasileira, sofreu intensas
modificações segundo Souza et al. (2016). A ocupação humana na área iniciou-se devido
à implantação de projetos de assentamento na região, que implicaram a conversão de
extensas áreas de florestas em campos destinados às atividades agropastoris,
principalmente em regiões ripárias.
Os eventos pluviométricos extremos registrados na bacia hidrográfica do rio
Madeira, assim como o seu ano de ocorrência e o correspondente período de retorno, são
apresentados na Figura 5.22. De forma geral, os eventos de máximas pluviométricas com
duração de 1 dia entre os anos de 1981 e 2017 variaram de 30 mm a um pouco mais de
300 mm. O alto índice de precipitação observado em toda a bacia é uma característica do
clima da região. Em Aguiar et al. (2006), por exemplo, há o destaque de que várias
localidades da bacia são amostradas com precipitações pluviométricas médias anuais
acima de 2.000 mm.
163
Figura 5.22 - Eventos extremos de chuva na bacia hidrográfica do rio Madeira de 1981 a 2017
164
Através da análise conjunta entre os dados de extremos e dados de relevo (Figura
5.20), observa-se um padrão na distribuição dos eventos ocorridos na bacia. A título de
exemplo, citam-se as cordilheiras dos Andes e a nascente da bacia, que apresentam as
maiores elevações e baixas/moderadas intensidades de chuva. No entanto, na transição
dessas para a região de planície, a magnitude de chuvas extremas encontra-se
maximizada. Esse fato ocorre devido ao fluxo de umidade vindo da Amazônia em direção
ao sul, que é forçado, então, a subir na frente da cordilheira dos Andes, levando a chuvas
orográficas acentuadas (Bookhagen e Strecker, 2008; Romatschke e Houze, 2013).
A ocorrência de maior proporcionalidade dos eventos extremos com o aumento
da declividade, aliados aos baixos períodos de retorno e a falta de uma tendência para o
ano de ocorrência, evidenciam que as chuvas orográficas da região geram as chuvas mais
intensas da bacia, não sendo fundamentalmente afetadas por fenômenos meteorológicos
ocorridos ao longo do período analisado.
Também foram observadas faixas de magnitude elevada de chuvas extremas, bem
como alto período de retorno, ao norte e a noroeste da bacia, sendo que a primeira
ocorrência extrema se deu no ano de 2017, enquanto a segunda foi em 2014.
O evento extremo de chuva de 2017 ocorreu, possivelmente, devido à atuação do
evento La Niña na região, visto que relatórios operacionais do Instituto Nacional de
Meteorologia (INMET) registraram, como efeitos dessa anomalia, a ocorrência do maior
volume de chuva em um período de cinco (5) anos para a região. Por outro lado, esse
mesmo fenômeno meteorológico foi apontado por Bergamaschi et al. (2004) como
responsável pela ocorrência de precipitações abaixo da média histórica na região sul do
Brasil.
Os eventos extremos pluviométricos de 2014 não tiveram influência do La Niña,
contudo cabe salientar que foram precedidos pela ocorrência do evento El Niño, que é um
dos fatores que estão associados aos períodos de secas registradas na região Amazônica.
A anomalia climática do fenômeno de El Niño é caracterizada pelo aquecimento das
águas superficiais do oceano Pacífico Equatorial (porção centro-oeste) e pelo
enfraquecimento dos ventos alísios de leste (Santos e Buchmann, 2010). Registre-se que
as séries de eventos extremos de chuva de 2014 propiciaram a geração de níveis
excepcionais de vazão nos rios do sudoeste da Amazônia.
As tendências das magnitudes de eventos extremos, obtidas via aplicação do teste
de Mann-Kendal, no nível de confiança de 95%, são apresentadas na Figura 5.23.
Observa-se que, na região da bacia do rio Madeira, existe um número maior de regiões
165
de redução na magnitude das chuvas extremas. Tendências de decréscimo na região
também foram observadas em estudos de precipitação que não enfocaram suas análises
em extremos, tais como em Guimberteau et al. (2013) e em Rao et al. (2016). O estudo
de Rao et al. (2016), por exemplo, analisou as características das chuvas do Brasil para o
período 1979-2011. Nessa referência, é possível observar que a maior parcela da bacia
inserida no território brasileiro tem tendência de redução na precipitação em períodos
chuvosos. As reduções chegam a representar uma perda de 5 mm.ano -1 na média do
período chuvoso, e, em algumas regiões, a perda chega a 20 mm.ano-1 quando o contraste
é feito com base na avaliação da média anual (Rao et al., 2016).
Figura 5.23 – Tendência da magnitude dos eventos extremos na bacia hidrográfica do

rio Madeira
166
Essa constatação aponta concordância com o estudo de Werth e Avissar (2002), onde, ao
realizarem seis simulações climáticas, os autores observaram fortes reduções da
precipitação, da evapotranspiração e da nebulosidade com o desmatamento na Amazônia.
Segundo os autores, tais mudanças são potencialmente detectáveis em todo o planeta.
O desmatamento e consequente savanização não podem ser analisados como fator
único nas análises dos efeitos de redução das chuvas extremas. Quando confrontadas com
o histórico de cobertura terrestre na região (Figura 5.21), não se observa uma aparente
relação direta entre o desmatamento e a redução ou aumento das precipitações extremas.
Por outro lado, nas zonas próximas em direção a Bolívia em que uma predominância de
savana e onde a ocorrência de eventos de Oscilação Decadal do Pacífico são identificados,
destaca-se uma grande zona de redução na magnitude desses eventos.
A influência do desmatamento nas precipitações do estado de Rondônia também
foi observada por Butt et al. (2011), autores que chamam a atenção para a existência de
uma mudança acentuada no tempo de início da estação chuvosa do estado, projetando
atrasos de 18 dias para os próximos 30 anos, caso as características de mudança da
cobertura da terra permaneçam relativamente estáveis (Figura 5.21), confirmando as
tendências registradas no presente estudo (Figura 5.23).
As tendências de aumento e de redução na intensidade dos eventos extremos na
região destacam que as equações de intensidade-duração-frequência (IDF) utilizadas na
região devem sofrer alterações e serem atualizadas, ou se devem lançar mão de novas
metodologias de estimativas de chuvas para a construção de estruturas de obras
hidráulicas e hidrológicas da região, pois a ocorrência de falhas nos sistemas decorrentes
de eventos pluviométricos extremos é frequente, como relatado acima. Esse fato confirma
os resultados do estudo de Fadhel et al. (2017), que verificou que os quantis extremos de
precipitação representados pelas curvas da IDF estão sujeitos a alterações ao longo do
tempo.
5.5 TENDÊNCIAS CLIMÁTICAS NA BACIA DO RIO MADEIRA

Na Figura 5.24, encontram-se as informações de tendências para as variáveis
climáticas obtidas por meio do teste Mann-Kendal no nível de confiança de 95 % . Na
Figura 5.25, é apresentada a matriz de correlação. Nas imagens, as intensidades mais
próximas do azul indicam uma alta tendência positiva, ou seja, crescimento do fenômeno
no período observado; todavia o tom avermelhado denota que se observou uma redução
na magnitude.
167
A precipitação na bacia teve sua tendência variando no intervalo de 0,4 a -0,4 entre o
período de 1981 a 2017. Estratificando essas análises por mês, verificou-se que os
meses de maior intensidade de chuva na região (novembro, dezembro e janeiro),
juntamente com os meses de transição da estação chuvosa para seca (março e abril),
foram os que tiveram os maiores impactos de redução.
a)
Continua...
168
b)
c)
Continua...
169
d)
Figura 5.24 – Análise de tendência para a bacia do rio Madeira: a) evapotranspiração no

período 2002 a 2017; b) precipitação no período de 1981 a 2017; c) amplitude da
temperatura no período 2001 a 2017; temperatura média no período 2001 a 2017
170
Figura 5.25 – Matriz de correlação de Tendências climáticas para a bacia do rio
Madeira
A relação do desmatamento (Figura 5.21) com a redução pluviométrica não é

nítida, pois há forte tendência negativa no alto Guaporé e na Bolívia, onde não há um
grande índice de desmatamento. Além, disso a região onde essas mudanças
pluviométricas são mais aparentes possui um controle de grande escala na época chuvosa
devido à monção da América do Sul. Assim, os efeitos do desmatamento sobre a região
podem ser mascarados, mostrando, assim, efeitos globais de redução pluviométrica.
A temperatura dentre as variáveis analisadas foi a que menos apresentou
tendências significativas, contudo, na área desmatada na zona central da bacia, nos meses
de julho e agosto, meses mais quentes, constatou-se tendência de maiores aumentos na
série histórica. Tal fato pode estar associado à mudança da cobertura da terra de floresta
para zonas com solos mais expostos, que reduzem, por sua vez, a atenuação do calor.
171
Em relação à evapotranspiração, verificou-se que o intervalo de tendência foi de -
0,8 a 0,8 entre os anos de 2002 a 2017. O comportamento da evapotranspiração possui
uma divisão de dois períodos de aumentos (junho a outubro) e reduções (novembro a
maio).
Dentre os cenários de tendências das variáveis climáticas analisadas, as que mais
se correlacionam de forma significativas, com exceção da temperatura e média e
amplitude da temperatura, que já era logicamente esperado, foram a precipitação e a
evapotranspiração.
Na região de desmatamento inserida na bacia do rio Machado, estado de
Rondônia, é observado o aumento de precipitação na parte norte do desmatamento e
diminuição na parte sul. Além disso, na região desmatada do alto Machado, verifica-se
uma forte correlação, inversamente proporcional, entre as tendências de chuva e
evapotranspiração na região com taxas de conversão da cobertura natural. Tal fato pode
ser devido ao aumento da temperatura nessa região, pois a tendência de correlação entre
a temperatura média e a evapotranspiração é diretamente proporcional, com uma
intensidade forte.
A variação das séries históricas dos dados de precipitação e evapotranspiração
para a bacia (Figura 5.26) foi aferida relacionando essa com a entropia da série em
magnitude de bit. Assim, um valor 2 indica que a série não varia, enquanto valores
maiores que estes mostram que o comportamento dos dados apresentam maior
variabilidade.
172
Figura 5.26 – Grau de entropia em bits da precipitação e evapotranspiração para a bacia
do rio Madeira.
A precipitação e a evapotranspiração possuem um alto grau de entropia na maior

parte da bacia, indicando, assim, que na região há uma grande variação climática, contudo
esse grau é reduzido para ambas as variáveis na região de maiores altitudes.
Nas áreas em que houve desmatamento, é constada uma acentuada redução da
variabilidade de dados na série histórica da evapotranspiração, diretamente proporcional
ao período de em que este ocorreu.
Os efeitos hidrológicos provindos pelas mudanças na cobertura da terra podem ser
difíceis de discernir em bacias de grande escala que possuem uma variedade de classes
de uso da terra e vegetação em vários estágios de proteção e regeneração (Panday et al.,
2015; Rodriguez et al., 2010)
Nesse sentido, a conversão de floresta não pode ser usada como fator único na
estimativa de mudanças climáticas em toda a extensão da bacia para verificar reduções
ou aumentos na temperatura média, visto que a complexidade dessa relação não é
puramente térmica, pois as observações das mudanças de temperatura das circulações de
mesoescala é dependente da escala de análise e esta pode enfraquecer à medida que os
fragmentos desmatados aumentam além do tamanho de ∼20 km (Khanna et al., 2017).
Nesse contexto, Chambers e Artaxo (2017) teorizam que os fragmentos de
desmatamento em pequena escala (aproximadamente 1 km de tamanho), distribuídos ao
173
longo da bacia, podem não ser grandes o suficiente para perturbar significativamente os
ciclos climáticos e que as interferências sejam geradas pelas heterogeneidades da
cobertura da terra, os quais aquecem de forma diferente a superfície, iniciando circulações
térmicas ou convectivas superficiais que aumentam a nebulosidade local e, em alguns
casos, alteram a precipitação.
Spracklen e Garcia-Carreras (2015) relatam, em seu estudo, que a possível falta
de correlação entre o desmatamento e a chuva pode residir no fato da redução da
precipitação média anual em toda a bacia amazônica ser menor que a variabilidade
interanual da precipitação observada.
Na parte do estado de Rondônia, o estudo de Khanna et al. (2017) mostrou um
dipolo que se intensificou e o associou com o desmatamento na região. O trabalho de
Santos e Buchman (2010) também aborda um notável decréscimo nos valores médios
decadais da precipitação ao analisarem os impactos da ação antrópica na região central
de Rondônia, utilizando para tal uma série histórica de chuvas nos períodos de 1951 a
2008.
Contudo os resultados obtidos pelo presente trabalho mostraram padrões de
mudanças que se estendem além da zona desmatada, como tendências negativas fortes
em zonas totalmente florestadas nas cabeceiras do Guaporé e Mamoré na Bolívia. Assim,
observa-se que a possível associação feita nos estudos de Khanna et al. (2017) e Santos e
Buchman (2010) de redução de precipitação com desmatamento na Amazônia pode
espelhar um paradoxolhana medida em que se analisa uma escala mais ampla com
recobrimento de uma área maior, visto que os efeitos têm, então, um comportamento
mais global e até certo ponto irregular ou pouco claro, o que demanda novas
investigações.
Um recorte de área de estudo maior realizado por Villar et al. (2009) encontrou
semelhanças nas tendências de precipitação em agosto, que apresentou um gradiente NW-
SE, com aumento do NW e diminuição no SE. Segundo os referidos autores, esses
padrões de mudança nas chuvas estão associados com a Oscilação Decadal do Pacífico e
ENSO.
A tendência positiva no período mais chuvoso (janeiro a abril) e negativa no
período mais seco (junho a setembro) na região de foz da bacia pode indicar acentuação
dos eventos extremos.
Os meses mais secos foram os que caracterizaram aumentos da evapotranspiração,
enquanto que, nos meses mais chuvosos, intensifica-se a redução dessa variável. Dessa
174
forma, foi identificada, para esse período, uma relação inversa entre essas variáveis. Este
resultado pode indicar um descontrole na reciclagem de precipitação, devido a
interferências na transpiração, que teriamseus efeitos sentidos em outras áreas devido à
variação do vento (Chambers e Artaxo, 2017).
A temperatura média mostrou um grande aumento de tendência na região da foz
da bacia nos meses mais secos, todavia a temperatura em forma de amplitude mostrou
uma certa redução nas regiões mais antropizadas. Possivelmente, pode-se atribuir tal
comportamento pela falta de regulação térmica que proveria a presença da vegetação. O
estudo de Salati et al. (2007) encontrou tendências positivas na temperatura média e na
precipitação para região norte do Brasil, divergindo, assim, em parte, dos resultados
observados neste estudo.
De uma forma geral, observou-se que, embora haja algumas faixas geográficas
em que as variáveis climáticas tenham uma certa relação determinada pelo coeficiente de
correlação, deve ser reconhecida a existência de padrões não lineares no tempo e espaço,
o que torna difícil a inferência dessas relações de forma absoluta (Spracklen e Garcia-
Carreras, 2015).
Contudo, cabe ressaltar a grande dificuldade em separar as mudanças induzidas
pelo homem e pelo próprio clima da região, pois a própria alta variabilidade climática
pode obscurecer quaisquer mudanças subjacentes, devido a mudanças climáticas ou a
mudanças no uso da terra (Kundzewicz e Robson, 2004; Cavalcante et al., 2019).
.
175
CAPÍTULO 6 – CONCLUSÕES E RECOMENDAÇÕES
O presente estudo buscou analisar o comportamento da precipitação na bacia do rio

Madeira, situada na região da Amazônia ocidental, que constitui área com limitado
monitoramento de dados hidroclimáticos e hidrológicos mensurados in situ. Em
particular, explorou-se o uso de dados de satélite de forma extensiva como forma de
complementar o conjunto de dados oriundos de estações convencionais, prospectando-se
a sinergia dessas duas fontes distintas de informações.
Adicionalmente, identificaram-se padrões pluviométricos espaço-temporais na bacia
do Madeira em contraste com o mapeamento, por exemplo, da evapotranspiração. Mais
do que isso, explorou-se também o impacto da chuva, procurando-se aduzir elementos ao
estudo da variabilidade espaço-temporal do fenômeno pluviométrico no âmbito do
balanço hídrico efetuado em sub-bacia de pequeno porte, perfazendo área aproximada de
5.000 km2, situada próxima ao município de Machadinho do Oeste, em que os
componentes do ciclo hidrológico, ou seja, chuva, evapotranspiração e vazão, foram
examinados.
Os padrões de variação dos componentes foram revelados com o suporte do modelo
hidrológico SWAT (Soil and Water Assessment Tool) face a cenários de evolução
temporal da cobertura e uso da terra, sobretudo quanto ao efeito do desmatamento. Esse
tipo de estudo, embora de abrangência limitada, permitiu conjecturar e propor ações que
sejam estimuladoras de investigações na grande escala, isto é, na escala da bacia do rio
Madeira, que foi adotada como estudo de caso desta tese, buscando-se melhor definir as
condições de equilíbrio e evolução do balanço hídrico em bacias de diferentes escalas,
onde o suporte de informações de sensoriamento remoto é muito relevante.
Diante do arcabouço proposto, a motivação e a correspondente importância deste
trabalho encontram-se, inicialmente, em suprir determinadas necessidades associadas ao
monitoramento e ao desenvolvimento social da bacia do rio Madeira. Investigações sobre
a chuva na região amazônica integram vertentes hidroclimáticas e hidrológicas, que são
relativamente incipientes, encontrando-se restritas no que concerne ao seu
desenvolvimento e aprofundamento, em parte, em função da falta ou da escassez de dados
coletados localmente na região. Essa restrição impõe o emprego e o estudo de outras
fontes alternativas ou complementares, que permitam revelar comportamentos de
tendências, ciclos e eventos extremos, como é o caso da qualidade, grau de repetitividade
176
e representatividade espaço-temporal bem com da robustez oferecida por produtos de
sensoriamento remoto, garantindo um grau de predição e previsibilidade para melhor
captar e avaliar o comportamento do fenômeno pluviométrico tão significativo e essencial
para nortear o desenvolvimento humano.
De forma a tornar possível o desenvolvimento da tese, executaram-se, inicialmente,
ações com vistas a construir e consolidar uma base de informações com suporte de dados
de pluviômetros e dados de sensoriamento remoto. Em seguida, diversas análises foram
efetuadas, incluindo análise de interpolação espacial, revelação da presença de ciclos,
determinação de tendências, simulação hidrológica, entre outros procedimentos.
Segundo o referencial metodológico exposto no trabalho, chegou-se a importantes
resultados e em algumas conclusões, que, nestas considerações finais, são discriminadas
e distribuídas conforme os objetivos específicos que se estabeleceram na tese.
Em especial, destaca-se que o trabalho ensejou uma discussão com respeito a uma
hipótese bastante interessante e até certo ponto controversa na literatura examinada sobre
a questão do tipo causa-efeito que abrangem as relações entre desmatamento e impactos
em termos de escoamentos na rede hidrográfica em diferentes escalas espaciais,
adotando-se o estudo do comportamento da chuva por sensoriamento remoto como
prisma inicial para prover fundamentos para a discussão.
6.1 QUANTO ÀS POTENCIALIDADES DA REDE PLUVIOMÉTRICA ATUAL

EM ESPACIALIZAR A CHUVA DA BACIA
A particular melhor situação, na bacia do rio Madeira, com o maior número de
estações pluviométricas com dados sem falhas em um ano, mais especificamente o ano
de 2011, permitiu evidenciar que nenhum método de interpolação testado conseguiu
especializar a chuva na região de forma perfeitamente fidedigna, pois os dados medidos
apresentaram correlações negativas, em algumas circunstâncias, com os dados gerados
pelos interpoladores. Dentre os estimadores, o método de krigagem (KG) e o inverso de
distância ponderada (IDP) foram o que se mostraram mais robustos, mesmo que os
correspondentes ajustes tenham apresentado falhas em alguns pontos.
O método da função de base radial multiquadrada (BRM) teve o pior resultado
quando comparado com os demais métodos aplicados, tendo se mostrado nada
representativo para a bacia hidrográfica do rio Madeira, visto que apresentou grandes
magnitude negativas de chuva, o que é algo fisicamente impossível de ocorrer.
177
A configuração espacial das estações presentes na bacia não permitiu aplicar, em
toda a sua extensão, a técnica do vizinho natural (VN), observando-se, assim, que a rede
pluviométrica da bacia do rio Madeira não possui espacialização representativa. A média
aritmética das estações vizinhas pode ser uma boa alternativa de baixo custo
computacional quanto ao preenchimento de dados faltantes em um posto fluviométrico,
contudo reforça novamente que o número e a configuração das estações são incapazes de
descrever a variabilidade espacial da chuva com outros métodos de interpolação.
6.2 QUANTO À EFICIÊNCIA DE PRODUTOS BASEADOS EM

SENSORIAMENTO REMOTO REPRESENTAREM A PRECIPITAÇÃO NA
REGIÃO DO RIO MADEIRA
Na região do Madeira, foram observados quatro (4) grupos com comportamento
similar, onde as estações de cada grupo possuíam proximidade geográfica com valores de
elevação altimétrica de magnitude semelhante.
Constatou-se que as fontes de dados CHIRPS e CHIRP, quando comparadas ao
3B42 e ao 3B42RT, representam melhor os fenômenos pluviométricos acumulados
mensais da bacia do rio Madeira. Porém, na estação com os meses mais chuvosos, ambas
as fontes de dados apresentaram um certo grau de degradação nos seus correspondentes
desempenhos.
Observou-se, em particular, que a análise de ondeleta se mostra uma importante
ferramenta para avaliar a consistência de uma série de dados pluviométricos, uma vez que
conseguiu identificar a falta de ciclo interanuais nos dados do 3B42RT.
Constatou-se que a utilização de dados provenientes de satélite é fundamental para
aplicação em regiões onde as séries hidrométricas são curtas, de má qualidade ou
inexistentes. Dessa forma, este estudo colabora apresentando uma alternativa para os
estudos de climatologia, meteorologia, agrometeorologia, hidrologia e planejamento
urbano, rural e regional.
6.3 QUANTO À CAPACIDADE DO USO DE BASE DE DADOS SATELITAIS

PARA A MODELAGEM DE CHUVAS EXTREMAS NA REGIÃO DO RIO
MADEIRA
As análises confirmaram que o comportamento da série de extremos da bacia pode
ser descrito pela base de dados do CHIRPS, tendo apresentado uma boa relação com as
informações oriundas de pluviômetros.
178
Além disso, as discrepâncias observadas não mostram um padrão de
comportamento relacionado à latitude ou à longitude contudo os resíduos padrões das
fontes de dados apresentaram um comportamento diretamente proporcional ao período
de retorno.
6.4 QUANTO À OCORRÊNCIA DE EVENTOS EXTREMOS NA BACIA

Os dados revelaram que a média das chuvas máximas de duração de um (1) dia
encontrou-se variando de aproximadamente 30 mm/dia a 300 mm/dia ao longo da bacia.
Além disso, observaram-se, na série histórica analisada, possíveis interferências dos
fenômenos climáticos La Niña, que pode ter gerado as grandes magnitudes observadas na
foz do rio Madeira no ano de 2017.
Verificou-se que o relevo em feições mais inclinadas tende a ter maiores
magnitudes de chuvas extremas, principalmente na zona em que se localiza a nascente do
corpo hídrico principal da bacia do rio Madeira.
Constatou-se que há possibilidades de padrões de ocorrência de maiores
magnitudes de chuva em regiões de maior declividade. Adicionalmente, cabe ressaltar
que a tendência é de ocorrência de intensidades menores de precipitação em regiões com
pouca ou nenhuma cobertura vegetal.
6.5 QUANTO À DINÂMICA DO DESMATAMENTO E QUANTO ÀS

MODIFICAÇÕES NOS EVENTOS PLUVIOMÉTRICOS NA REGIÃO DA
BACIA
Verificou-se a possibilidade de tendências de redução da magnitude da chuva no
período chuvoso, enquanto a evapotranspiração também tendeu a se reduzir nesse período
e a se intensificar nos períodos mais quentes e secos.
As tendências de precipitação correlacionaram-se melhor com a
evapotranspiração, embora de forma inversa ou negativa, notando-se, assim, um possível
desequilíbrio no clima da região.
Nos meses com maior temperatura, observou-se que há a probabilidade de
propensão ao aumento de magnitude nas regiões próximas dos locais onde houve
supressão da vegetação natural.
As relações entre as tendências climáticas e o desmatamento não se mostraram
diretamente relacionadas em toda a área da bacia. Dessa forma, o recorte espacial em que
179
se faz a análise dessa relação pode apresentar um falso positivo e mascarar padrões
globais.
A variabilidade do clima na região pode ser captada e identificada como atuante,
todavia há dificuldades de estimar modificação do clima em virtude da ação antrópica,
como foi indicado na análise de variação de entropia desenvolvida para a área de estudo
6.6 RECOMENDAÇÕES
O estudo realizado gerou diversos incentivos para abertura de caminhos ainda não
trilhados e proposição de novos trabalhos acerca da temática escolhida, embora tenha se
deparado com uma série de limitações que foram expostas e explicitadas ao longo do
texto. Nesse sentido, sugestões são elencadas para oportunas e próximas
investigações.Para trabalhos futuros, recomenda-se a instalação de estações
pluviométricas com registros temporais com detalhamento maior do que a escala diária.
A proposição seria de confrontar os resultados obtidos com aqueles que seriam obtidos
em uma escala temporal mais refinada, visto que os dados de precipitações extremas
adquiridos em escalas menores do que o dia foram obtidos de forma sintética neste estudo,
podendo, naturalmente, não corresponder fielmente às características temporais da
precipitação na região em estudo em escalas de tempo inferiores ao dia.
Como recomendações, de forma sintética, o estudo propõe que sejam testadas
outras variáveis do ciclo hidrológico providas por sensoriamento remoto, que podem ser
inseridas na base de dados conjuntamente com dados coletados in situ. Implementar,
calibrar, validar e fazer previsões com base em modelos de hidráulicos e hidrológicos
para toda a bacia do rio Madeira são passos necessários.
Complementarmente, identificar áreas com tendências a inundações e a estiagens
na bacia do rio Madeira, bem como desenvolver, implementar e validar algoritmos com
base em dados altimétricos da missão SWOT, permitirá estabelecer quadros comparativos
que envolvam os dados estimados por sensoriamento remoto, sobretudo de chuva e
evapotranspiração, vis-à-vis os dados de vazões produzidos por modelos
hidrometeorológicos, hidrológicos e de superfície, buscando verificar suas eficiências e
complementaridades para aplicação na área de estudo e em outras sub-bacias
hidrográficas na Amazônia e demais regiões do país, quando julgadas apropriadas e em
escalas compatíveis com os dados empregados.
Espera-se, ao final, que a tese incentive e inspire futuras pesquisas, notadamente
na exploração das relações de balanço hídrico e de energia em diferentes escalas,
180
permitindo amadurecer e melhor fundamentar algumas das hipóteses geradas e
estimuladas pela pesquisa.
181
REFERÊNCIAS BIBLIOGRÁFICAS
ABREU, M. C. Desempenho de métodos de desagregação de chuvas intensas. 2018,

138f. Tese (Doutorado em Meteorologia Aplicada), Viçosa, MG, 2018.
ALLEN, R. G.; TASUMI, M.; TREZZA R. Satellite-based energy balance for mapping
evapotranspiration with internalized calibration (METRIC) – Model. ASCE J.
Irrigation and Drainage Engineering, n.133, p.380-394, 2007.
ALSDORF, D. E.;RODRIGUEZ, E.;LETTENMAIER, D. P. Measuring surface water

from space. Rev. Geophys. v. 45, p. 1–24, 2007. doi: 10.1029/2006RG000197
ALVES, E. D. L.; VECCHIA, F. Análise de diferentes métodos de interpolação para a

precipitação pluvial no Estado de Goiás. Acta Scientiarum. Human and Social
Sciences (Online), v. 33, p. 193-197, 2011.
ANA - Agência Nacional de Águas (Brasil). Panorama da qualidade das águas

superficiais do Brasil: 2012. Agência Nacional de Águas - Brasília: ANA, 2018.
ANDRADE, C. D.; DE AZEVEDO, J. P. S.; FREITAS, M. A. V.; DE DEUS, L. A. B.

Precipitation Analysis and the Influence of the El Niño Phenomenon on the
Transboundary Basin of the Madeira River. Water Resources Management, v.
30, n. 9, p. 3077–3092, 2016. Water Resources Management. Disponível em:
<http://dx.doi.org/10.1007/s11269-016-1332-8>. .
ANGELIS, C. T. Um estudo sobre os filtros Hodrick-Prescott e Baxter-King. 2004.

61 f. Dissertação (Mestrado) – Universidade Federal de Santa Catarina,
Florianópolis, 2004.
ANJOS, Rafael Silva; CANDEIAS, Ana Lucia Bezerra; NÓBREGA, Ranyére Silva.
CARACTERIZAÇÃO DAS CHUVAS ATRAVÉS DO SATÉLITE TRMM EM
PETROLÂNDIA-PE (CHARACTERISTICS OF RAINFALL THROUGH THE
TRMM SATELLITE IN PETROLÂNDIA-PE). Revista Brasileira de
Climatologia, [S.l.], v. 18, out. 2016.
ARAGÃO, R.; SANTANA, G.R.; COSTA, C.E.F.F.; et al. Chuvas intensas para o estado
de Sergipe com base em dados desagregados de chuva diária. Revista Brasileira
de Engenharia Agrícola e Ambiental, v. 17, n.3 P. 243-252, 2013.
ARANCIBIA, J. L. P. Impacts of land use change on dry season flows across the
tropics. 2013. 128f. Tese (Doutorado), Universidade de Londres, Londres, 2013.
ARNELL, N. W.; GOSLING, S. N. The impacts of climate change on river flow regimes
at the global scale. Journal of Hydrology, v. 486, p. 351–364, 2013. Disponível
em: <http://dx.doi.org/10.1016/j.jhydrol.2013.02.010>. .
ASHOURI, H.; HSU, K. L.; SOROOSHIAN, S.; et al. PERSIANN-CDR: Daily

precipitation climate data record from multisatellite observations for hydrological
and climate studies. Bulletin of the American Meteorological Society, v. 96, n.
1, p. 69–83, 2015.
182
BACK, A. J. 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, 2001.
BALDISSERA, G. C. Aplicabilidade do modelo de simulação hidrológica SWAT

(Soil and Water Assessment Tool), para a bacia hidrográfica do rio
Cuiabá/MT. 2005. 178f. Dissertação (Mestrado em Física e Meio Ambiente),
Universidade Federal do Mato Grosso, Cuiabá, Mato Grosso, 2005.
BARCELLOS, P. C. L. Precipitações intensas na cidade do Rio de Janeiro: probabilidade

e previsibilidade. 2009, 207f. Dissertação (Mestrado em Engenharia Civil), Rio
de Janeiro: UFRJ/COPPE, 2009.
BASTIAANSSEN, W. G. M.; PELGRUM, H.; WANG, J.; et al. A remote sensing surface
energy balance algorithm for land (SEBAL): 2. Validation. Journal of
Hydrology, v. 212–213, n. 1–4, p. 213–229, 1998b.
BASTIAANSSEN, W. G. M.; PELGRUM, H.; WANG, J.; et al. The surface energy
balance algorithm for land (SEBAL): Part 1 formulation. Journal of Hydrology,
v. 212-213, n.1-4, p.198–212, 1998 a.
BECK, H. E.; VERGOPOLAN, N.; PAN, M.; LEVIZZANI, V.; et al. Global-scale
evaluation of 22 precipitation datasets using gauge observations and hydrological
modeling, Hydrol. Earth Syst. Sci., v. 21, p. 6201–6217, 2017.
BEHRANGI, A.; KHAKBAZ, B.; JAW, T. C.; et al. Hydrologic evaluation of satellite
precipitation products over a mid-size basin. Journal of Hydrology, v. 397, n. 3–
4, p. 225–237, 2011. Elsevier B.V. Disponível em:
<http://dx.doi.org/10.1016/j.jhydrol.2010.11.043>. .
BERGAMASCHI, H.; DALMAGO, G. A.; BERGONCI, J. I.; et al. Distribuição hídrica

no período crítico do milho e produção de grãos. Pesquisa Agropecuaria
Brasileira, v. 39, n. 9, p. 831–839, 2004.
BERLATO, Moacir Antonio; FARENZENA, Homero; FONTANA, Denise Cybis.

Associação entre El Niño Oscilação Sul e a produtividade do milho no Estado do
Rio Grande do Sul. Pesq. agropec. bras., Brasília , v. 40, n. 5, p. 423-
432, May 2005 .
BERRISFORD, P.; KÅLLBERG, P.; KOBAYASHI, S.; et al. Atmospheric conservation

properties in ERA-Interim. Quarterly Journal of the Royal Meteorological
Society, v. 137, n. 659, p. 1381–1399, 2011.
BEVEN, K. J.; CLOKE, H. L. Comment on “Hyperresolution global land surface

modeling: Meeting a grand challenge for monitoring Earth's terrestrial water”.
Water Resour. Res., v. 48, n. W01801, 2012. doi:10.1029/2011WR010982.
BIANCAMARIA, S.; LETTENMAIER, D. P.; PAVELSKY, T. M. The SWOT Mission

and Its Capabilities for Land Hydrology. Surveys in Geophysics, v. 37, n. 2, p.
307–337, 2016. Springer Netherlands.
183
BOERS, N.; DONNER, R. V.; BOOKHAGEN, B.; KURTHS, J. Complex network
analysis helps to identify impacts of the El Niño Southern Oscillation on moisture
divergence in South America. Climate Dynamics, v. 45, n. 3–4, p. 619–632,
2015.
BOOKHAGEN, B.; STRECKER, M. R. Orographic barriers, high-resolution TRMM

rainfall, and relief variations along the eastern Andes. Geophysical Research
Letters, v. 35, n. 6, 2008.
BUTT, N.; DE OLIVEIRA, P. A.; COSTA, M. H. Evidence that deforestation affects the
onset of the rainy season in Rondonia, Brazil. Journal of Geophysical Research
Atmospheres, v. 116, n. 11, p. 2–9, 2011.
CALVETTI, L. Probabilistic Hydrometeorological Forecast on Alto Iguaçu Basin

with WRF and TopModel Models 2011. 133 p. Thesis (Ph.D) – Department of
Atmospheric Sciences, University of São Paulo. 2011.
CALVETTI, L.; BENETI, C. A. A.; PEREIRA FILHO, A. J. Características das

estimativas de precipitação por radar, satélite e pluviômetros no Paraná: uma
comparação entre chuva de verão e chuva provocada por frente fria. IN: XV SIMP.
BRAS. DE RECURSOS HÍDRICOS. Anais... Curitiba, PR, 2003.
CAMARGO, A.P.; SENTELHAS, P.C. Avaliação do desempenho de diferentes métodos

de estimativa da evapotranspiração potencial no estado de São Paulo, Brasil.
Revista Brasileira de Agrometeorologia, Santa Maria, v. 5, n. 1, p. 89-97, 1997.
CAMPOS, A. R.; SANTOS, G. G.; ANJOS, J. C. R.; ZAMBONI, D. C. S.; MORAES, J.

M. F. Equações de Intensidade de Chuvas para o Estado do Maranhão. Revista
Engenharia na Agricultura - REVENG, v. 23, n. 5, p. 435–447, 2015.
CAMPOS, A. R.; SANTOS, G. G.; SILVA, J. B. L.; FILHO, J. I.; LOURA, D. DE S.

Equações de intensidade-duração-frequência de chuvas para o estado do Piauí1.
Revista Ciencia Agronomica, v. 45, n. 3, p. 488–498, 2014.
CARVALHO, M. Â. V.; OYAMA, M. D. Variabilidade da largura e intensidade da Zona

de Convergência Intertropical atlântica: aspectos observacionais. Rev. bras.
meteorol., São Paulo , v. 28, n. 3, p. 305-316, Sept. 2013 .
CAVALCANTE RBL, PONTES PRM, SOUZA‐FILHO PWM, DE SOUZA EB.

Opposite effects of climate and land use changes on the annual water balance in
the Amazon arc of deforestation. Water Resources Research, n. 55, p. 1-18,
2019.
CECÍLIO, R. A.; XAVIER, A.C.; PRUSKI, F. F.; HOLLANDA, M. P.; PEZZOPANE,

J. E. M. Avaliação de interpoladores para os parâmetros das equações de chuvas
intensas no Espírito Santo. Ambi-Agua, Taubaté, v. 4, n. 3, p. 82-92, 2009.
CETESB. COMPANHIA DE TECNOLOGIA DE SANEAMENTO AMBIENTAL.

Drenagem urbana: manual de projeto. São Paulo, 1979. 476 p.
CHAMBERS JQ, ARTAXO P. Deforestation size influences rainfall.Nature Climate

Change, 2017; 7:175–176.
184
CLARKE, R.T.; DIAS, S. P.L. As necessidades de observação e monitoramento dos
ambientes brasileiros quanto aos recursos hídricos - versão 1.0 (preliminar).
Brasília, CGEE - Centro de Gestão e Estudos Estratégicos, CT-Hidro – Fundo
Setorial de Recursos Hídricos, 41p. 2003.
COLLISCHONN, B.; ALLASIA, D.; COLLISCHONN, W.; TUCCI, C.E.M.

Desempenho do satélite TRMM na estimativa de precipitação sobre a bacia do
Paraguai superior. Revista Brasileira de Cartografia, v.59, p.93-99, 2007.
COLLISCHONN, W. Simulação hidrológica de grandes bacias. 2001. 182 p. Tese

(Doutorado em Engenharia de Recursos Hídricos e Saneamento Ambiental) -
Instituto de Pesquisas Hidráulicas, Universidade Federal do Rio Grande do Sul.
Porto Alegre, 2001.
CONTI, G. N. Estimativa da precipitação através de técnicas de sensoriamento

remoto: Estudo de caso para o estado do Rio Grande do Sul. Dissertação de
mestrado, IPH-UFRGS, 2002.
CORREA, S. W. et al. Multi-decadal Hydrological Retrospective: Case study of Amazon

floods and droughts. Journal of Hydrology, [s.l], v. 549, p.667–684, 2017.
COSTA, J. A.; SILVA, D. F. DA. Distribuição espaço-temporal do Índice de anomalia

de chuva para o Estado do Ceará. Revista brasileira de Geografia, v. 50, n. 4, p.
9–57, 2017.
COSTA, J. B. S.; BEMERGUY, R. L.; HASUI, Y.; et al. Neotectônica da região

Amazônica: aspectos tectônicos, geomorfológicos e deposicionais. Geonomos, n.
4, p. 23-24, 1996.
COUTINHO, A. P.; ALCÂNTARA, L. R. P.; COSTA, I. R. A.; et al. O efeito do método

de desagregação de chuva no hidrograma de projeto para uma bacia hidrográfica
rural no semiárido nordestino.Journal of Environmental Analysis and
Progress, v. 04, n. 02, p.146-156, 2019.
DOI: https://doi.org/10.24221/jeap.4.2.2019.2376.146-156
CPRM - Serviço Geológico do Brasil. Mapa Geológico do Estado do Amazonas.

Geologia e Recursos Minerais do Estado do Amazonas. Sistemas de
Informação Geográfica - SIG, Programa Geologia do Brasil. Escala 1:
1.000.000, do Ministério de Minas e Energia. Rio de Janeiro. 1 CD-ROM.
Programa Geologia do Brasil, 2006.
DALY, C. , HALBLEIB, M. , SMITH, J. I.; et al. Physiographically sensitive mapping

of climatological temperature and precipitation across the conterminous United
States. Int. J. Climatol., 28: 2031-2064, 2008. doi:10.1002/joc.1688
DAUD, Z. M.; KASSIM, A. H. M.; DESA, M. N. M.; NGUYEN, V. T. VAN. Statistical

analysis of at-site extreme rainfall processes in Peninsular Malaysia. IAHS-AISH
Publication, , n. 274, p. 61–68, 2002.
DEE, D. P.; UPPALA, S. M.; SIMMONS, A. J.; et al. The ERA-Interim reanalysis:
Configuration and performance of the data assimilation system. Quarterly
Journal of the Royal Meteorological Society, v. 137, n. 656, p. 553–597, 2011.
185
DIAS, F. S., 2014, Definição de Rede Adaptativa de Monitoramento
Hidrometeorológico com Suporte de Sensoriamento Remoto na Bacia do Dois
Rios – RJ. 2014, 297f. Dissertação (Mestrado em Engenharia Civil), COPPE,
Universidade Federal do Rio de Janeiro, Rio de Janeiro, Rio de Janeiro, 2014.
DINKU, T.; FUNK, C.; PETERSON, P.; et al. Validation of the CHIRPS satellite rainfall
estimates over eastern Africa. Quarterly Journal of the Royal Meteorological
Society, v. 144, n. August, p. 292–312, 2018.
EAGLESON PS. Ecohydrology, A Darwinian Expression of Vegetation Form and

Function, Cambridge:Cambridge University Press, 2002.
EBERT, E.E.; JANOWIAK, J.E.; KIDD, C. Comparison of near-real-time precipitation

estimates from satellite observations and numerical models, Bulletin of the
American Meteorological Society, v. 88, p. 47-64, 2007.
ELTZ, F. L. F.; REICHERT, J. M.; CASSOL, E. A. Período de retorno de chuvas em

Santa Maria, RS. R. Bras. Ci. Solo, v. 16, n. January 1992, p. 265–269, 1992.
ENTEKHABI, D.; ASRAR, G. R.; BETTS, A. K.; et al. An Agenda for Land Surface
Hydrology Research and a Call for the Second International Hydrological Decade.
Bulletin of the American Meteorological Society, v. 80, n. 10, p. 2043–2058,
1999.
ESRI. ArcGIS Desktop: release 10.2. Redlands, CA: Environmental Systems Research
Institute, 2018.
FADHEL, S.; RICO-RAMIREZ, M. A.; HAN, D. Uncertainty of Intensity–Duration–

Frequency (IDF) curves due to varied climate baseline periods. Journal of
hydrology, v. 547, p. 600-612, 2017.
FEDOROVA, N.; CARVALHO, M. H.; FEDOROV, D. Formação de vórtices

observados no campo de nebulosidade sobre a América do Sul. Rev. Bras.
Meteorol., v. 14, n.2, p. 15-27, 1999.
FERREIRA, L. V.; VENTICINQUE, E.; ALMEIDA, S.. O desmatamento na Amazônia

e a importância das áreas protegidas. Estud. av., São Paulo , v. 19, n. 53, p. 157-
166, Apr. 2005 .
FIETZ, C. R.; COMUNELL, E. Probabilidade de ocorrência de chuva em Mato

Grosso do Sul. Dourados: Embrapa Agropecuária Oeste, 2006.
FILIZOLA, N.; GUYOT, J. L. Fluxo de sedimentos em suspensão nos rios da

Amazônia. Braz. J. Geol., São Paulo , v. 41, n. 4, p. 566-576, Oct. 2011
. Doi:http://dx.doi.org/10.25249/0375-7536.2011414566576.
FISCH, G.; MARENGO, J. A.; NOBRE, C. A. Uma revisão geral sobre o clima da
Amazônia. Acta Amaz., Manaus , v. 28, n. 2, p. 101, June 1998 .
Doi:http://dx.doi.org/10.1590/1809-43921998282126.
186
FISHER, R. A.; TIPPETT, L. H. C. Limiting forms of the frequency distribution of the
largest or smallest member of a sample. Proceedings of the Cambridge
Philosophical Society, Cambridge, v.24, n.2, p.180-190, 1928.
FREIRE, P. K. M. M.; SANTOS, C. A. G. . Análise pluviométrica das capitais

nordestinas. In: XI Simpósio de Recursos Hídricos do Nordeste, 2012, João
Pessoa. Anais ... Porto Alegre: ABRH, 2012. v. 1. p. 1-13.
FUNK, C.; PETERSON, P.; LANDSFELD, M.; et al. The climate hazards infrared
precipitation with stations - A new environmental record for monitoring extremes.
Scientific Data, v. 2, p. 1–21, 2015.
GALLARDO, A. Geostadística. Ecosistemas: Revista científica y técnica de ecología

y medio ambiente, v. 15, n. 3, p. 5, 2006.
GALVÃO, W. S. Uso de SIG na geração de modelos de potencial à locação de

estações fluviométricas e de regiões geoambientais homogêneas na bacia do
rio São Francisco. 2004. 302. p. Tese (Doutorado em Geologia) – Universidade
de Brasília, Brasília, 2004.
GANDIN, L. S. Objective Analysis of Meteorological Fields. Leningrad: Hydromet.

Press, 242 pp., 1965.
GARCIA, S. S.; AMORIM, R. S. S.; COUTO, E. G.; STOPA, W. H. Determinação da

equação intensidade-duração-frequência para três estações meteorológicas do
Estado de Mato Grosso. Rev. bras. eng. agríc. ambient., Campina Grande, v.
15, n. 6, p. 575-581, June 2011. DOI: http://dx.doi.org/10.1590/S1415-
43662011000600006.
GARDIMAN JUNIOR, B. S.; MAGALHÃES, I. A. L.; FREITAS, C. A. A.; CECÍLIO,

R. A. Análise de técnicas de interpolação para espacialização da precipitação
pluvial na bacia do rio Itapemirim (ES). Revista do Setor de Ciências Agrárias
e Ambientais, v. 8, n. 1. p. 61-71, 2012.
GETIRANA, A. C. V. Contribuições da Altimetria Espacial à Modelagem

Hidrológica de Grandes Bacias na Amazônia. Tese de Doutorado. Programa de
Engenharia Civil, COPPE/UFRJ. Rio de Janeiro - RJ, 299 p., 2009.
GOMES, F. B. Modos de ocupação no município de Machadinho D'Oeste /RO e suas

relações com equilíbrio natural da paisagem e ajustes morfodinâmicos. 2009.
103f. Dissertação (Mestrado em geografia), Fundação Universidade Federal de
Rondônia – UNIR, Porto Velho, 2009.
GOMES, J. B. Modelagem da radiação líquida via sensoriamento remoto aplicada à

estimativa da evapotranspiração – Estudo de caso para as condições
amazônicas. 2014, 203 f. Dissertação (Mestrado em Engenharia Civil),
Universidade Federal do Rio de Janeiro, Rio de Janeiro, Rio de Janeiro, 2014.
GONTIJO JÚNIOR, W. C. Avaliação e redimensionamento de redes para o

monitoramento fluviométrico utilizando o método Sharp e o conceito de
entropia. 2007, 210f. Dissertação (Mestrado em Tecnologia Ambiental e
187
Recursos Hídricos, Departamento de Engenharia Civil e Ambiental),
Universidade de Brasília, Distrito Federal, 2007.
GOULART, M. A.; SANCHES, L.; VILANI, M. T.; JÚNIOR, O. B. P. Revista Brasileira

de Engenharia Agrícola e Ambiental Análise da evapotranspiração por wavelet de
Morlet em área de Vochysia divergens Pohl no Pantanal Analysis of
evapotranspiration by Morlet wavelet in area of Vochysia divergens Pohl in
Pantanal. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 19, n.
1807–1929, p. 93–98, 2015.
GREEN, C. H.; VAN GRIENSVEN, A. Autocalibration in hydrologic modeling: Using

SWAT2005 in small-scale watersheds. Environmental Modelling & Software,
[s.l], v.23, p.422 – 434, 2008.
GUIMBERTEAU, M.; RONCHAIL, J.; ESPINOZA, J. C.; et al. Future changes in

precipitation and impacts on extreme streamflow over Amazonian sub-basins.
Environmental Research Letters, v. 8, n. 1, 2013.
GUMBEL, E. J. Statistics of extreme. New York: Columbia University Press, 1958, 396p.
GUMBEL, E. J. Statistics of extremes. New York: Dover Publications, 2004.
HASTENRATH, S.; LAMB, P. Some aspects of circulation and climate over the eastern
tropical Atlantic. Monthly Weather Review, v. 105, p. 1019-1023, 1977.
HERNANDEZ, V. Regionalização dos Parâmetros de Escala em Chuvas Intensas.

Revista Brasileira de Recursos Hídricos, v. 13, n. 1, p. 91–98, 2008.
HODRICK, R. J.; PRESCOTT, E. C. Postwar U.S. Business Cycles: An Empirical

Investigation. Journal of Money, Credit and Banking, v. 29, n. 1, p. 1, 1997.
HOLDEFER, A.; SEVERO, D. Análise por ondaletas sobre níveis de rios submetidos à
influência de maré. Revista Brasileira de Recursos Hídricos, v. 20, n. 1, p. 192–
201, 2015.
HOU, A. Y.; KAKAR, R. K.; NEECK, S.; et al. The global precipitation measurement
mission. Bulletin of the American Meteorological Society, v. 95, n. 5, p. 701–
722, 2014.
HSU, K. L.; GAO, X.; SOROOSHIAN, S.; GUPTA, H. V. Precipitation estimation from
remotely sensed information using artificial neural networks. Journal of Applied
Meteorology, v. 36, n. 9, p. 1176–1190, 1997.
HUFFMAN, G. J.; ADLER, R. F.; BOLVIN, D. T.; et al. The TRMM Multisatellite
Precipitation Analysis (TMPA): Quasi-global, multiyear, combined-sensor
precipitation estimates at fine scales. Journal of Hydrometeorology, v. 8, n. 1,
p. 38–55, 2007.
HUFFMAN, G. J.; ADLER, R. F.; MORRISSEY, M. M.; et al. Global precipitation at

one-degree daily resolution from multisatellite observations. Journal of
Hydrometeorology, v. 2, n. 1, p. 36–50, 2001.
188
IAHS, 2013, IAHS - Panta Rhei: Change in Hydrology and Society. Scientific Decade
2013-2022. Disponível em: < http://distart119.ing.unibo.it/pantarhei/?q=node/14.
Acesso em 10/12/2013.
IBGE - Instituto Brasileiro de Geografia e Estatística. Manual técnico da vegetação

brasileira. Série manuais técnicos em geociências. DEDIT/CDDI, Rio de Janeiro,
2007.
IBGE. Instituto Brasileiro de Geografia e Estatística. Cidades por Unidades

Federativas. Disponível em:
<http://www.ibge.gov.br/cidadesat/topwindow.htm?1>. Acesso em: 20 jun. 2018.
JANOWIAK, J. E.; KOUSKY, V. E.; JOYCE, R. J. Diurnal cycle of precipitation

determined from the CMORPH high spatial and temporal resolution global
precipitation analyses. Journal of Geophysical Research Atmospheres, v. 110,
n. 23, p. 1–18, 2005.
JENKINSON, A. F. The frequency distribution of the annual maximum (or minimum) of

meteorological elements. Quarterly Journal of the Royal Meteorological Society,
London, v.81, n.551.501.45, p.158-171, 1955.
JIANG, X.; NIU, G. Y.; YANG, Z. L. Impacts of vegetation and groundwater dynamics
on warm season precipitation over the Central United States. Journal of
Geophysical Research Atmospheres, v. 114, n. 6, p. 1–15, 2009.
JIMÉNEZ, K. Q.; COLLISCHONN, W. Método de combinação de dados de precipitação

estimados por satélite e medidos em pluviômetros para a modelagem hidrológica
Merging rainfall gauges and satellite rainfall data for hydrology modeling.
Revista Brasileira de Recursos Hídricos, v. 20, n. 1, p. 202–217, 2015.
Disponível em: <https://abrh.s3.sa-east-
1.amazonaws.com/Sumarios/176/b8346eb4aa77b8a5bc49a2f47cc8bf61_456d6d
b61f2306fe8688233791b228aa.pdf>. .
JOYCE, R. J.; JANOWIAK, J. E.; ARKIN, P. A.; XIE, P. CMORPH: A method that
produces global precipitation estimates from passive microwave and infrared data
at high spatial and temporal resolution. Journal of Hydrometeorology, v. 5, n. 3,
p. 487–503, 2004.
KAUFFMAN, J. B.; HUGHES, R. F.; HEIDER, C. Carbon pool and biomass dynamics
associated with deforestation, land use, and agricultural abandonment in the
Neotropics. Ecological Applications, v. 19, n. 5, p. 1211-1222, 2009.
KAYANO, M. T.; ANDREOLI, R. V. Relationships between rainfall anomalies over

northeastern Brazil and the El Nino–Southern Oscillation. Journal of
Geophysical Research: Atmospheres, v. 111, n D13, 2006.
KENDALL, M. G. Rank Correlation Methods. Londres: Charles Griffin, 234p., 1975.
KHANNA, J.; MEDVIGY, D.; FUEGLISTALER, S.; WALKO, R. Regional dry-season

climate changes due to three decades of Amazonian deforestation. Nature
Climate Change, v. 7, n. 3, p. 200–204, 2017.
189
KIDD, C.; BAUER, P.; TURK, J.; et al. Intercomparison of high-resolution precipitation
products over Northwest Europe. Journal of Hydrometeorology, v. 13, n. 1, p.
67–83, 2012.
KIDD, C.; LEVIZZANI, V. Status of satellite precipitation retrievals. Hydrology and

Earth System Sciences, v. 15, n. 4, p. 1109–1116, 2011.
KING, R. G.; REBELO, S. T. Low frequency filtering and real business cycles. Journal
of Economic Dynamics and Control, v. 17, n. 1–2, p. 207–231, 1993.
KIRSCHBAUM, D. B.; HUFFMAN, G. J.; ADLER, R. F.; et al. NASA’S remotely

sensed precipitation: A reservoir for applications users. Bulletin of the American
Meteorological Society, v. 98, n. 6, p. 1169–1184, 2017.
KOHAVI, R. A study of cross-validation and bootstrap for accuracy estimation and

model selection. International joint Conference on artificial intelligence. [S.l.:
s.n.], 1995. v. 14, p. 1137–1145.
KRYSANOVA, V.; MULLER-WOHLFEIL. D.; BECKER, A. Development and test of

spatially distributed hydrological water quality model for mesoscale watersheds.
Ecological Modeling, [s.l], v.106, n.2, p.261-289, 1998.
KUNDZEWICZ, Z. W.; ROBSON, A. J. Change detection in hydrological records - A

review of the methodology. Hydrological Sciences Journal, v. 49, n. 1, p. 7–20,
2004.
LATRUBESSE, E. D,STEVAUX, J. C. SINHA, R. Grandes sistemas tropicais: uma

visão geral. Revista Brasileira de geomorfologia, ano 6, nº1, 2005 pag. 1-18.
LE PAGE, Y.; MORTON, D.; HARTIN, C.; et al. Synergy between land use and climate
change increases future fire risk in Amazon forests. Earth System Dynamics, v.
8, n. 4, p. 1237–1246, 2017.
LEHNER, B.; VERDIN, K.; JARVIS, A. New global hydrography derived from
spaceborne elevation data. Eos, Transactions, American Geophysical Union. EOS
Transactions, v. 89, n. 10, p. 93– 94., 2008.
LIMA FILHO, A. B. de; MELO, L. A. S. Diagnostico da pecuária bovina do Estado

do Amazonas. Embrapa: Amazonas, 1990, 57p.
LORENZONI, M.Z.; PRADO, G.; REZENDE, R.; MALLER, A.; OLIVEIRA, J.M.
Chuvas intensas para a microrregião de Cianorte/PR, Brasil: uma avaliação a
partir da desagregação de chuvas diárias. Enciclopédia Biosfera, n. 9, v.17, p.
656-669, 2013.
LU, E.; TAKLE, E. S.; MANOJ, J. The Relationships between Climatic and Hydrological
Changes in the Upper Mississippi River Basin: A SWAT and Multi-GCM Study.
Journal of Hydrometeor, [s.l.], v. 11, p. 437–451, 2010.
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, p. 7–21, 2014.
190
LUO, W.; TAYLOR, M. C.; PARKER, S. R. A comparison of spatial interpolation
methods to estimate continuous wind speed surfaces using irregularly distributed
data from England and Wales. International Journal of Climatology, Sand
Hutton, v.28, n.7, p. 947-959, 2008.
MANN, H.B. Nonparametric tests against trend. Econometrica, [s.l.], v.13, p.245-
259. 1945.
MARAVALL, A., and A. DEL RÍO. Time Aggregation and The Hodrick-Prescott
Filter, Working Paper 0108, Research Department, Banco de España, 2001.
MARCUZZO, F. F. N; ANDRADE, L. R. de; MELO, D. C. R. Métodos de Interpolação

Matemática no Mapeamento de Chuvas do Estado do Mato Grosso. Revista
Brasileira de Geografia Física, Recife, v.4, n.4, p.793-804, Recife, 2011.
MARENGO, J. A.; BETTS, R. Riscos das mudanças climáticas no Brasil: análise

conjunta Brasil-Reino Unido sobre os impactos das mudanças climáticas e do
desmatamento na Amazônia. São Bernardo dos Campos: INPE, 2011.
MARENGO, J. A.; LIEBMANN, B.; KOUSKY, V. E.; FILIZOLA, N. P.; WAINER, I.

C. ONSET AND END OF THE RAINY SEASON IN THE BRAZILIAN
AMAZON BASIN. J. CLIM., n. 14, p. 833–852, 2001. DOI:10.1175/1520-
0442(2001) 014<0833:OAEOTR>2.0.CO;
MARKEWITZ, E; DAVIDSON, E. A.; FIGUEIREDO, A. R. DE O.; VICTORIA, R. L.;

KRUSCHE, A. V. Control of cation concentrations in stream waters by surface
soil processes in an Amazonian watershed. Nature, n. 410, p. 802-805, 2001.
MAZZINI, P. L. F.; SCHETTINI, C. A. F. Avaliação de metodologias de

interpolaçãoespacial aplicadas a dados hidrográficos costeiros quase sinóticos.
Brazilian Journal of Aquatic Sciences and Technology, v.13, n.1, p. 53-64,
2009
MEI, Y.; ANAGNOSTOU,E. N.; NIKOPOULOS, E. I.; BORGA, M. 2014: Error

analysis of satellite precipitation products in mountainous basins. J.
Hydrometeor., n. 15, p. 1778–1793, doi:https://doi.org/10.1175/JHM-D-13-
0194.1.
MENENTI, M.; CHOUDHURY, B. Parameterization of land surface evaporation by

means of location dependent potential evaporation and surface temperature range.
In: Exchange Processes at the Land Surface for a Range of Space and Time
Scales. BOLLE, H. J.; FEDDES, R. A.; KALMA, J. D. (Org), vol. 212, pp. 561–
568, IAHS Press, 1993.
MICHAELIDES, S.; LEVIZZANI, V.; ANAGNOSTOU, E.; BAUER, P.; KASPARIS,

T.; LANE, J. E. Precipitation: measurement, remote sensing ,climatology and
modeling. Atmospheric Research, v. 94, p. 512-533, 2009.
MIRANDA, F.A.; FREITAS, S.R.C.; FAGGION, P.L. Integração e interpolação de

dados de anomalias ar livre utilizando-se a técnica de RNA e krigagem. Boletim
de Ciências Geodésicas, v.15, p.428-433, 2009.
191
MMA - Ministério do Meio Ambiente. Caderno da região hidrográfica amazônica.
Secretaria de Recursos Hídricos, Brasília, DF, 2006.
MOLINA, RD, SALAZAR JF, MARTÍNEZ JA, VILLEGAS JC, ARIAS PA. Forest‐
induced exponential growth of precipitation along climatological wind
streamlines over the Amazon. Journal of Geophysical Research: Atmospheres.
2019; 1:12-34.
MOLINIER, M.; GUYOT, J. L.; OLIVEIRA, E.; GUIMARÃES, V. Les Régimes

Hydrologiques de L’amazone et de ses Affl uents. In: Chevallier P. & Pouyaud B.
(eds.) L’hydrologie Tropicale: Géoscience et Outil Pour le Développement.
Paris, IAHS, p. 209-222, 1996.
MOREIRA, D. M. Rede de Referência Altimétrica para Avaliação da Altimetria por

Satélites e Estudos Hidrológicos na Região Amazônica. 2010, 175 f. Tese
(Doutorado em Engenharia Civil), Universidade Federal do Rio de Janeiro, Rio
de Janeiro, Rio de Janeiro, 2010.
MORETTIN, P. A. Ondas e Ondaletas: da análise de Fourier à análise de ondaletas.

São Paulo: Editora da Universidade de São Paulo, 1999.
MOURA, M. N.; VITORINO, M. I. Variabilidade da precipitação em tempo e espaço

associada à Zona de Convergência Intertropical. Rev. bras. meteorol., São Paulo,
v. 27, n. 4, p. 475-483, Dec. 2012. Doi: http://dx.doi.org/10.1590/S0102-
77862012000400010.
NAGHETTINI, M.; PINTO, E. J. A. Hidrologia Estatística. Belo horizonte: CRPM,

552 p., 2007.
NAKKEN, M. Wavelet analysis of rainfall-runoff variability isolating climatic from

anthropogenic patterns. Environmental Modelling & Software, v.14, p.283-295,
1999.
NEETI, N; EASTMAN, J.R. A Contextual Mann-Kendall Approach for the Assessment

of Trend Significance. Transactions in GIS, [s.l], v.15, n.5, p.599-611. 2011.
NEVES, K. B. L. Avaliação da relação entre doençashídricas e inundações por meio

de imagens de radar JERS -1. Estudo de Caso: Bacia do Rio Madeira,
Rondônia. 2005, 150 f. Tese (Doutorado em Engenharia Civil) Universidade
Federal do Rio de Janeiro, Rio de Janeiro, Rio de Janeiro,2005.
NICOLETE, D. A. P.; ROMAGNOLI, I.; ZIMBACK, C. R. L. Avaliação dos dados de

precipitação pluviométrica obtidos pela constelação gpm para a bacia do rio Tietê
-SP . IN: XXVII Congresso Brasileiro de Cartografia. Anais… Rio de Janeiro,
2017.
NOBRE, C. A.; OBREGÓN, G. O.; MARENGO, J. A.; FU, R.; POUEDA, G.

Características do Clima Amazônico: Aspectos Principais. In: Amazonia and
Global Change, Geophysical Monograph Series, American Geophysical Union,
p 49-162. 2009.
192
NÓBREGA, R. S.; SOUZA, E. P.; GALVÍNCIO, J. D. Análise da estimativa de
precipitação do TRMM em uma Sub-Bacia da Amazônia. Revista de Geografia.
Recife: UFPE – DCG/NAPA, v. 25, nº 1, jan/abr. 2008.
NÓBREGA, S. N. Modelagem de impactos do desmatamento nos recursos hídricos

da bacia hidrgráfica do rio Jamari (RO) utilizando dados de superfície e
TRMM. 186p. Tese (Doutorado em Meteorologia), Universidade Federal de
Campinas Grande – UFCG. Campinas Grande, PB. 2008.
OLIVEIRA, F. H. P. Caracterização das diferenças entre precipitações estimadas por

satélite e obtidas por pluviômetros.2019, 130f. Dissertação (Mestrado em
Saneamento, Meio Ambiente e Recursos Hídricos) Universidade Federal de
Minas Gerais, Belo Horizonte, Minas Gerais, 2019.
OLIVEIRA, L. F. C.; CORTÊS, F. C.; BARBOSA, F. O. A.; ROMÃO, P. A.;

CARVALHO, D. F. Estimativa das equações de chuvas intensas para algumas
localidades no estado de Goiás pelo método da desagregação de chuvas. Pesquisa
Agropecuária Tropical, Goiânia, v. 30, n. 1, p. 23-27, 2000.
OLIVEIRA, L. F. C.; VIOLA, M. R.; PEREIRA, S.; MORAIS, N. R. Modelos de

predição de chuvas intensas para o estado do Mato Grosso, Brasil. Ambi-Agua,
Taubaté, v. 6, n. 3, p. 274-290, 2011.
PACA, V. H. M. Análise de informações satelitais e dados convencionais da rede

pluvio-fluviométrica como contribuição a modelagem hidrológica na região
Amazônica – Estudo de caso: bacia do Rio Guamá – Pará. Dissertação de
Mestrado. COPPE/UFRJ, Rio de Janeiro, RJ, Brasil, 2008.
PAIVA, E. M. C. D.; CLARKE, R. T. Modelagem estocástica da precipitação na

Amazônia. Revista Brasileira de Recursos Hídricos, Porto Alegre, v.2, n.2,
p.157-171, 1997.
PAIVA, R. C. D.; DURAND, M. T.; HOSSAIN, F. Spatiotemporal interpolation of

discharge across a river network by using synthetic SWOT satellite data, Water
Resour. Res., v. 51, p. 430–449, 2015. DOI:10.1002/2014WR015618.
PAIVA, R. Hidrologia da bacia Amazônica: Compreensão e previsão com base em

modelagem hidrológica-hidrodinâmica e
sensoriamento remoto. Thesis (Doctorade em Recursos hídricos), Hydraulics
Research Institute, Federal University of Rio Grande do Sul, Porto
Alegre, 2013.
PANDAY PK, COE MT, MACEDO MN, LEFEBVRE P, CASTANHO ADA.

Deforestation offsets water balance changes due to climate variability in the Xingu
River in eastern Amazonia. Journal of Hydrology, v. 523, n. 822– 829, 2015.
PANDURO, I. L. V.; DE ARAUJO, L. M. N.; MOLION, L. C. B.; et al. Historical

analysis of interannual rainfall variability and trends in southeastern Brazil based
on observational and remotely sensed data. Climate Dynamics, v. 50, n. 3–4, p.
801–824, 2018. Springer Berlin Heidelberg.
193
PAREDES, F. J.; BARBOSA, H. A.; GUEVARA, E. Análisis espacial y temporal de las
sequías en el nordeste de Brasil. AgriScientia, v. 32, n. 1, p. 1–14, 2015.
PAVELSKY, T. M. Using width-based rating curves from spatially discontinuous

satellite imagery to monitor river discharge. Hydrological Processes, v. 28, n. 6,
p. 3035–3040, 2014.
PEDLOWSKI, M. A., DALE, V. H., MATRICARDI, E. A. T., SILVA, E. P. Patterns

and impacts of deforestation in Rondonia, Brazil. Landscape and Urban
Planning, [s.l.], v. 38, n. 3–4, p. 149–157, 1997.
PEEL, M. C.; FINLAYSON, B. L.; MCMAHON, T. A. Updated world map of the

Köppen-Geiger climate classification. Hydrology and Earth System Sciences,
[s.l], v. 11, n. 5, p. 1633-1644, 2007.
PEREIRA FILHO, A. J.; CARBONE, R. E.; TUTTLE, J. D.; KARAM, H. A. Convective

Rainfall in Amazonia and Adjacent Tropics. Atmospheric and Climate Sciences,
n. 5, p. 137-161, 2015.
PEREIRA FILHO, A. J.; CARBONE, R. E.; TUTTLE, J. D.; KARAM, H. A. Convective

Rainfall in Amazonia and Adjacent Tropics. Atmospheric and Climate Sciences,
n. 5, p. 137-161, 2015.
PEREIRA FILHO, A. J.; NEGRI, A.; NAKAYAMA, P. T. An intercomparison of gauge,

radar and satellite rainfall in the tropics. In: I Workshop do IPWG (International
Precipitation Working Group). Anais... Madri, Espanha, 2012.
PEREIRA, C. E.; SILVEIRA, A.; SILVINO, A. Estudo de Chuvas Intensas e estimativa

da Equação IDF para a Cidade de Barra do Bugres - MT. In: I Simpósio de
Recursos Hídricos do Norte e Centro-Oeste, 2007, Cuiabá - MT. Anais… Porto
Alegre: ABRH, 2007. v. 1. p. 11-11.
PEREIRA, G.; SILVA, M.; MORAES, E.; CARDOZO, F. Avaliação dos Dados de
Precipitação Estimados pelo Satélite TRMM para o Brasil. Revista Brasileira de
Recursos Hídricos, v. 18, n. 3, p. 139–148, 2013.
PFAFSTETTER, O. Chuvas Intensas no Brasil. Rio de Janeiro: DNOS, 1982.
PIELKE, R. A. Land use and climate change. Science, v. 310, n. 5754, 1625-1626, 2005.
PUYOL, A. F. B.; VILLA, M. A. J. Principios y fundamentos de la hidrología

superficial. Cidade do México, Universidad Autónoma Metropolitana, 2006.
QUADRO, Mário Francisco Leal de. Estudo de episódios de zonas de convergência do

Atlântico Sul (ZCAS) sobre a América do Sul. Rev. Bras. Geof., São Paulo , v.
17, n. 2-3, p. 210, Nov. 1999 . DOI: http://dx.doi.org/10.1590/S0102-
261X1999000200009.
RAGA, C. C., BRITO, J. I. B., SANSIGOLO, C. A., RAO, T. V. R. Tempo de resposta

da vegetação às variabilidades sazonais da precipitação no Nordeste do Brasil.
Revista Brasileira de Agrometeorologia, v. 11, n. 1, p. 149-157, 2003.
194
RAO, V. B.; FRANCHITO, S. H.; SANTO, C. M. E.; GAN, M. A. An update on the
rainfall characteristics of Brazil: Seasonal variations and trends in 1979-2011.
International Journal of Climatology, v. 36, n. 1, p. 291–302, 2016.
RIGHI, E.; BASSO, L. A. Application and analysis of interpolation techniques for

spatialization of rainfall. Ambiência (UNICENTRO), v. 12, p. 101-117, 2016.
ROBERTS, D. A. et al. Large area mapping of land-cover change in Rondônia using

multitemporal spectral mixture analysis and decision tree classifiers. Journal of
Geophysical Research, [s.l], v. 107, n. 20, p. 40–48, 1997.
RODRIGUEZ, D. A., TOMASELLA, J., LINHARES, C. Is the forest conversion to

pasture affecting the hydrological response of Amazonian catchments? Signals in
the Ji-Parana Catchment, Hydrological Process, [s.l], v. 24, n. 10, p. 1254–1269,
2010.
ROERINK, G. J.; SU, Z.; MENENTI, M. S-SEBI: A simple remote sensing algorithm to
estimate the surface energy balance. Physics and Chemistry of the Earth, Part
B: Hydrology, Oceans and Atmosphere, v. 25, n. 2, p. 147–157, 2000.
ROMATSCHKE, U.; HOUZE, R. A. Characteristics of precipitating convective systems

accounting for the summer rainfall of tropical and subtropical South America.
Journal of Hydrometeorology, v. 14, n. 1, p. 25–46, 2013.
ROSMORDUC, V.; BENVENISTE, J.; PICOT, N.; DORANDEU, J.; EARITH, D.;
LAURET, O.; SICARD, P. . Basic Radar Altimetry Toolbox and radar Altimetry
Tutorial: A New Set of Tools for All Altimetry Users. In: ESA Special
Publication. 2009.
SALATI E, LOVEJOY TE, VOSE PB. Precipitation and water recycling in tropical rain
forests with special reference to the amazon basim. Environmentalist, v. 3, n. 1,
p. 67-72, 1983.
SALVIANO, M. F. Modelagem hidrológica da bacia do rio Muriaé com

TOPMODEL, telemetria e sensoriamento remoto. 2019, 163f. Dissertação
(Mestrado em Meteorologia). Instituto de Astronomia, Geofísica e Ciências
Atmosféricas, Universidade de São Paulo, São Paulo, 2019.
SANTOS, I. A.; BUCHMAN, J. Uma Revisão Qualitativa Enfatizando Aspectos

Climáticos da Amazônia e da Região Nordeste do Brasil. Anuário do Instituto
de Geociências – UFRJ, Rio de Janeiro, v. 33, n. 2, p. 09-23, 2010.
SANTOS, I. M. F.; GUIMARAES, B. S. Analise das vazões do rio são francisco com o
filtro hodrick-prescott. In: I workshop internacional sobre a água no semiárido
brasileiro, Anais ... Campina Grande, 2013.
SANTOS, J. R. N.; SILVA, F. B.; JUNIOR, C. H. L. S.; et al. Precisão dos dados do
satélite Tropical Rainfall Measuring Mission (TRMM) na região de transição
Amazônia-Cerrado no Estado do Maranhão. In: XVI Simpósio Brasileiro de
Sensoriamento Remoto - SBSR. Anais..., Santos, 2015.
195
SCHIELEIN J, BÖRNER J. Recent transformations of land-use and land-cover dynamics
across different deforestation frontiers in the Brazilian Amazon. Land use policy,
n. 76, p.81-94, 2018.
SENAY, G. B. et al. Operational evapotranspiration mapping using remote sensing and

weather datasets: a new parameterization for the SSEB approach. Journal of the
American Water Resources Association, [s.l.], v. 49, p. 577- 591, 2013.
SERRÃO, E. A. DE O.; WANZELER, R. T. S.; SANTOS, C. A.; et al. Avaliação

Estatística Entre As Estimativas De Precipitação Da Constelação Gpm Com
Trmm: Uma Análise a Bacia Hidrográfica Do Rio Solimões (Statistical Evaluation
Between the Constellation of Precipitation Estimates With Gpm Satellite Trmm:
an Analysis of t. Revista Brasileira de Climatologia, v. 18, n. December, 2016.
SHANNON, C. A mathematical theory of communication. Bell System Technical

Journal, v. 27, p. 379-423, 623-656, 1948.
SHARP, W. E. A topologically optimum water-sampling plan for rivers and streams.

Water Resources Research, v. 7, n. 6, p. 1641-1646, 1971.
SHEPARD, D. A two-dimensional interpolation function for irregularly-spaced data. In:

ACM National Conference. Anais… Nova York, EUA, p. 517-524, 1968.
SIEGMUND, K. D.; LAIRD, P. W.; LAIRD-OFFRINGA, I. A. A comparison of cluster

analysis methods using DNA methylation data. Bioinformatics, v. 20, n. 12, p.
1896–1904, 2004.
SILVA, C. M. S. Simulação numérica do ciclo diário de precipitação sobre a

bacia amazônica durante a estação chuvosa. 181f. Tese de Doutorado
(Doutor em Meteorologia) –Instituto Nacional de Pesquisas Espaciais, São
José dos Campos,Agosto,2009.
SILVA, D. D.; PEREIRA, S. B.; PRUSKI, F. F.; GOMES FILHO, R. R.; LANASE, A.
M. Q.; BAENA, L. G. N. Equações de intensidade-duração-frequência da
precipitação pluvial para o estado de Tocantins. Engenharia na Agricultura,
Viçosa, v. 11, n. 1-4, p.7-14, 2004.
SILVA, Djane Fonseca da; SOUSA, Francisco de Assis Salviano de; KAYANO, Mary
Toshie. Escalas temporais da variabilidade pluviométrica na bacia hidrográfica do
Rio Mundaú. Rev. bras. meteorol., São Paulo , v. 25, n. 3, p. 324-332, Sept.
2010 .
SILVA, F. P. Previsão de tempestades severas e de transbordamentos no rio Quitandinha

– Petrópolis/RJ.2019, 318f. Tese (Doutorado em Engenharia Civil), Rio de
Janeiro: UFRJ/COPPE, 2019.
SILVA, F. P.; SILVA, M. G. A. J.; ROTUNNO FILHO, O. C.; PIRES, G. D.; SAMPAIO,
R. J.; ARAÚJO, A. A. M. Synoptic thermodynamic and dynamic patterns
associated with Quitandinha River flooding events in Petropolis, Rio de Janeiro
(Brazil). METEOROLOGY AND ATMOSPHERIC PHYSICS, v. 123, p. 1-18,
2018.
196
SILVA, F. P.; SILVA, M. G. A. J.; ROTUNNO FILHO, O. C.; PIRES, G. D.; SAMPAIO,
R. J.; ARAÚJO, A. A. M. Evaluation of atmospheric thermodynamics and
dynamics during heavy-rainfall and no-rainfall events in the metropolitan area of
Rio de Janeiro, Brazil. METEOROLOGY AND ATMOSPHERIC PHYSICS, v.
703, p. 1-13, 2017.
SILVA, K. R.; CECÍLIO, R. A.; XAVIER, A. C.; PEZZOPANE, J. R. M.; GARCIA, G.

O. Interpolação Espacial da Precipitação no Estado do Espírito Santo. Revista
Floresta e Ambiente, v. 18, n. 4, p. 417-427, 2011
SIQUEIRA, A. H. B.; MOLION, L. C. B. UTILIZAÇÃO DO FILTRO HODRICK-

PRESCOTT NAS ANÁLISES DE DADOS CLIMÁTICOS. Revista Brasileira
de Climatologia, [S.l.], v. 11, dez. 2012. ISSN 2237-8642.
DOI:http://dx.doi.org/10.5380/abclima.v11i0.29224.
SIQUEIRA, ANDERLAN HENRIQUE BATISTA; MOLION, LUIZ CARLOS

BALDICERO. Análises climáticas: o filtro hodrick-prescott aplicado aos índices
atmosféricos da oscilação sul e da oscilação do atlântico norte. Rev. bras.
meteorol., São Paulo , v. 30, n. 3, p. 307-318, Sept. 2015 .
SODRÉ, G. R.; BORGES, L.; VENTURA, J.; CRUZ MELO, F. DE A. Análise

Quantitativa e Qualitativa Horária de dados do Radar, TRMM e Estações
Meteorológicas na região Amazônica. Revista Brasileira de Geografia Física,
v. 6, n. 1, p. 110–117, 2013.
SOUSA, T. C. Análise Intrassazonal de Influências Atmosféricas Remotas Associada ao

Evento de Precipitação Intensa no Estado de Santa Catarina em Novembro de
2008. 2013, 183f. Dissertação (Mestrado em Engenharia Civil), Rio de Janeiro:
UFRJ/COPPE, 2013.
SOUZA, V. A. S. Avaliação Hidrossedimentológica Com Suporte Do Modelo SWAT

Na Amazônia Ocidental – Bacia Do Rio Machadinho/RO. 2015. 210f.
Dissertação (Mestrado em Engenharia Civil), Departamento de Engenharia Civil,
Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2015.
SOUZA, V. A. S. Eventos de precipitação extremas na Amazônia Ocidental:

Rondônia – Brasil. 2012, 73f. Monografia (Graduação em Engenharia
Ambiental), Universidade Federal de Rondônia, Ji-Paraná, Rondônia, 2012.
SOUZA, V. A. S.; ANDRADE, C. D. ; ROTUNNO FILHO, O. C. DETERMINAÇÃO

DE REDE DE MONITORAMENTO HIDROSSEDIMENTOLÓGICO NA
BACIA DO RIO MACHADINHO-RO. REVISTA DE GEOGRAFIA
(RECIFE), v. 35, p. 135-153, 2018.
SOUZA, V. A. S.; DIAS, R. H. S. ; SILVA FILHO, E. P. ; NUNES, M. L. A. ;

ANDRADE, C. D. ; ROSA, A. L. D. Determining IDF equations for the state of
Rondônia. Revista Brasileira de Climatologia, Curitiba, v. 18, p. 10-26, 2016.
SOUZA, V. A. S.; MOREIRA, D. M. ; ROTUNNO FILHO, O. C. ; ANDRADE, C. D. .

ANÁLISE ESTATÍSTICA DE EVENTOS DE PRECIPITAÇÃO EXTREMA
NA BACIA DO RIO MADEIRA. In: XXII Simpósio Brasileiro de Recursos
Hídricos, 2017. Anais.., Florianopólis, 2017.
197
SOUZA, V. A. S.; NUNES, M. L. A. ; FRANCENER, S. F. ; ROSA, A. L. D. .
EVENTOS DE PRECIPITAÇÕES EXTREMAS NA AMAZÔNIA
OCIDENTAL: RONDÔNIA - BRASIL. Revista Brasileira de Climatologia, v.
14, p. 295-315, 2014.
SOUZA, V.A.S.; NASCIMENTO, R.K.; FURTADO, R.S.; ROSA, A.L.D. Análise de

eventos pluviométricos extremos no município de Ji-Paraná, Rondônia. Revista
Pesquisa & Criação, v. 10, n. 2, p. 139-151, 2012.
SPRACKLEN, D; GARCIA-CARRERAS, L. The impact of Amazonian deforestation on

Amazon basin rainfall. Geophys Res Lett., [s.l], v. 42, p.9546–9552, 2015.
STRECK, N. A.; BURIOL, G. A.; HELDWEIN, A. B.; GABRIEL, L. F.; PAULA, G. M.

de. Associação da variabilidade da precipitação pluvial em Santa Maria com a
oscilação decadal do Pacífico. Pesquisa Agropecuária Brasileira, v.44, n.12,
p.1553-1561, 2009.
SU, Z. The Surface Energy Balance System (SEBS) for estimation of turbulent heat
fluxes. Hydrology and Earth System Sciences, v. 6, p. 85–99, 2002.
SWANN, A. L. S. et al. Future deforestation in the Amazon and consequences for South
American climate. Agricultural and Forest Meteorology, [s.l.], v. 214, p. 12–
24, 2015.
TAPIADOR, F. J.; TURK, F. J.; PETERSEN, W.; et al. Global precipitation

measurement: Methods, datasets and applications. Atmospheric Research, v.
104–105, p. 70–97, 2012. Elsevier B.V. Disponível em:
<http://dx.doi.org/10.1016/j.atmosres.2011.10.021>. .
TEODORO, P.E.; NEIVOCK, M.P.; MARQUES, J.R.F.; FLORES, A.M.F.;

RODRIGUES, C.C.B. Influência de diferentes coeficientes de desagregação na
determinação de equações IDF para Aquidauana/MS. Revista Eletrônica de
Engenharia Civil, v. 9, n. 2, p. 1-9, 2014.
THORNTHWAITE, C.W.; MATHER, J.R. Instructions and tables for computing

potential evapotranspiration and the water balance. Centerton, NJ: Drexel
Institute of Technology - Laboratory of Climatology, 1957. 311p. (Publications in
Climatology, vol.X, n.3)
TORRENCE, C.; COMPO, G. P. A Pratical Guide to Wavelet Analysis. Bulletin of the

American Meteorological Society, vol. 79, n° 01, pp. 61-78, 1998.
TORRICO, J. J. T. Práticas hidrológicas. Rio de Janeiro: Transcom, 1975.
TRMM. Mission Overview. Disponível em <http://trmm.gsfc.nasa.gov>. Acesso em

setembro de 2018.
TUCCI, C. E. M. (Org.). Hidrologia. Ciências e aplicação. 4. Ed. Porto Alegre: Ed. da

Universidade: ABRH: EDUSP, 2009.
VAREJÃO-SILVA, M.A. Meteorologia e climatologia. Brasília: INMET/ Stilo, 2005.
198
VARIKODEN, H.; PREETHI, B.; REVADEKAR, J. V. Diurnal and spatial variation of
Indian summer monsoon rainfall using tropical rainfall measuring mission rain
rate. J. Hydrol., [s.l], v. 475, p. 248-258, Dec. 2012.
VARIKODEN, H.; PREETHI, B.; REVADEKAR, J. V. Diurnal and spatial variation of

Indian summer monsoon rainfall using tropical rainfall measuring mission rain
rate. Journal of Hydrology, v. 475, p. 248–258, 2012. DOI:
http://dx.doi.org/10.1016/j.jhydrol.2012.09.056.
VEIGA, J. B. da; TOURRAND, J. F.; QUANZ, D. A pecuária na fronteira agrícola da

Amazônia: o caso do município de Uruará, Pa, na Transamazônica. Belém :
Embrapa-CPATU. 1996. 61p. (Documentos).
VERA, C.; HIGGINS, W.; AMBRIZZI, T.; et al. Toward a Unified View of the American
Monsoon Systems. Journal of Climate, v. 19, p. 4977-5000, 2006
VIEGAS, J.; ANDREOLI, R. V.; KAYANO, M. T.; et al. Caracterização dos Diferentes
Tipos de El Niño e seus Impactos na América do Sul a Partir de Dados Observados
e Modelados. Rev. bras. meteorol., São Paulo , v. 34, n. 1, p. 43-67, Mar. 2019
. Doi: http://dx.doi.org/10.1590/0102-7786334015.
VILANI, M. T.; SANCHES, L. Análise de Fourier e Wavelets aplicada à temperatura do

ar em diferentes tipologias de ocupação. Rev. bras. eng. agríc. ambient.,
Campina Grande , v. 17, n. 12, p. 1340-1346, Dec. 2013 .
VILANI, M. T.; SANCHES, L. Análise de Fourier e Wavelets aplicada à temperatura do

ar em diferentes tipologias de ocupação. Revista Brasileira de Engenharia
Agricola e Ambiental, v. 17, n. 12, p. 1340–1346, 2013.
VILELA, S. M.; MATTOS, A. Hidrologia aplicada, McGraw-Hill: São Paulo, 1975.
VILLAR, E.J.C.; RONCHAIL, J.; GUYOT, J.L.; et al. Spatio-temporal rainfall

variability in the Amazon basin countries (Brazil, Peru, Bolivia, Colombia, and
Ecuador). International Journal of Climatology, v. 29, n. 11, p. 1574-1594,
2009.
VILLELA, S. M.; MATTOS, A. Hidrologia aplicada. São Paulo: McGraw-Hill, 1975.
VU, M. T.; RAGHAVAN, S. V.; LIONG, S. Y. SWAT use of gridded observations for
simulating runoff – a Vietnam river basin study. Hydrology and Earth System
Sciences Discussions, [s.l.], v. 8, n. 6, 2011.
WAN Z, LI ZL. A physics-based algorithm for retrieving land-surface emissivity and

temperature from EOS/MODIS data. IEEE Trans. Geoscience and Remote
Sensing, 1997; 35:980-996.
WANG, J.; KREJCI, R.; GIANGRANDE, S.; KUANG, C.; BARBOSA, H. M.; BRITO,
J.; LAVRIC, J. Amazon boundary layer aerosol concentration sustained by
vertical transport during rainfall. Nature, v. 539, n.7629, p. 416-421, 2016.
199
WANG, X.; EDWARDS, R. L.; AULER, A. S; et al. Hydroclimate changes across the
Amazon lowlands over the past 45,000 years. Nature, London, Springer Nature,
v. 541, n.7636, p. 204-207, 2017.
WANG, Z.; KIM, Y.; SEO, H.; UM, M.; MAO, J. Permafrost response to vegetation
greenness variation in the Arctic tundra through positive feedback in surface air
temperature and snow cover. Environmental Research Letters, v. 14, n.4, p. 24-
40, 2019.
WARSZAWSKI, S. Estimativa de Vazões Extremas - Estudo de Caso: Rio Bengala –

Região Serrana/RJ. 2013, 176f. Dissertação (Mestrado em Engenharia Civil), Rio
de Janeiro: UFRJ/COPPE, 2013.
WILKS, D.S. Statistical methods in the atmospheric sciences:an introduction. New

York: Academic Press, 1995. 467p.
WILLMOTT, C. J.; ACKLESON, S. G.; DAVIS, R. E.; et al. Statistics for the evaluation
and comparison of models. Journal of Geophysical Research, Washington DC,
v. 90, n.C5, p. 8995-9005, 1985.
WMO - World Meteorological Organization. Guide to hydrological practices – data

acquisition and processing, analysis, forecasting e others aplications. 15 ed.
World Meteorological Organization n° 168. p. 259-287, 1994.
WOLFARTH-COUTO, B.; SILVA, R. A.; FILIZOLA, N.. Variabilidade dos casos de

malária e sua relação com a precipitação e nível d’água dos rios no Estado do
Amazonas, Brasil. Cad. Saúde Pública, Rio de Janeiro, v. 35, n. 2,
e00020218, 2019 . Doi: http://dx.doi.org/10.1590/0102-311x00020218.
WOOD, E. F; ROUNDY, J. K.; TROY, T. J.; et al.. Reply to comment by Keith J. Beven
and Hannah L. Cloke on Hyperresolution global land surface modeling : meeting
a grand challenge for monitoring Earth´s terrestrial water. Water Resources
Research, Vol. 48, n. W01802, p. 1-3, 2012
XAVIER, L. N. R. Modelagem Hidrológica com o Aporte de Dados da Missão

Espacial GRACE: Aplicação a Bacias Brasileiras. 2012, 250 f. Tese
(Doutorado em Engenharia Civil). Universidade Federal do Rio de Janeiro Rio de
Janeiro, Rio de Janeiro, 2012.
XIE, P.; ARKIN, P. A. Global Precipitation : A 17-Year Monthly Analysis Based on

Gauge Observations , Satellite Estimates , and Numerical Model Outputs. ,
p. 2539–2558, 1989.
YANG, Z.; HSU, K.; SOROOSHIAN, S.; et al. Bias adjustment of satellite-based
precipitation estimation using gauge observations: A case study in Chile. Journal
of Geophysical Research : Atmospheres,.n.121, p. 3790–3806, 2016.
ZAMBRANO-BIGIARINI, M.; NAUDITT, A.; BIRKEL, C.; VERBIST, K.; RIBBE, L.

Temporal and spatial evaluation of satellite-based rainfall estimates across the
complex topographical and climatic gradients of Chile. Hydrol. Earth Syst. Sci.,
n. 21, p. 1295–1320, 2017
200
ZEMP DC, SCHLEUSSNER CF, BARBOSA HM, HIROTA M, MONTADE V, et al.
Self-amplified Amazon forest loss due to vegetation-atmosphere feedbacks.
Nature communications, 2017; 8:14681.
ZSEE - Rondônia. Governo do Estado. Zoneamento Socioeconômico-Ecológico do

Estado de Rondônia: Um Instrumento de Gestão Ambiental a Serviço do
Desenvolvimento Sustentável de Rondônia. Porto Velho: SEDAM, 2007.
ZUBIETA, R.; SULCA, J.; SAAVEDRA, M.; CARLO, J. Assessing precipitation

concentration in the Amazon basin from different satellite-based data sets. Int, J.
Climatol., n.[s.n], p. 1–17, 2019.
201
ANEXOS
202
ANEXO 1 – CICLOS E TENDÊNCIAS NA PRECIPITAÇÃO DA BACIA DO
RIO MADEIRA1
A1.1 INTRODUÇÃO
A bacia hidrográfica do rio Madeira insere-se no centro de intensa convecção
acoplada à zona do cavado equatorial quase permanente e possui grande importância no
funcionamento do clima global devido as suas florestas, que, por meio de intensa
evapotranspiração, bombeiam calor latente à atmosfera para equilibrar o forte calor
radiativo à superfície (Nobre et al., 2009).
Tal mecanismo faz com que o ecossistema dessa região hidrográfica seja
extremamente ligado às variáveis hidroclimáticas, principalmente a precipitação.
Diversos estudos, como, por exemplo Rabello et al. (2016) e Braga et al. (2010), apontam
que as espécies de plantas são altamente ligadas à quantidade de chuva. A redução nos
valores da precipitação torna a região mais propensa à savanização. Há ainda análises
paleoclimatológicas, como é o caso do trabalho de Wang et al. (2017), entre outros, que
examina séries temporais mais longas, reforçando os indícios de que a cobertura do solo,
quanto submetida à escassez permanente de água, tende a criar um bioma com
características de savana.
Diante desse contexto, entender o comportamento da chuva na região é primordial
para compreender como a região será afetada por modificações em suas séries temporais,
notadamente de origens potencialmente antrópica e climática, como avanços observados
no estudo de Panduro et al. (2018) que analisou a distribuição espaço-temporal da
precipitação sobre áreas com alto índice de desmatamento na bacia do Amazonas Legal
do Brasil. Assim, pelo viés matemático a série temporal pluviométrica, que é a relação
entre a ocorrência do fenômeno e o seu comportamento no tempo, pode ser decomposta
em 4 componentes características - sinais ou variabilidades de longo prazo de tempo, de
curto prazo, cíclicas e aleatórias (Spiegel, 1969).
Siqueira e Molion (2012) ressaltam que a variabilidade de longo prazo de tempo
é caracterizada por oscilações quase seculares e/ou interdecadais e nelas observa-se que
a série temporal, aparentemente, se desenvolve em uma direção geral, reta ou curvas
sinuosas; os sinais cíclicos representam oscilações ou desvios de prazo interanual ou
plurianual, existentes na curva da tendência geral da série; as oscilações em escala de
1
Artigo aprovado no XXIII Simpósio Brasileiro de Recursos Hídricos, 2019
203
curto prazo de tempo referem-se aos padrões existentes, idênticos ou quase idênticos, que
são observados na escala anual e/ou sazonal da série; e as oscilações aleatórias
(irregulares) estão associadas aos deslocamentos esporádicos que são provocados por
eventos casuais,
A série pluviométrica especifica a ocorrência do fenômeno e revela o seu
comportamento no tempo e no espaço. Em especial, a série temporal pode ser decomposta
em quatro (4) componentes características: sinais ou variabilidades de longo prazo, de
curto prazo, cíclicas e aleatórias (Spiegel, 1969). A separação das 4 componentes auxilia
no entendimento da escala de tempo em que os processos hidrometeorológicos e
antrópicos atuam sobre as chuvas de uma região. Dentre as técnicas capazes de realizar
essa ação, destaca-se o filtro Hodrick-Prescott (Hodrick e Prescott, 1980).
Assim, o objetivo deste trabalho foi detectar possíveis periodicidades nas séries
históricas de precipitação da bacia do rio Madeira.
A1.2 MATERIAIS E MÉTODOS

A bacia hidrográfica 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 A1.1), 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.
204
Figura A1.1 – Localização da bacia hidrográfica do rio Madeira
As informações de precipitação utilizadas foram obtidas por meio do banco de

dados disponibilizados pela Agência Nacional de Águas (ANA). Esse órgão mantém, em
seus registros, dados de precipitação pluviométrica acumulada em períodos de um dia
para 613 estações pluviométricas na área de estudo.
Realizando-se, primeiramente, uma triagem desses dados, verificou-se que o
intervalo entre os anos de 2000 a 2015 era o que possuía mais estações com menor número
de falhas com periodos superiores a 10 anos. O presente trabalho analisou as séries
históricas de 37 estações pluviométricas demarcadas na Figura 1.
Para analisar o comportamento das séries históricas desses pluviômetros e possíveis
influências de eventos climáticos, no nível mensal, empregou-se o filtro Hodrick-Prescott
– HP.
O filtro Hodrick-Prescott – HP (Hodrick e Prescott, 1980) busca extrair a tendência,
que é considerada estocástica, mas com variações suaves ao longo do tempo e não
correlacionadas com o ciclo. Dessa forma, propõe-se a decomposiçãode uma série
temporal em duas séries temporais, das quais uma é formada pelos componentes de sua
tendência enquanto a outra pela parte cíclica e aleatória do sinal original.
205
A decomposição pode ser escrita como
𝑦𝑡 = 𝜏𝑡 + 𝑐𝑡 (A1.1)
onde: y é a série original; τ é a tendência extraída com o filtro HP; c é a parte
cíclica/aleatória extraída com o filtro HP; e λ é o parâmetro de suavização ou penalização
O λ controla as variações da taxa de crescimento da componente tendência e deve
assumir valores positivos, pois, se λ = 0, a série da tendência seria igual à série original.
Por outro lado, quanto maior for λ, maior é a suavização da tendência, tal que se λ→ ∞,
a tendência aproxima-se de uma linha reta (Hodrick e Prescott, 1980).
Hodrick e Prescott (1980), em seu trabalho, assumem que o fator penalizador
(Equação A1.3) é função da relação entre a variância do primeiro termo (θc) e a variância
do segundo termo (θτ).
𝜃
𝜆𝑡 = (𝜃𝑐 )⁡ (A1.3)
𝜏
Por outro lado, o trabalho de Maravall e Del Rio (2001) investigou os efeitos do
fator penalizador para diferentes frequências, constatando que a maior parte dos ciclos
superiores (inferiores) ao valor de referência (P) são mantidos na série tendência
(cíclica/aleatória). Uma sumarização dos dados deste trabalho encontra-se na Tabela
A1.1.
206
Tabela A1.1 – Valores dos parâmetros penalizadores para séries de dados anuais (λa),
trimestrais (λt) e mensais (λm) e o correspondente ciclo de referência (P)
(λa) (λt) (λm) P (anos)
1 179 14400 5,7
5 1190 95972 9,2
6 1437 115975 9,7
7 1600 129119 9,9
10 2433 196474 11,0
15 3684 297715 12,2
20 4940 399339 13,2
25 6199 501208 13,9
30 7460 603250 14,6
35 8723 705424 15,2
40 9.986 807702 15,7
70 17585 1422774 18,1
100 25.199 2.039248 19,8
200 50633 4.098632 23,6
400 101599 8225728 28,0
Fonte: adaptada de Maravall e Rio (2001).
Assim, para os dados deste estudo, adotou-se o efeito penalizador (λ) de 14400, tal
como preconiza Maravall e Del Rio (2001), devido os dados serem mensais e pelo fato
de que, nas buscas de eventos, optou-se por períodos de ocorrência menores do que 6
uma vez que o período analisado foi restrito aos anos de 2000 a 2015.
Posteriormente, uma vez executada a separação das condições de ciclo e tendência,
as inflexões depressivas e elevações de pico na tendência da série foram comparadas com
ocorrências climáticas na região de estudo e ao seu entorno para vislumbrar as relações
de possíveis perturbação e poder especializar os mesmos.
A1.3 RESULTADOS
As séries de dados mensais dos pluviômetros analisados para o ano de 2000 a 2015
foram segregadas por meio do filtro HP em ciclo e tendência para identificar as
ocorrências de fenômenos climáticos nesse período e como afetaram essas séries.
A frequência penalizou a parte da tendência interdecadal da série, separando-a da
parte cíclica e aleatória (variabilidade interanual). Assim, o procedimento permitiu
observar a duração e a variação dos ciclos nas séries temporais, em especial, a
variabilidade de longo prazo observada nos dados mensais da precipitação.
Como pode ser constatar nos exemplos da Figura A1.2, em que se observa dois
pluviômetros escolhidos aleatoriamente, que não há um comportamento único para todas
207
as estações. Logo, cada pluviômetro reage de forma única a um mesmo evento. Esse fato
está associado a uma grande variabilidade espacial da chuva e à baixa densidade de pontos
amostrados por essas estações.
Figura A1.2 – Aplicação do filtro HP nas séries históricas de duas estações amostradas
A variação na linha de tendência de todas estações ao longo dos meses e anos na

Figura A1.3.
-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
Figura 3 – Variação na tendência dos dados das estações amostradas
Os resultados foram confrontados com as análises nos boletins Climanálise do

Centro de Previsão de Tempo e Estudos Climáticos (CPTEC). Tais documentos relatam
quatro grandes fenômenos na região amazônica entre os períodos de 2000 a 2015, sendo
208
dois grandes períodos de seca (2005 e 2010) e dois de altas intensidades pluviométricas
(2009 e 2012).
Na imagem, é nítida que a maior depleção na tendência dos eventos pluviométricos,
de forma generalizada em todos os meses de um mesmo ano, ocorreu em 2010. Nesse
período, segundo Lewis et al. (2011), ocorreu uma seca que atingiu a Amazônia e foi a
mais severa em 100 anos.
No ano de 2005, não houve variação significativa na tendência, todavia os anos
anteriores foram marcados por períodos em que a variação foi negativa nos meses
chuvosos, sugerindo que os efeitos climáticos atenuaram a depleção na variação para esse
ano.
Nos anos de 2009 e 2012, observa-se tendência de variações positivas, associadas
a ocorrência do fenômeno La Niña.
, que conforme Sales et al. (2011), é gerada pelo resfriamento da superfície do
oceano Atlântico sul.
A1.4 CONCLUSÃO
Constatou-se que o filtro HP foi capaz de verificar perturbações nos fenômenos
climáticos da região da bacia hidrográfica do rio Madeira.
Os efeitos de variações positivas ocorreram de 2009 a 2012, verificando-se assim,
influência do La Niña.
O evento de seca do ano de 2005 não apresentou grande deflação na tendência das
séries, mas os anos anteriores foi observado uma redução desta, o que indica que o
fenômeno causador já poderia estar atuando.
A1.5 REFERÊNCIAS
BRAGA, C.C; BRITO, J.I.B.; SANSIGOLO, C.A.; RAO,T.V.R. (2003) “Tempo de

resposta da vegetação às variabilidade sazonais da precipitação no Nordeste do
Brasil”. Revista Brasileira de Agrometeorologia, v. 11, p. 149-157.
GUYOT, J.L. (1993). Hydrogéochimie dês Fluves de L’Amazonie Bolivienne.

ORSTOM, Paris, 320p.
HODRICK, R. J.; PRESCOTT, E.C. (1980) “Postwar U.S. Business cycles: an empirical
investigation”. Discussion Papers, 451, Northwestern University.
209
MARAVALL, A., and A. DEL RÍO (2001). Time Aggregation and The Hodrick-Prescott
Filter, Research Department, Banco de España, 40p.
NOBRE, C. A.; OBREGÓN, G. O.; MARENGO, J. A.; FU, R.; POUEDA, G. (2009)
“Características do Clima Amazônico: Aspectos Principais”. In: Amazonia and
Global Change, Geophysical Monograph Series, American Geophysical Union, p
49-162.
PANDURO., I. L. V. ; DE ARAUJO, L. M. N. ; MOLION, L. C. B. ; DE ABDALAD,

M. A. ; MOREIRA, D. M. ; SANCHEZ, A. ; BARBOSA, H. A. ; ROTUNNO
FILHO, O. C. (2017). “Historical analysis of interannual rainfall variability and
trends in southeastern Brazil based on observational and remotely sensed data”.
Climate Dynamics, v. 1, p. 1-24.
RABELLO, V. P. A. ; Getirana, A.C.V. ; LAKSHMI, V. ; ROTUNNO FILHO, O.

C. (2016). “Monitoring drought in Brazil by remote sensing”. In: Venkat
Lakshmi. (Org.). Remote Sensing of Hydrological Extremes. 1ed.: Springe, v. 1,
p. 197-218.
SALES, N.; REBELLO, E.; FÁTIMA, J. (2011). “As maiores "cheias" e "secas" no
Amazonas e as influências dos fenômenos "El Niño", "La Niña", "ODP" e
"OMA"” in Anais do 16 CONGRESSO BRASILEIRO DE METEOROLOGIA,
Belém-PA. Anais eletrônicos. Belém, 1, pp. 1-8.
SIQUEIRA, A.H.B.; MOLION, L. C. B. (2008) El Niño-Oscilação Sul e a Oscilação

Decadal do Pacífico. IX Simpósio de Recursos Hídricos do Nordeste, 2008,
Salvador. Anais – IX Simpósio de Recursos Hídricos do Nordeste.
SPIEGEL, M. R. (1969). Estatística: resumo da teoria. COLEÇÃO SCHAUM. Traduzido

por Pedro Cosentino. Ao Livro Técnico S. A. 579 p. Rio de Janeiro - RJ.
WANG X, EDWARDS RL, AULER AS, CHENG H, KONG X, WANG Y, CRUZ

JÚNIOR FW DA, DORALE JA, CHIANG H-W. (2017) “Hydroclimate changes
across the Amazon lowlands over the past 45,000 years”. Nature, London,
Springer Nature, v. 541, n. 7636, p. 204-207.
210
ANEXO 2 – ANÁLISE ESTATÍSTICA DE EVENTOS DE
PRECIPITAÇÃO EXTREMA NA BACIA DO RIO MADEIRA 2
A2.1 INTRODUÇÃO
O Brasil apresenta, principalmente após a década de 60 do século XX, um
crescimento significativo da população urbana. A ocorrência desse fenômeno, sobretudo
nas últimas décadas, transformou o Brasil num país essencialmente urbano,
contabilizando cerca de 83% de população urbana com uma infraestrutura muitas vezes
inadequada para prover bons indicadores socioeconômicos e hídrico-sanitários de
qualidade de vida (Teixeira, 2001; Soares, 2004).
Os efeitos do processo ocorrido de forma desorganizada propagam-se por toda a
malha urbana, configurando-se como um desafio para o aproveitamento dos recursos
hídricos, principalmente no que concerne ao planejamento e à construção de obras
hidráulicas e hidrológicas para a minimização de impactos socioambientais decorrentes
de enchentes ou de secas, o que enseja planejamento adequado da drenagem urbana
(Tucci, 2007; Oliveira et al., 2011).
O estudo de eventos hidrológicos extremos é um requisito em projetos de drenagem,
em obras de impermeabilização e em outras benfeitorias de engenharia, seja em áreas
urbanas ou rurais, porquanto permite que o projetista considere o risco diante da execução
de uma intervenção urbanística, requerendo que o associe vis a vis a melhor alternativa
do ponto de vista econômico, sem colocar de lado naturalmente questões técnicas de
desempenho e segurança. Todavia tais dados são incipientes com disponibilidade restrita
a algumas localidades.
A precipitação pluviométrica, dentre as variáveis do balanço hídrico, é
possivelmente a que mais interfere mais diretamente na vida humana, uma vez que se
configura como a principal entrada de água no sistema hidrológico, então subdividida de
forma simplificada em vazão e evaporação, com efeitos na propagação do escoamento
superficial, na infiltração de água na zona vadosa e recarga e escoamento subterrâneo,
processos intimamente conectados com a sua ocorrência. Em virtude de sua larga
influência sobre áreas povoadas, seja percebida de forma positiva ou não, a chuva é, sem
2
Artigo publicado no XXII Simpósio Brasileiro de Recursos Hídricos, 2017
211
dúvida, a principal força motriz de suprimento hídrico para a produção de atividades
humanas com geração de impacto profundo na economia de uma sociedade.
O conhecimento e a previsão das características das precipitações pluviométricas
tornam-se, assim, de grande importância, destacando-se a determinação de sua
intensidade máxima, duração e período de recorrência, em especial no caso de eventos
extremos.
Nesse sentido, uma forma amplamente empregada para a caracterização das chuvas
extremas em uma determina localidade é a utilização de curvas de intensidade-duração-
frequência (IDF). Modelos matemáticos semiempíricos, que permitem estabelecer a
previsão da intensidade precipitada por meio da duração e distribuição temporal, são
empregados. Destaca-se que a inferência da pluviosidade extrema é possível devido a
ajustes de distribuições probabilísticas, propiciando que tal tipo de evento seja modelado
estatisticamente.
Dentre as distribuições estatísticas teóricas, segundo Souza (2012), os modelos
mais indicados são as distribuições normal, log-normal, exponencial, gama, Gumbel,
Weibull e logística.
Por outro lado, cabe acrescentar que a literatura explicita que a distribuição de
Gumbel seria em princípio, a mais indicada na representação de eventos pluviométricos
extremos, pois Hersfield e Kohler (1960), ao analisarem os dados de milhares de estações
pluviométricas nos Estados Unidos, comprovaram que a distribuição de Gumbel se
mostra mais eficiente em descrever o fenômeno das chuvas intensas. Em tal contexto, os
trabalhos de Oliveira et al. (2011), Silva et al. (2003), e Oliveira et al. (2008) são
referências no uso da distribuição de Gumbel para a modelagem de chuvas extremas,
comprovando, dessa forma, a aplicabilidade dessa distribuição em tal fenômeno.
No Brasil, no entanto, esses fenômenos ainda são relativamente pouco estudados,
principalmente em regiões como a porção brasileira da bacia do rio Madeira, localizada
na Amazônia Ocidental. E mesmo os estudos existentes, possuem resultados divergentes
sobre um uso predominante de um modelo estatístico mais adequado na região, como
exemplo, no município de Porto Velho-RO dois trabalhos realizaram a estimativa da
curva IDF para uma mesma estação pluviométrica com distribuições estatísticas
diferentes, enquanto Souza (2012) utilizou o modelo estatístico de Gumbel, o estudo de
Weschenfelder et al. (2016) fez uso da distribuição exponencial.
Em vista do exposto, a presente pesquisa objetivou verificar, dentre sete (7)
distribuições estatísticas mencionadas por Souza (2012), a que melhor se ajusta à
212
distribuição das chuvas extremas na porção brasileira da bacia do rio Madeira, para que,
posteriormente, tal informação possa ser utilizada na tomada de decisão e na delimitação
do impacto desses fenômenos na região de estudo. Em especial, o estudo contribui na
investigação sobre a pertinência dos testes de hipótese para ajuste de distribuições de
probabilidade, destacando-se que recente literatura indaga sobre a correspondente
validade desse tipo de análise para aplicação em estudos hidráulico-hidrológicos (Baker,
2017; Blöschl, 2017; Mcknight, 2017; Neuweiller e Helmig, 2017; Pfister e Kirchner,
2017).
A2.2 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
A2.1), 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.
213
De acordo com a classificação de Koppen, o clima representa um clima tropical

úmido de monção, caracterizado por exibir um longo período com precipitação
pluviométrica elevada e uma curta estação seca (Masson, 2005).

A2.3.1 Aquisição dos Dados
Os dados de precipitação utilizados, neste estudo, foram obtidos por meio do banco
de dados disponibilizados pela Agência Nacional de Águas (ANA). Esse órgão mantém,
em seus registros, dados de precipitação pluviométrica acumulada em períodos de um dia
para 613 estações pluviométricas na área de estudo. Realizando-se, primeiramente, uma
triagem desses dados, verificou-se que o intervalo entre os anos de 2000 a 2015 era o que
possuía mais estações sem falhas no período de meses chuvosos (outubro a março) com,
no mínimo, 10 anos, o que, segundo, por exemplo, CETESB (1979), é um dos
pressupostos recomendados para se analisar eventos extremos de uma área. Este trabalho
analisou as séries históricas de 38 estações pluviométricas, Figura 1.
A2.3.2 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
214
(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.
A2.4 RESULTADOS E DISCUSSÃO

Os resultados das avaliações de aderência estão resumidos na Figura A2.2.
215
Figura A2.2 – Testes de aderência
216
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.
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 e 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,
217
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 haver complementação por parte da análise das
características físicas do fenômeno em foco e das possíveis deduções teóricas quanto às
propriedades distributivas da variável em questão.
A2.5 CONCLUSÕES
218
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 mais bem 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.
A2.6 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.
BAKER, V. R. (2017). Debates—Hypothesis testing in hydrology: Pursuing certainty

versus pursuing uberty. Water Resour. Res., n. 53, p. 1770-1778.
BITTENCOURT, H. R. (2001). Comparação da discriminação logística com o método

da máxima verossimilhança gaussiana na classificação de imagens digitais.
Dissertação de mestrado. UFRGS, Porto Alegre-RS, 67 p.
BLÖSCHL, G. (2017). Debates—Hypothesis testing in hydrology: Introduction, Water

Resour. Res., n. 53, p. 1767–1769.
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.
HAAN, C. T. (1977). Statistical Methods in Hydrology. Ames (IA): The Iowa University
Press, 378p.
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-
219
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.
RELIASOFT – ReliaSoft Corporation. Characteristics of the Weibull Distribution.

Disponível em: <http://www.weibull.com/hotwire/issue14/relbasics14.htm>.
Acesso em: 03 dez. 2011.
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.
SOARES, J. H. P. (2004). Definição de um Índice Ecônomico-Sanitário para Avaliação

das Condições de Saneamento na baixada fluminense. Estudo de Caso: Programa
de Despoluição da Baía de Guanabara. Tese de doutorado, UFRJ, 493 p.
SOUZA, V. A. S. (2012). Eventos de precipitação extremas na Amazônia Ocidental:

Rondônia – Brasil. Monografia Graduação, UNIR, 73p.
TEXEIRA, A. L. F. (2001). Análise espacial de Dissertação de mestrado, Dissertação de

mestrado, UFRJ, 206 p.
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.
WESCHENFELDER, A.B.; et al. (2016). Intensidade-Duração-Frequência. Município:

Porto Velho. Estação Pluviográfica: Jaci Paraná, Códigos 00964005. CPRM,
Porto alegre.
220
ANEXO 3 – CURVAS DE INTENSIDADE-DURAÇÃO-
FREQUÊNCIA (IDF) DE CHUVAS EXTREMAS: UM PRODUTO
GLOBAL
A3.1 INTRODUÇÃO
Os eventos hidrológicos extremos geram inúmeros impactos na sociedade, como
inundações, enxurradas e alagamentos. De acordo com a Estratégia Internacional das
Nações Unidas para a Redução de Desastres (UN/ISDR, 2004), cerca de 250 milhões de
pessoas foram afetadas anualmente por inundações ao longo do período de 1994 a 2004.
As enchentes são atualmente o risco de desastre mais generalizado e crescente aos
assentamentos urbanos de diferentes tamanhos.
Esses números tornaram como uma das metas para a agenda de sustentabilidade
da ONU que até 2030 deve-se construir a resiliência dos pobres e daqueles em situação
de vulnerabilidade, e reduzir a exposição e vulnerabilidade destes a eventos extremos
relacionados com o clima e outros choques e desastres econômicos, sociais e ambientais
A mitigação desses impactos hidrológicos ocorre por ações de controles de cheias,
tanto em ações estruturais, quanto não-estruturais. Assim, com o objetivo de diminuir os
prejuízos gerados, as obras hidráulicas ou planos de ações devem ser projetados com base
nos valores de vazão máxima (Oliveira et al. , 2011).
Entre as ações não estruturais estão os sistemas de alertas que estabelecem
políticas e estratégias de resposta para a prevenção de perdas. Sendo estas apoiadas em
ferramentas de previsão como a análise espacial de tendências, a qual é uma ferramenta
essencial para gestão de impactos por detectar alterações de comportamento e indicar
regiões em que os fenômenos extremos estão se intensificando ou reduzindo ao longo do
tempo.
A precipitação pluviométrica, dentre os elementos hidrológicos, é o que mais
interfere na vida humana, uma vez que, se configura como a principal entrada de água no
sistema hidrológico, tornando outras variantes como a vazão e a infiltração, intimamente
ligadas à sua ocorrência. Assim, para se conhecer uma vazão máxima a ser aplicada no
dimensionamento de uma obra de contenção de cheias, deve-se determinar as
características de chuvas extremas. Assim, o estudo e a caracterização das precipitações
máximas são de suma importância na elaboração de projetos de engenharia voltados ao
221
dimensionamento hidráulico, tais como galerias de águas pluviais, canalizações de
córregos, bueiros, vertedores e canais de irrigação (Souza et al. 2016).
Um evento de chuva extrema tem como característica principal a sua intensidade
ser ligada a uma duração e ao período no qual esse evento irá retornar. As relações entre
as grandezas que caracterizam as precipitações máximas devem ser obtidas por meio da
análise de chuvas ao longo de um período de tempo relativamente grande, de forma que
seja possível estabelecer as frequências como probabilidades. Estas relações irão resultar
em uma família de curvas intensidade-duração-frequência (IDF), uma para cada período
de retorno.
A rede de monitoramento de chuvas em todo o globo ainda é esparsa,
principalmente em regiões pouco desenvolvida. No Brasil, por exemplo, a distribuição
das estações pluviométricas é mais densa nos Estados altamente urbanizados (São Paulo:
uma estação por 169 km2; Distrito Federal, uma por 166 km2; Paraná: 214 km2); em
contraste, o Amazonas tem uma estação por 7.829 km2, Pará uma por 5.528 km2, e Mato
Grosso uma por 4.637 km2. No mais, as séries desses dados ainda podem sofrem com
falhas.
Além disso, os dados pluviométricos que normalmente são coletados usando
pluviômetros, cilindros que aferem diariamente uma coluna precipitada, possuem grande
número de dados faltantes nas séries históricas, gerados pela ausência do observador,
falhas nos mecanismos de registro, perda das anotações ou das transcrições dos registros
pelos operadores e encerramento das observações.
Nesse sentindo a obtenção da dados de sensoriamento remoto por bases de
informação providas em Sensoriamento Remoto Orbital é uma possível solução para
áreas onde são se tem informações. Tal metodologia de captura possibilitar observações
em qualquer parte da Terra e em pequenos intervalos de tempo, contribuindo para melhor
compreensão da chuva em regiões que não possuem rede de observações satisfatória.
Nesse sentindo, o estudo tem por objetivo verificar o comportamento dos
eventos extremos e estimar as curvas IDF a partir dos dados de precipitação do CHIRPS
para toda parte de globo terrestre abrangido por essa fonte de dados, fornecendo subsídios
para que entidades governamentais tomem iniciativas para o controle de impactos.

A3.2.1 Base de dados
222
A série histórica de dados de precipitação utilizadas, 1981 a 2017, foi obtida do
produto CHIRPS, de resolução de 0,05º, disponibilizado pelo Climate Hazards Group
(CHG, http://chg.geog.ucsb.edu/data/chirps/). Esses foram validados para uso na região
amazônica pelo trabalho de Correa et al. (2017). Tal conjunto de dados abrange uma
cobertura espacial quase global, latitudes entre 50°S e 50°N em formato de acumulado
diário e por um período superior a 30 anos (iniciando em 1981), com resolução espacial
variando de 0,25 a 0,05°.
O CHIRPS utiliza informações do Tropical Rainfall Measuring Mission Multi-
satellite Precipitation Analysis version 7 (TMPA 3B42 v7) para calibrar estimativas de
precipitação obtidos por uma técnica denominada Cold Cloud Duration (CCD)
combinada aos dados de superfície, na escala diária (Dinku, 2018). Além disso, o
CHIRPS incorpora em sua formulação uma abordagem inteligente de interpolação de
dados com informações de estações pluviométricas in situ para criar séries temporais.
O critério adotado para a identificação de um evento extremo de chuva foi o valor
máximo diário registrado no decorrer de um ano, como proposto pela metodologia das
curvas de intensidade-duração e frequência (IDF) (Cardoso et al., 1998; Oliveira et al.,
2000; Oliveira et al., 2011). No caso, então, foi discriminado um evento para cada ano
A3.2.2 Teste de aderência

Na geração das curvas IDF tornou-se necessário verificar se os dados se
adequavam a distribuição de Gumbel que seria aplicada, assim foi utilizado um teste de
aderência.
Dentre os testes de aderência indicados por Naghettini e Pinto (2007), optou-se
pelo teste Kolmogorov-Smirnov (KS), o qual segundo os autores supracitados é um teste
não paramétrico que tem como base a diferença máxima entre as funções de
probabilidades acumuladas, empírica e teórica, de variáveis aleatórias contínuas, sendo o
mesmo conservador quanto à magnitude do erro do tipo I.
Tal teste também é destacado por Souza et al. (2015) como pertencente à classe
suprema de estatísticas baseadas na função de distribuição empírica, pois trabalha com a
maior diferença entre a distribuição empírica e a hipotética.Souza et al. (2015) explicitam
além disso, que o KS é bastante utilizado para análise de aderências de distribuições em
estudos climáticos.
Primeiramente calculou-se a distribuição empírica de probabilidade (frequência)
dos dados equação A3.1
223
𝑚
𝐹= (A3.1)
𝑛
em que: F = frequência de ocorrência (adimensional); m = ordem de determinado evento;

n = número de anos de observação.
Após isso estimou-se a distribuição ajustada dos dados pelo método de Gumbel
(Equação A3.2).
−𝛼(𝑦−𝜇)
𝑃 = 1 − 𝑒 −𝑒 (A3.2)
onde: P é a probabilidade de ser igualado ou excedido; µ e α são os parâmetros de locação
e escala, respectivamente, da distribuição de Gumbel; y é o evento de chuva ocorrido.
Os parâmetros; µ e α são estimados pelos métodos dos momentos pelas equações

A3.3 e A3.4, sendo os mesmos função da média (𝑥̅ ) e desvio padrão (S) da série histórica.
𝜇 = 𝑥̅ − 0,451. 𝑆 (A3.3)
1,2826
𝛼= (A3.4)
𝑆
Em sequência na realização do teste formulou-se a hipótese nula (H0), que a

distribuição empírica é igual a distribuição dos valores de Gumbel; e a hipótese alternativa
(H1), onde a assertiva da hipótese nula não seria verdadeira, ou seja, a distribuição dos
dados não corresponderia na distribuição estatística analisada.
O critério de decisão foi a comparação dos parâmetros Dcalc e Dcrit, onde Dcalc >
Dcrit rejeita-se a hipótese H0 em favor de H1. Nos testes de aderências utilizaram-se um
nível de significância (α) de 0,05 para obter um valor reduzido do erro do tipo I.
A3.2.3 Estimativa das Curvas IDF

A curva IDF é a relação que a intensidade que um evento de chuva extrema possui
com seu tempo de recorrência e a sua duração. Assim para o primeiro termo, o qual é o
inverso da probabilidade, pode-se estimar para tempos de retorno pré-definidos
intensidades de referência (X) por meio da equação A3.5. Para o estudo foram adotados
os períodos de retorno 2, 10,. 25, 50, 75 e 100.
Tr
X = x̅ − S {0,45 + 0,7797ln [ln Tr−1]} (A3.5)
224
A duração, contudo, é mais complexa de estimação, pois como a maioria dos
dados de precipitação obtidos em estações de monitoramento ou dados satelitais estão
acumulados em duração de 24 horas, é necessário o uso de técnicas de desagregação.
Dentre as técnicas de desagregação algumas que se destacam na literatura são as
relações de Bell (1969), que estima a altura da chuva com duração de até 120 min a partir
da chuva com duração de uma hora e período de retorno de 10 anos; isozonas, de Torrico
(1975); e o método dos coeficientes de desagregação de CETESB (1986), o qual é um
método de uso simples e foi concebido ao analisar um quantitativo de 98 postos
pluviométricos em todo o território brasileiro que possui heterogeneidade climática e
mesmo possuindo um caráter regional, este foi comparado com coeficientes de
desagregação criados em outros países e descobriu-se diferenças inferiores a 8% com
média de 5%.
Dessa forma a desagregação foi feita usando os coeficientes de CETESB (1986)
(Tabela A3.1), onde para cada período de retorno anteriormente estimado, obteve-se as
intensidades com durações de 5, 10, 15, 30, 60, 120, 720 e 1440 minutos.
Tabela A3.1. Coeficientes de desagregação da chuva de 24h de duração.
Relação entre alturas pluviométricas Fator de desagregação

5min/30min 0,34
10min/30min 0,54
15min/30min 0,70
30min/1h 0,74
1h/24h 0,42
6h/24h 0,72
12h/24h 0,85
Fonte: DAEE/CETESB (1986)
Tendências Temporais dos eventos extremos

As alterações estatisticamente significativas nas tendências temporais das séries
históricas de chuvas extremas na bacia, utilizando-se o Teste de Mann-Kendall (Mann,
1945; Kendall, 1975), o qual é um método robusto, sequencial e não paramétrico, não
requerendo assim a distribuição normal dos dados (Yue et al., 2002).
Tal método é pouco influenciado por mudanças abruptas ou séries não
homogêneas, mas exige que os dados sejam independentes e aleatórios (Zhang et al.,
2009; Neeti e Eastman, 2011).
225
Na aplicação do teste Mann-Kendall, primeiramente estabeleceu-se a hipótese
nula (H0), de que não existiam tendência nas séries de dados, adotando-se um nível de
significância (α) de 0,05. Assim, a variável estatística S (Equação A3.6), para uma série
de n dados do teste de Mann-Kendall foi calculada a partir da somatória dos sinais (sn)
(Equação A3.7) da diferença, par a par, de todos valores da série (xi) em relação aos
valores que a eles são futuros (xj).
𝑆 = ∑𝑛−1 𝑛
𝑖=1 ∑𝑗=𝑖+1 𝑠𝑛(𝑥𝑗 − 𝑥𝑖 ) (A3.6)
+1; 𝑠𝑒⁡𝑥𝑗 > 𝑥𝑖

𝑠𝑛(𝑥𝑗 − 𝑥𝑖 ) = { 0; 𝑠𝑒⁡𝑥𝑗 = 𝑥𝑖 (A3.7)
−1; 𝑠𝑒⁡𝑥𝑗 < 𝑥𝑖
Sendo n ≥ 10, a variável S tende a normalidade, assim sua variância, Var(S), pode ser
obtida através da Equação A3.8.
𝑛(𝑛−1)(2𝑛+5)−∑𝑛
𝑖=1 𝑡𝑖 (𝑖)(𝑖−1)(2𝑖+5)
𝑉𝑎𝑟(𝑆) = (A3.8)
18
onde: ti representa a quantidade de repetições de uma extensão i.
Posteriormente para a realização do teste determinou-se o indicie ZMK (Equação

A3.9), onde o mesmo por seguir uma distribuição normal de média é igual a zero, caso
apresente valores positivos denotará uma tendência crescente e os negativos será
tendências decrescentes.
𝑆−1 (A3.9)
; 𝑝𝑎𝑟𝑎⁡𝑆 > 0
√𝑉𝑎𝑟(𝑆)
𝑍𝑀𝐾 = 0; 𝑝𝑎𝑟𝑎⁡𝑆 = 0
𝑆+1
⁡𝑝𝑎𝑟𝑎⁡𝑆 < 0
{ √𝑉𝑎𝑟(𝑆)
Assim, dado o alfa escolhido de 0,05 e por se tratar de um um teste bi-caudal, para
rejeitar a H0 e indicar uma tendência é preciso que o valor absoluto de ZMK seja maior
que 1,96.
Para confirmar os resultados do teste Mann-Kendall, aplicou-se o teste Contextual

Mann-Kendall (CMK), que se baseia em regionalizar a série aplicando-se uma máscara
da média com dimensão “3x3” após o cálculo da variável “S” do teste de Mann-Kendall
(Neeti e Eastman, 2011)
226
Os resultados das avaliações de aderência das séries históricas dos dados com a
distribuição de Gumbel (Figura A3.1) mostram que tal distribuição contempla os
fenômenos de máximos em quase todo o globo terrestre a um nível de 95 % de confiança.
Figura A3.1 – Teste de aderência.
A única zona do planeta onde Gumbel não correspondeu aos eventos máximos
foi o território do deserto no continente africano, possivelmente por possuir um regime
com poucas ou nenhuma chuva.
Na Figura A3.2 estão os maiores eventos e os períodos de retorno dos mesmos.
Figura A3.2 – a) maiores eventos máximos de 1981 a 2017; b) período de retorno dos
maiores evento máximos.
227
As regiões mais próximas ao litoral, a nascente do rio Amazonas e o extremo leste
da Ásia foram as mais atingidas pelas maiores magnitudes dos extremos.
As chuvas na região desértica do continente africano é a que possui menor período
de retorno, o que ressalta chuvas mais homogêneas, motivo este que não permite o uso
da distribuição de Gumbel para modelar os fenômenos pluviométricos extremos.
De uma forma geral entre os anos de 1981 a 2017, as tempestades não tiveram um
tempo de retorno superior a 100 anos.
As Figuras A3.3, A3.4, A3.5, A3.6, A3.7 e A3.8 são mostradas as curvas IDF
geradas. De forma geral torna-se possível observar que as curvas propostas apresentam o
comportamento típico para as curvas IDF, ou seja, a intensidade é indiretamente
proporcional a duração, como constata Souza et al. (2016), ao observar que quanto menor
for a duração da precipitação, maior é a intensidade média.
Verificou-se uma relação diretamente proporcional entre a intensidade e o
período de retorno, evidenciando dessa forma a diferença no uso do Tr para o
dimensionamento de obras hidráulicas, visto que altos períodos de retorno indicam uma
elevada intensidade da precipitação. Dessa forma, a concepção de projetos hidráulicos
mais complexos necessita da previsão de grandezas hidrológicas de grande magnitude
com um intervalo temporal de recorrência grande, para que sejam estimadas máximas
vazões ou precipitações que podem vir a ocorrer em certa localidade. Nesse contexto o
custo de tal projeto encontra-se intimamente ligado ao período de retorno de ocorrência
do fenômeno (Beijo et al., 2005).
228
Figura A3.3 – Intensidades para diferentes durações com o período de retorno de 2 anos.
229
230
231
232
233
234
Ao analisar a tendência dos eventos extremos (Figura A3.9), nota-se que a
concepção de modelagens em eventos extremos deve ser atualizada em várias partes do
globo, pois regiões como sul da Ásia em junção com o leste europeu e a parte central da
África há grandes zonas de redução. Enquanto regiões várias regiões com grandes
volumes populacionais na América, Austrália e Ásia estão sofrendo com grandes
aumentos desses fenômenos.
Figura A3.9 – Tendências de eventos extremos.
A3.4 CONCLUSÃO
Esse trabalho apresentou muitos resultados relevantes, uma vez que construiu as
equações de chuvas intensas que poderão ser utilizadas como subsídio no
dimensionamento de obras hidráulicas e em estudos hidrológicos.
O estudo realizado confirma que as equações propostas para estimar a intensidade
das precipitações máximas são de grande aplicabilidade para a maioria das regiões do
globo, apenas a região mais ária da África que não apresentou uma boa resposta a
modelagem pela distribuição de Gumbel.
O trabalho denotou que a os eventos mais extremos ocorrem na parte de litorânea
dos continentes, contudo as zonas com maiores magnitudes de chuvas máximas se
localizam na nascente do rio Amazonas e no leste da Ásia.
As tendências de precipitação tendem a aumentar na Ásia, Austrália e América e
reduzem principalmente na parte central da África.
A3.5 REFERÊNCIAS
BEIJO, L. A.; MUNIZ, J. A.; CASTRO NETO, P. Tempo de retorno das precipitações
máximas em Lavras (MG) pela distribuição de valores extremos do tipo I. Ciência
Agrotécnica, Lavras, v. 29, n. 3, p. 657-667, 2005.
KENDALL, M. G. Rank Correlation Methods. Londres: Charles Griffin, 234p., 1975.
235
MANN, H.B. Nonparametric tests against trend. Econometrica, [s.l.], v.13, p.245-259.
1945.
NEETI, N; EASTMAN, J.R. A Contextual Mann-Kendall Approach for the Assessment

of Trend Significance. Transactions in GIS, [s.l], v.15, n.5, p.599-611. 2011.
OLIVEIRA, L. F. C.; VIOLA, M. R.; PEREIRA, S.; MORAIS, N. R. Modelos de

predição de chuvas intensas para o estado do Mato Grosso, Brasil. Ambi-Agua,
Taubaté, v. 6, n. 3, p. 274-290, 2011.
SOUZA, V. A. S.; DIAS, R. H. S. ; SILVA FILHO, E. P. ; NUNES, M. L. A. ;

ANDRADE, C. D. ; ROSA, ANA LÚCIA DENARDIN DA . Determining IDF
equations for the state of Rondônia. Revista Brasileira de Climatologia, v. 18, p.
10-26, 2016.
SOUZA, V. A. S.; NUNES, M. L.A.; FRANCENER, S. F. ; ROSA, A. L. D.. Análise da

adequação de eventos de precipitação extrema na Amazônia Ocidental em
modelos estáticos: Rondônia. Revista Verde de Agroecologia e Desenvolvimento
Sustentável, v. 10, p. 13-20, 2015.
UN/ISDR., (2004), Disaster Risk Reduction: 1994-2004. 3 Part Cd.
236
ANEXO 4 - AVALIAÇÃO DOS MODELOS DIGITAIS DE
ELEVAÇÃO NA BACIA DO RIO MADEIRA
A4.1 INTRODUÇÃO
O relevo atua como importante agente regulador da distribuição dos fluxos de
água e de energia dentro das bacias hidrográficas. Sua representação pode ser feita por
meio dos modelos digitais de elevação (MDE), os quais são representações, em formato
digital, quantitativas da variação contínua do relevo sobre o espaço, representando, assim,
fontes para o conhecimento do relevo da superfície terrestre, permitindo a obtenção de
uma variedade de informações (Moore et al., 1993).
Um MDE é uma fonte de informação usada em vários segmentos, tais como na
identificação de áreas favoráveis para a agricultura (culturas, variedades, possibilidade de
mecanização, necessidade de irrigação, estimativa de determinados custos), indicação de
áreas para conservação do solo e da diversidade biológica, modelagem hidrológica,
ortorretificação de imagens de satélite, avaliação de riscos de desmoronamentos, entre
outros. (Melgaço et al., 2003 ; Hoff et al., 2009; Alba et al., 2010; Huggel et al., 2010).
Especificamente na modelagem hidrológica, um MDE representa uma forçante
que determinará direção de fluxo do escoamento superficial, rede de drenagem, divisores
da bacia hidrográfica, declividade e orientação das vertentes (Jenson, Domingue, 1988;
Fairfield e Leymarie, 1991; ANA, 2007).
Nesse contexto, a eficiência das informações acima é produto da qualidade do
modelo digital de elevação representar fielmente a geografia da área estudada. Dentre as
várias bases de MDEs, na região amazônica, o Shuttle Radar Topography Mission
(SRTM), em sua versão com dados brutos ou corrigidos hidrologicamente - Topodata
(Valeriano, 2005) e HydroSHEDS, tem sido um dos mais empregados (Sadeq et al., 2012;
Paiva, 2011; Rossetti e Valeriano, 2007; Paiva, 2009).
No entanto, especificamente para essa região, não há, segundo o conhecimento do
autor, muitos estudos rigorosos das eficiências dessas bases em representar o relevo e
gerar hidrografias consistentes e representativas. Assim, o presente estudo tem por
objetivo avaliar os MDEs de três bases de dados, STRM, Topodata e Hydrosheds, para a
parte brasileira da bacia do rio Madeira, um dos mais importantes afluentes do rio
Amazonas. Essas bases de dados são comparadas com dados de altimetria espacial,
estações de elevação e hidrografia oficial da região.
237
A4.2.1 Área de Estudo
A bacia do rio Madeira (Figura A4.1) é a segunda maior sub-bacia da bacia
Amazônica, com uma área aproximada de 1.370.000 km2, representando
aproximadamente 23% do total da bacia amazônica.
O rio principal dessa bacia é o rio Madeira, o maior afluente meridional do rio
Amazonas e o único rio Amazônico que drena, ao mesmo tempo, a cordilheira dos Andes,
o escudo brasileiro e a planície amazônica. A largura do rio Madeira varia de 440 a 9.900
metros, e sua profundidade, em alguns trechos, ultrapassa 13 metros. Em território
brasileiro, passando as cachoeiras, em locais com grandes profundidades, o rio Madeira
permite a navegação, até mesmo, de navios de grande calado (ANDRADE, 2008).
A bacia situa-se na região equatorial e possui um clima quente e úmido, o que
propicia a incidência de precipitações intensas e com alta variabilidade espacial, além de
regime hidroclimático contrastante em diferentes regiões e rios extremamente caudalosos
(Espinoza et al., 2009).
238
A4.2.2 Base de Dados
Os produtos de elevação utilizados nesta pesquisa baseiam-se em dados do Shuttle
Radar Topography Mission (SRTM), sendo eles: imagens SRTM brutas (resolução de ~
30 m) tratadas por um processo de correção de píxeis utilizando a metodologia “fill” (e.g.,
Paiva 2011; Sadeq et al., 2012; Souza, 2012); imagens SRTM corrigidas pelo projeto
Topodata (resolução de ~ 30 m) (Valeriano, 2005); e o produto HydroSHEDS (resolução
de ~ 90 m). As imagens brutas e o HydroSHEDS foram obtidos através da NASA
(National Aeronautics and Space Administration), enquanto o TOPODATA a partir do
Instituto de Pesquisas Espaciais (INPE), ambos disponibilizados em formato Geotiff.
O SRTM representa um esforço no mapeamento altimétrico global em alta
resolução, com dados disponíveis gratuitamente para análise do terreno. Os dados de
elevação gerados a partir do SRTM foram coletados através do ônibus espacial
Endeavour em uma única passagem realizada em fevereiro de 2000 (Farr e Kobrick,
2000). Os MDEs SRTM resultantes têm uma resolução de 1 segundo de arco (~ 30 m) e
3 segundos (~ 90 m) cobrindo a área da Terra entre 60 ° N e 54 ° S (Van Zyl, 2001). Os
erros verticais para a precisão absoluta e relativa são de ± 16 m e ± 6 m, respectivamente,
em 90% dos dados de toda a missão; quanto à precisão horizontal do produto, não foram
observados deslocamentos superiores ao requisito de 20 m no nível de confiança de 90%
(RABUS et al., 2003).
TOPODATA é uma base de dados topográfica concebida para fornecer variáveis
geomorfométricas básicas do território brasileiro (Valeriano e Rossetti, 2012). O projeto
disponibiliza dados SRTM (~ 90 m) refinados por krigagem, gerando informações com
resolução espacial de 1 segundo de arco. Segundo os desenvolvedores do TOPODATA,
os dados originais SRTM têm uma capacidade limitada na modelagem de redes de
drenagem amazônicas, tanto visualmente quanto digitalmente (Valeriano et al., 2006). A
krigagem permite que as superfícies intra-amostras se curvem livremente de acordo com
as tendências vizinhas, gerando melhores derivações de primeira e segunda ordem do
MDE (Valeriano e Rossetti, 2012), Sendo assim, a krigagem gera melhorias importantes
nos dados SRTM, tanto para a análise visual quanto digital do terreno, permitindo a
aplicação de mapeamento morfométrico digital (Valeriano et al., 2006).
O HydroSHEDS (Hydrological data and maps based on SHuttle Elevation
Derivatives at multiple Scales) foi desenvolvido com o objetivo de apoiar análises de
bacias hidrográficas regionais e globais, modelagem hidrológica e planejamento de
conservação de água doce (Lehner; Verdin; Jarvis, 2006). Esse produto é derivado de
239
dados SRTM (3 segundos de arco) e fontes auxiliares, incluindo o SRTM Water Body
Data, de redes de rios do Digital Chart of the World (DCW), da rede fluvial global
vetorizada (ArcWorld) e da base de dados global de lagos e áreas úmidas (Wetlands)
(Lehner, Verdin e Jarvis, 2008). Para tanto, preenchimento de vazios, filtragem, queima
de fluxo e técnicas de upscaling foram alguns dos métodos de melhoria de dados e
algoritmos aplicados em seu desenvolvimento (Lehner, Verdin e Jarvis, 2008).
A4.2.3 Avaliação dos produtos

O valor de píxel dos MDE’s foi comparado por análise de resíduos quadráticos e
percentuais com duas fontes de informações de elevação. A primeira foi o levantamento
planimétrico do IBGE (IBGE, 2017) (Figura 2), que contém 1250 pontos disponíveis para
a área de estudo. A segunda inclui informações de altimetria espacial do satélite da missão
Ice, Cloud e Earth Elevation Satellite (ICESat), que possui uma precisão de 0,10 m
(Urban et al., 2008). Os dados ICEsat passaram por uma filtragem para remoção dos
dados espúrios, por falhas de medição, como a presença de nuvens, totalizando 86460
pontos para comparação (Figura A4.2).
240
Figura A4.2 – Estações virtuais do ICEsat e pontos de referência altimétrica.
Posteriormente, a hidrografia de cada MDE foi extraída por meio de rotinas da

extensão ArcHydro, algoritmos descritos em Jenson e Domingue (1988) e disponíveis na
extensão de ferramentas ArcHydro tools (Maidment, 2002). O posicionamento da
hidrografia extraída foi comparado com dados fornecidos pela Agência Nacional de
241
Águas - ANA, escala 1:100000, no qual, identificou-se visualmente o arquivo mais
adequadamente hidrologicamente condicionado. Cabe destacar que, para atender uma
dimensão escalar próxima a hidrografia da ANA, foi adotado um número de células que
atendessem a proporção parecidas de área ao adotado no estudo de Elesbon et al. (2011).

Os modelos digitais de elevação testados estão exibidos na Figura A4.3.
Figura A4.3 – Modelos digitais de elevação da bacia do rio Madeira
Nota-se que os modelos analisados apresentaram grande semelhança entre si,

como padrões de elevação parecidos ao longo da espacialização geográfica da bacia, onde
altitudes menos elevadas são observadas ao extremo norte da bacia, passando por um
crescimento da elevação suavemente graduado em direção à coordenada sul, todavia
apresentando um pico acentuado na porção central.
Analisando-se as magnitudes de elevações absolutas, revelou-se uma
inconsistência do modelo corrigido do SRTM em representar o terreno, pois há, na sua
configuração, uma área de aproximadamente 27,07 km2 que apresenta uma elevação
acima de 60.000 m (Figura A4.4). Enquanto isso, os modelos do Hydrosheds e Topodata
apresentação um intervalo de elevações variando aproximadamente entre 0 e 1200 m.
242
Figura A4.4 – Ampliação da zona de cotas superestimadas do modelo corrigido do
SRTM
A informação errônea, apresentada pelos dados SRTM, pode ser atribuída a

diversos fatores, tal como ruídos nos processos de aquisição e transferência dos dados,
erros na geometria da órbita ou, ainda, a presença de nuvens nas imagens (Chagas, 2010).
O fato acima denota uma limitação da suavização do MDE aplicada pela
abordagem do comando FILL (Saunders, 2000). Assim, possivelmente uma solução mais
indicada para essa problemática consistiria na remoção dessa cota discrepante
superestimada e posterior preenchimento de possíveis depressões geradas ao entorno, tal
como é idealizado pelos métodos do Hydroshelds e Topodata.
Na Figura A4.5, está apresentada a hidrografia gerada e vetorizada para os
diferentes MDE’s. A verificação básica da consistência hidrológica de cada modelo
baseou-se na comparação da hidrografia gerada com a disponibilizada pela Agência
Nacional das Águas.
243
Figura A4.5 – Comparação de hidrografias da bacia do rio Madeira em uma zona
aleatória ampliada
Observa-se, pela Figura A4.5, que a hidrografia gerada pelos MDE’s produziu um
maior detalhamento da drenagem e com mais segmentos de ramificações, quando
comparados à hidrografia apresentada pela ANA. Esse fato não impossibilitou as análises,
visto que é possível comparar os segmentos principais, sobrepondo-os. Dessa forma,
observou-se que todas as hidrografias apresentaram um comportamento similar. Sob o
ponto de vista de um grau de sobreposição mais fidedigno, o Hydrosheds sobressaiu-se,
em oposição aos outros dois modelos, onde se notam certos deslocamentos dos canais
gerados para com hidrografia da ANA.
A comparação acima remete que o uso de modelos digitais de elevação também
pode fornecer um detalhamento maior para a base de dados oficiais. Além disso, como
destaca Elesbon et al. (2011), maiores análises de acurácia são impossibilitadas de
execução devido às falhas na base oficial de dados , que não fornece, de forma precisa, a
posição geográfica de todas as nascentes das bacias hidrográficas para uma melhor
definição no nível de ramificação das drenagens modeladas.
O procedimento para forçar um ajuste nas hidrografias dos modelos do Topodata
e SRTM poderia se dar por meio da metodologia stream burning, idealizada por
Hutchinson (1989), que consiste na ideia de drenagem forçada, por meio da incorporação
da rede de drenagem digital real, sendo utilizado em diversos trabalhos para geração de
dados digitais de rede hidrográfica e delimitação de bacias hidrográficas (Chaves, 2002).
244
Rubert et al. (1999) ressalvam que o uso desses algoritmos não garante,
especialmente em áreas planas com baixa densidade de dados altimétricos, tal como é a
região de estudo, a concordância espacial entre o traçado da drenagem numérica e o da
hidrografia mapeada
Como o trabalho propõe-se a analisar e discutir o melhor modelo digital de
elevação para modelagens na área da bacia do rio Madeira, que, como dito antes, carecem
de informações detalhadas, o que forçaria o uso de uma hidrografia na resolução de
1:100.000, a qual é a melhor resolução disponível oficialmente para tal procedimento.
Dessa forma, haveria limitaçãona qualidade das escalas dos modelos de elevações
gerados, pois, conforme elucidam os dois pressupostos de Saunders (2000), tal integração
possui bons resultados apenas quando se é observada a escala do mapa que fornecerá a
rede de drenagem digital e se execute o pré-processamento da drenagem vetorial, como
remoção de lagos e represas, representados cartograficamente por polígonos fechados e
que poderiam atuar como falsas depressões, interrompendo o caminho do escoamento
superficial. Essas feições e suas ramificações devem ser substituídas por linhas simples
conectadas às ramificações da rede de drenagem digital.
Quando analisado os modelos digitais de elevação com os pontos contados do
IBGE (Figura A4.6), observou-se um comportamento dos resíduos são bem similares em
todos os modelos, onde houve uma variação entre -100 a 100 m.
245
Figura A4.6 – Resíduos dos MDE’s testados com os dados cotados do IBGE
Já quando se confronta com os dados de altimetria espacial (Figura A4.7), essa

escala amplia-se em uma magnitude muito maior, cerca de 50000 vezes, principalmente
para os dados do SRTM, devido à zona de cota superestimada, anteriormente mencionada.
Registra-se que grande parte dos resíduos concentram-se no entorno de zero.
246
Figura A4.7 – Resíduos dos MDE’s testados com os dados cotados do Icesat
As análises do erro padrão médio e do erro percentual dos modelos de elevação

para os dados do IBGE e Icesat estão na Tabela A4.1.
Tabela A4.1 – Análise de erros dos MDE’s e pontos cotados do IBGE e Icesat
Erro Padrão Médio (m) Erro Percentual Médio (%)

Modelo
IBGE Icesat IBGE Icesat
SRTM 7,35 8,55 2,35 4,63
Topodata 7,18 6,47 0,11 -0,88
Hydrosheds 7,63 7,05 1,13 -0,74
De forma geral os erros demonstram uma grande aceitabilidade dos modelos de

elevação testados em representar os pontos cotados do relevo tanto nas fontes do IBGE
quanto do Icesat. O erro padrão médio oscilou entre 8,55 e 6,47, sendo a magnitude maior
presente nos dados corrigidos do SRTM. Esse padrão encontra-se dentro da margem
estipulada por USGS (2005), o qual prevê um intervalo médio de 16 m.
No Brasil, a título de ilustração, em uma geografia montanhosa do litoral do Rio
de Janeiro, o estudo de Barros et al. (2005) encontrou um erro padrão médio para o SRTM
de 23,94 m, sendo este mais elevado que o observado nos resultados. Porém a amplitude
residual máxima registrada pelos autores foi de 48,3 m, ordem bem menor que observado
247
por este estudo, devido a zonas com alturas errôneas de grandes magnitudes, conforme
discutido previamente.
Em relação à região amazônica, o trabalho de Santos et al. (2005) utilizou dados
de MDEs gerados a partir de cartas topográficas, em diferentes escalas, para comparar
com informações do SRTM. Os autores encontraram um valor de erro padrão médio de
10,74 m, sendo este menor que o observado para a bacia em estudo. Esse estudo confirma
os resultados observados por evidenciar um bom resultado altimétrico dos dados de
sensoriamento remoto paras todas as situações avaliadas.
Os dados percentuais refutaram novamente que, dentre os modelos de elevação
analisados, o SRTM corrigido tenha sido o que apresentou maior disparidade com cotas
médias do terreno, visto que encontrou variações entre 2,35 e 4,63%. Nota-se que os
outros dois modelos foram mais precisos, com uma ligeira subestimação da cota do
terreno devido à presença de erros negativos.
A proximidade nos valores dos erros comparando tanto a fonte do IBGE quanto o
Icesat reforçam também a eficiência de se avaliar dados de modelos de elevação digital
com dados de altimetria espacial, visto que, muitas vezes, informações de elevações
medidas são escassas, desatualizadas e propensas a erros humanos. Além disso, as
informações de altimetria espacial podem ser captadas em lugares inacessíveis e não
possuem custos monetários em seu acesso por estarem disponíveis gratuitamente em
sítios eletrônicos de órgãos como a NASA.
Cabe destacar, também, que outra vantagem em se avaliar os MDE’s por
informações de fontes oriundas de altimetria espacial em relação aos dados medidos por
estações foram a grande quantidade de pontos amostrais, sendo, neste estudo, a proporção
de 86500 para o Icesat e apenas 1250 para o IBGE, o que tornou o crivo avaliativo do
Icesat mais rigoroso que o do IBGE.
A4.4 COMENTÁRIOS FINAIS

Constatou-se que ambas as bases de MDE testadas são capazes de representar a
área da bacia do rio Madeira, pois possuíram valores de erros, quando comparados a
pontos cotados obtidos por estações de nível e dados de altimetria espacial, bem
próximos. Contudo a hidrografia gerada pelo HydroSHEDS foi mais fidedigna quando
contrastada com a hidrografia oficial, sobressaindo-se aos demais modelos analisados.
248
Verificou-se, ainda, que os píxeis com superelevação presentes nos dados puros
do STRM não foram eliminados pelo filtro fill, tornando-o menos eficiente que os seus
produtos corrigidos – Topodata e HydroSheds.
A4.5 REFERÊNCIAS
ALBA, P. J; AMADO, T. J. C., NICOLOSO, R. S.; SCHOSSLER, D. S.; TRINDADE,
B. S. Comparação de Modelos de Altitudes com Diferentes Fontes de Dados.
Congresso Brasileiro de Agricultura de Precisão (Anais), Ribeirão Preto/SP, 2010.
CHAGAS, C.S.; FERNANDES FILHO, E.I.; ROCHA, M.F.; CARVALHO JÚNIOR,

W; SOUZA NETO, N.C. Avaliação de modelos digitais de elevação para
aplicação em um mapeamento digital de solos. R. Bras. Eng. Agric. Amb., 14:218-
226, 2010.
CHAVES, M. A. Modelos digitais de elevação hidrologicamente consistentes para a bacia

Amazônica. 2002. 111 f. 2002. Tese de Doutorado. Universidade Federal de
Viçosa, Viçosa-MG, 2002.
DE MORISSON VALERIANO, M.; DE FÁTIMA ROSSETTI, D. Topodata: Brazilian

full coverage refinement of SRTM data. Applied Geography, v. 32, n. 2, p. 300–
309, 2012. Disponível em: <http://dx.doi.org/10.1016/j.apgeog.2011.05.004>.
ELESBON, A. A. A.; GUEDES, H. A. S.; SILVA, D. D.; OLIVEIRA, I.C. Uso de dados
SRTM e plataforma SIG na caracterização morfométricada bacia hidrográfica do
Braço Norte do Rio São Mateus – Brasil. Rem– Revista Escola de Minas, v. 64,
n. 3, p. 281-288, 2011.
FAIRFIELD, J.; LEYMARIE, P. Drainage networks from grid digital elevation models.
Water Res. Res., 27:709-717, 1991.
FARR, T. G.; KOBRICK, M. Shuttle radar topography mission produces a wealth of data.
Eos, v. 81, n. 48, p. 583–585, 2000.
HOFF, R.; J. R. DUCATI; M. BERGMANN. Comparação de dados de modelo digital de

elevação - MDE: ASTER e SRTM por processamento digital de imagem para
identificação de terroir vitivinícola na Folha Encruzilhada do Sul, RS, Brasil. In
Anais XIV Simpósio Brasileiro de Sensoriamento Remoto, Natal, Brasil, 25-30
abril 2009, INPE, p. 215- 222.
HUGGEL, C.; D. SCHNEIDER, D.; MIRANDA, P. J.; GRANADOS, H. D.; KÄÄB, A.

Evaluation of ASTER and SRTM DEM data for lahar modeling: A case study on
lahars from Popocatépetl Volcano, Mexico. Journal of Volcanology and
Geothermal Research 170 (2008) 99–110. Disponível em:
www.sciencedirect.com. Acesso em: Abril/2017.
HUTCHINSON, M. F. A new procedure for gridding elevation and stream line data with
automatic removal of spurious pits. Journal of Hydrology, v. 106, n. 3, p. 211-
232, 1989.
249
JENSON, S. K.; DOMINGUE, J. O. Extracting Topographic Structure from Digital
Elevation Data for Geographic Information System Analysis. , v. 54, n. 11, p.
1593-1600, 1988.
LEHNER, B.; VERDIN, K.; JARVIS, A. New global hydrography derived from
spaceborne elevation data. Eos, [s.l], v. 89, n. 10, p. 93–94, 2008.
MELGAÇO, L. M.; SOUZA, Filho, C. R.; STEINMAYER, M. Comparação entre

modelos digitais de elevação gerados por sensores ópticos e por radar. In: Anais
XII Simpósio Brasileiro de Sensoriamento Remoto, Goiânia, Brasil, 16-21 abril
2005, INPE, p. 1215-1220.
MIRANDA, F.A.; FREITAS, S.R.C. de; FAGGION, P.L. Integração e interpolação de

dados de anomalias ar livre utilizando-se a técnica de RNA e krigagem. Boletim
de Ciências Geodésicas, v.15, p.428-433, 2009.
MOORE, I. D.; GESSLER, G.A.; PETERSON, G.A. Soil attribute prediction using
terrain analysis. Soil Science Society of America Journal, v.57, p.443-452, 1993.
HAAN, C. T. (1977). Statistical Methods in Hydrology. Ames (IA): The Iowa
University Press, 378p.
OLIVEIRA, A. H. et al . Consistência hidrológica de modelos digitais de elevação (MDE)

para definição da rede de drenagem na sub-bacia do horto florestal Terra Dura,
Eldorado do Sul, RS. Rev. Bras. Ciênc. Solo, Viçosa , v. 36, n. 4, p. 1259-1268,
Aug. 2012.
RABUS, B.; EINEDER, M.; ROTH, A.; BAMLER, R. The shuttle radar topography
mission - A new class of digital elevation models acquired by spaceborne radar.
ISPRS Journal of Photogrammetry and Remote Sensing, v. 57, n. 4, p. 241–262,
2003.
RUBERT, O.A.V., RIBEIRO, C.A.A.S., CHAVES, M.A. Um Novo Divisor de Águas na

Geração de Modelos Digitais de Elevação Hidrologicamente Consistentes. In:
XIII Simpósio Brasileiro de Recursos Hídricos. Belo Horizonte, 1999.
SADEQ, H., DRUMMOND, J. AND LI, Z. 2012. Evaluation of ASTER GDEM v.2 using
GPS checkpoints, OSGB DEM values and photogrammetrically derived DEMs.
ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information
Sciences. Vol. I–4, XXIInd ISPRS Congress, 25 Aug.–1 Sept. 2012, Melbourne,
Australia, 295–300.
SANTOS, P. R. A.; GABOARDI, C.; OLIVEIRA, L. C. Avaliação da precisão vertical

dos modelos SRTM em diferentes escalas: um estudo de caso na Amazônia. In:
Congresso Brasileiro de Cartografia, Simpósio de Geotecnologias para Petróleo e
XXI Exposicarta, 22., 2005, Macaé. Anais... Macaé: Sociedade Brasileira de
Cartografia, Geodésia, Fotogrametria e Sensoriamento Remoto, 2005.
250
SAUNDERS, W. Preparation of DEMs for use in environmental modeling
analysis.Hydrologic and hydraulic modeling support with geographic
informationsystems. ESRI Press, New York, p. 29-52, 2000.
VALERIANO, M. M.; KUPLICH, T. M.; STORINO, M.; AMARAL, B. D.; MENDES,

J. N.; LIMA, D. J. Modeling small watersheds in Brazilian Amazonia with shuttle
radar topographic mission-90 m data. Computers and Geosciences, v. 32, n. 8, p.
1169–1181, 2006.
VAN ZYL, J. J. The shuttle radar topography mission (SRTM): A breakthrough in remote
sensing of topography. Acta Astronautica, v. 48, n. 5–12, p. 559–565, 2001.
251
ANEXO 5 - ANÁLISE MORFOMÉTRICA NA BACIA DO RIO
MADEIRA COM SUPORTE DE GEOTECNOLOGIA 3
A5.1 INTRODUÇÃO
O comportamento hidrológico de uma bacia hidrográfica é função de suas
características geomorfológicas, como, por exemplo, forma, relevo, área, geologia, rede
de drenagem e solo, e do tipo da cobertura vegetal. Desse modo, as características físicas
e bióticas de uma bacia possuem importante papel nos processos do ciclo hidrológico,
influenciando, dentre outros processos, a infiltração, a quantidade de água produzida
como deflúvio, a evapotranspiração e os escoamentos superficial, subsuperficial e
subterrâneo (Tonello et al., 2006).
Assim, a análise morfométrica de bacias hidrográficas é definida como um
conjunto de procedimentos que tem, como orientação, a investigação e a compreensão
científica dos componentes naturais de uma bacia hidrográfica. Os estudos relacionados
aos cursos fluviais, por meio de métodos sistêmicos e racionais como parâmetros
quantitativos, podem levar ao esclarecimento de várias questões acerca da morfogênese
e da morfordinâmica da paisagem, tendo em vista que a rede de drenagem assume papel
de destaque na compartimentação do relevo.
As análises dos aspectos relacionados à drenagem, ao relevo e à geologia facilitam
a compreensão de diversas indagações associadas à dinâmica ambiental local, sendo as
informações obtidas, nesses estudos, fundamentais para a elaboração de projetos de
engenharia, uma vez que a tomada de decisão é facilitada, e os parâmetros de
planejamento podem ser modificados mediante os resultados obtidos (Silva, 2011).
Nesse sentido, o objetivo do presente trabalho foi realizar a caracterização
morfométrica da bacia hidrográfia do rio Madeira a partir do levantamento de algumas
informações fisiográficas, a saber: área, perímetro, fator de forma, coeficiente de
compacidade, índice de circularidade, elevação, declividade da bacia, declividade do
curso de água principal, densidade de drenagem e ordem dos cursos de água.

A5.2.1 Área de Estudo
3
Artigo publicado no XXIII Simpósio Brasileiro de Sensoriamento Remoto, 2019
252
A bacia do rio Madeira (Figura A5.1) é a segunda maior sub-bacia da bacia
Amazônica, com uma área aproximada de 1.370.000 km2, representando 23% do total da
bacia Amazônica.
O rio principal dessa bacia é o rio Madeira, o maior afluente meridional do rio
Amazonas e o único rio Amazônico que drena, ao mesmo tempo, a cordilheira dos Andes,
o escudo brasileiro e a planície Amazônica. A largura do rio Madeira varia de 440 a 9.900
metros, e sua profundidade, em alguns trechos, ultrapassa 13 metros. Em território
brasileiro, passando as cachoeiras, em locais com grandes profundidades, o rio Madeira
permite a navegação, até mesmo, de navios de grande calado (Andrade, 2008).
A bacia situa-se na região equatorial e possui um clima quente e úmido, o que
propicia a incidência de precipitações intensas e com alta variabilidade espacial, além de
regime hidroclimático contrastante em diferentes regiões e rios extremamente caudalosos
(Espinoza et al., 2009).
A5.2.2 Análise Morfométrica
253
A morfometria da bacia hidrográfica do rio Madeira foi aferida para visualizar
comportamentos típicos que tal unidade pode apresentar dado seu formato e conformação
de seus rios. Essa ação também possibilitou os pressupostos vislumbrados nos estudos de
Teodoro et al. (2007) e de Collares (2000), onde destacam que, por essa análise, é possível
elucidar as várias questões relacionadas com o entendimento da dinâmica ambiental local
e regional, além de revelar indicadores físicos específicos para uma determinada porção
da região, de forma a melhor qualificar as alterações ambientais.
Para a aplicação das fórmulas, tornou-se necessário delimitar a bacia e a
hidrografia, utilizando, para tanto, o modelo digital do terreno obtido através de imagens
HydroSHEDS (Hydrological data and maps based on SHuttle Elevation Derivatives at
multiple Scales) com resolução de 30 metros, disponíveis no sítio da NASA (National
Aeronautics and Space Administration), devido a essa base de dados corresponder melhor
ao relevo da bacia do rio Madeira. Posteriormente, por meio dessas mesmas imagens,
aferiu-se a declividade da região ao realizar o processamento de sua superfície na função
declividade (slope) do código computacional ArcGIS 9.3.
Na discriminação das sub-bacias, em nível 6 de ottobacias, utilizou-se a extensão
jgrasstools-pfafstetter do código computacional QGis, que subdivide e delimita bacias
hidrográficas segundo o método de Otto Pfafsteter. Nesse módulo, foram fornecidos,
como entradas, o modelo do terreno e os mapas de direção de fluxo e acumulação de
fluxo.
Os índices morfométricos estimados encontram-se sumarizados na Tabela A5.1.
As fórmulas para obtenção desses índices estão evidenciadas nos trabalhos de
Christofolletti (1969), Villela e Mattos (1975), Tonello (2005), Cardoso (2006) e Antoneli
e Thomaz (2007).
254
Tabela A5.1 – Índices morfométricos analisados.
Índice Equação Descrição

Horton (1945) definiu a densidade de
Densidade de drenagem como a relação entre o
Dd = Lb/A (A5..1)
drenagem (Dd) comprimento dos canais (Lb) e a área
da bacia hidrográfica (A).
Densidade A densidade hidrográfica foi definida
hidrográfica Dh = N/A (A5.2) por HORTON (1945) como o número
(Dh) de canais (N) por unidade de área (A).
Coeficiente de Proposto por Schumm (1956), como o
manutenção Cm = 1000/Dd (A5.3) inverso da densidade de drenagem
(Cm) (Dd).
Esse parâmetro estabelece a relação
entre a diferença de altitudes máxima e
Relação de
Rr = ∆a/Lt (A5.4) mínima na bacia (∆a) e o comprimento
relevo (Rr)
total do canal principal (Lt)
(SCHUMM, 1956).
É a relação entre a cota máxima (amax)
Gradiente do
e o comprimento do canal principal (L)
canal principal Gc = amax/L (A5.5)
expresso em porcentagem (LANA et
(Gc)
al., 2001).
Relaciona o comprimento verdadeiro
do canal (projeção ortogonal) (Lt) com
Índice de a distância vetorial (comprimento em
Is = Lt/dv (A5.6)
sinuosidade (Is) linha reta) (dv) entre os dois pontos
extremos do canal principal
(SCHUMM, 1963).
O coeficiente de compacidade (Kc) é a
Índice de
relação entre o perímetro da bacia (Pe)
Compacidade Kc=0,28(Pe/√A) (A5.7)
e a circunferência de área (A) igual à da
(KC)
bacia (VILLELA e MATTOS, 1975).
É a relação entre a largura média e o
Fator de Forma comprimento axial da bacia
Ff = A/Lt² (A5.8)
(Ff) hidrográfica (VILLELA e MATTOS,
1975).
Extensão do
Revela a evolução dos sistemas de
Percurso Eps=1/(2.Dd) (A5.9)
drenagem (LEITE et al., 2012).
Superficial (Eps)

A região do Madeira apresenta também relevo variado (Figura A5.2) com
elevadas altitudes na região Andina (Bolívia) acima dos 6000 metros, até profundos vales
atingindo a planície amazônica com quase 500 metros; assim, relatam-se vastas zonas de
inundação na planície e a presença de cachoeiras no escudo brasileiro, principalmente
próximo a Porto Velho (Ribeiro Neto, 2006).
255
Figura A5.2- Mapa de elevação da bacia do rio Madeira
O mapa clinográfico da bacia é apresentado na Figura 3, que expressa a variação

de altitude entre dois pontos do terreno em relação à distância que os separa, onde os
valores de declividade estão dispostos em porcentagem. Essa variável está discriminada
em seis diferentes classes, sugeridas por EMBRAPA (1979): 0-3% (relevo plano), 3-8%
(relevo suavemente ondulado), 8-20% (relevo ondulado), 20-45% (relevo fortemente
ondulado), 45-75% (relevo montanhoso), e valores maiores do que 75% (relevo
fortemente montanhoso).
256
Figura A5.3 - Mapa de declividade da bacia do rio Madeira
O relevo da bacia variou em sua grande maioria de plano (36,2143780043) para

suave-ondulado (40,4942251021) e ondulado (19,2163326576), constando, assim, que o
relevo da região varia de plano a suavemente ondulado em cerca de 89,3% da área da
bacia.
Os valores mais baixos encontram-se nas vertentes próximas aos cursos de água.
Verificou-se que o valor máximo de declividade observado na bacia foi de 255%,
enquanto o valor médio foi de 6,62%. Portanto, observa-se que, na área de estudo, há o
predomínio de declividades baixas típicas de planícies.
Os índices físicos ou morfométricos das sub-bacias do rio Madeira são
apresentados na Figura A5.4.
257
Figura A5.4 – Principais índices físicos da bacia do rio Madeira
O parâmetro densidade hidrográfica considera a média da quantidade de canais

por quilômetro quadrado de uma bacia, evidenciando sua capacidade hídrica e
competência na formação de novos canais fluviais; dessa forma, o valor encontrado para
a maior parte da bacia de <0,5 canal.km-² revela que, em função de seus atributos físicos,
258
como geológicos, topográficos, a área tem grande dificuldade para formação de novos
canais fluviais (Santos e Morais, 2012).
A maior frequência de valores de relação de relevo encontrada na bacia foi abaixo
de 0,020, indicando que a bacia tem uma baixa relação de relevo entre os componentes
horizontais (alongamento) e verticais (baixa amplitude altimétrica).
Analisando o valor do fator de forma das bacias, observa-se que se apresentaram,
em maior frequência, entre os intervalos de 1 a 4 e acima de 4. Esse fato indica que grande
parte da bacia possui as unidades drenantes variando entre formatos quadrados a
retangulares de baixo comprimento, identificando regiões com uma menor propensão a
enchentes. Percebe-se, ainda, a existência de áreas no intervalo que caracterizam um
aspecto de circularidade, que podem apresentar, como característica, hidrograma com
picos mais acentuados, com alto risco de cheias e um pequeno tempo de concentração.
Complementando as constatações anteriores, o índice de compacidade obtido foi,
na maioria das bacias, acima de 1,4, indicando novamente que a bacia possui formato
próximo ao retangular, denotando, assim, uma menor potencialidade de enchentes (Porto
et al., 1999).
Como o índice de sinuosidade mostrou-se no intervalo de 1 a 2 e com algumas
áreas acima de 2,0, o sistema drenante caracteriza-se por apresentar por redes de
drenagem sinuosas, podendo haver acúmulos de sedimentos, o que pode ser agravado
pela ação antrópica (Stipp et al., 2010).
O gradiente de inclinação do canal principal da bacia foi de em maioria abaixo de
0,1%, mostrando, assim, segundo Stipp et al. (2010), que a área drenada por esse sistema
fluvial naturalmente não sofre uma grande pressão pela erosão fluvial.
Os valores de densidade de drenagem calculados para as bacias foram abaixo de
0,5 km.km-2; esse fator qualifica a bacia em fracamente drenada, conforme os padrões de
classificação adotados por Beltrame (1994). Assim, as unidades da bacia do rio Madeira
não possuem uma grande eficiência em seus sistemas de drenagem, indicando que têm
fluxos mais lentos no escoamento superficial, originado da chuva, para as sua chegada na
saída da bacia (Silva, 2011).
O intervalo de valores típicos encontrados para os coeficientes de manutenção de
5500 a 7500 m².m-1 revela que cada canal da bacia possui essa magnitude em média para
sua manutenção (área de recarga) e evolução da drenagem, denotando ter uma boa área
de distribuição da rede hidrográfica. No entanto, o parâmetro densidade hidrográfica, que
considera a média da quantidade de canais por quilômetro quadrado de uma bacia,
259
conforme destacado previamente, contrasta com essa interpretação, uma vez que o valor
de 0,50 canal.km-² revela grande dificuldade para formação de novos canais fluviais.
A extensão do percurso superficial para a bacia em estudo foi abaixo de 0,60;
assim, esse é o valor que representa a distância média percorrida pelas enxurradas na
mesma entre o interflúvio e o canal permanente (Silva, 2011).
Ao analisar conjuntamente os índices físicos, depreende-se que as unidades
drenantes dentro da bacia do Madeira possuem formato retangular e alongado e, como
posto anteriormente, em condições normais, apresenta pouca propensão a enchentes, mas
seus canais podem ser altamente impactados pelo transporte de sedimentos. Logo, ações
antrópicas que provoquem processos erosivos podem comprometer a qualidade dos
corpos hídricos desse corpo hídrico.
A5.4 COMENTÁRIOS FINAIS

O presente estudo mostrou a possibilidade de lançar mão de geotecnologias na
perspectiva de integrar geoprocessamento e imagens de satélite com a determinação e
avaliação de um sistema complexo como a bacia hidrográfica por meio de diversos
índices, muitos deles construídos e expostos em uma literatura relativamente recente.
Adicionalmente, o emprego de imagens de satélite permite o processo de
monitoramento em bacias pouco ou não monitoradas, oferecendo condições de realizar
diversos estudos de diagnóstico sobre o comportamento hidrológico-hidráulico de uma
bacia hidrográfica.
Em especial, neste trabalho, a morfometria das unidades drenantes da bacia do rio
Madeira pôde ser caracterizada como variando entre formatos quadrados a retangulares
de baixo comprimento. No entanto, como foi destacado anteriormente, o diagnóstico é de
que há potenciais condições para produção de sedimentos e impactos na qualidade de
água em especial decorrentes da evolução da cobertura e uso do solo na região. Nesse
sentido, recomendam-se oportunos estudos de avaliação e acompanhamento das
modificações na cobertura e uso do solo na bacia de estudo.
A5.5 REFERÊNCIAS
BELTRAME, A. V. “Diagnóstico do meio ambiente físico de bacias hidrográficas:
modelo de aplicação”. Florianópolis, UFSC, 1994.
COLLARES, E.G. “Avaliação de alterações em redes de drenagem de sub-bacias como

subsídio ao zoneamento geoambiental de bacias hidrográficas: aplicação na bacia
260
hidrográfica do Rio Capivari-SP”. Tese de Doutorado em Geotecnia,
Universidade de São Paulo, São Carlos, São Paulo, 2000.
PORTO, R. L. “Bacias hidrográficas”. Escola politécnica da USP. 1999.
RIBEIRO NETO, A. et al. “Caracterização da formação de cheias na bacia do rio UMA

em Pernambuco: Simulação hidrológica – hidrodinámica”. Revista Brasileira de
Recursos Hídricos: RBRH, Porto Alegre, v. 20, n. 2, p.394-403, abr. 2015.
SANTOS, D. A. R.; MORAIS, F. “Análise morfométrica da bacia hidrográfica do rio

Lago Verde como subsídio à compartimentação do relevo da região de lagoa da
Confusão – TO”. Revista Geonorte, v. 3, n. 4, pp. 617-629, 2012.
SILVA, R. C. “Análises morfométricas e hidrológicas das bacias hidrográficas do córrego

Teixeiras, ribeirão das Rosas e ribeirão Yung, afluentes do rio Paraibuna,
município de Juiz de Fora/MG”, Trabalho de Conclusão de Curso de
Especialização em Análise Ambiental, Universidade Federal de Juiz de Fora, Juiz
de Fora, 2011.
STIPP, N. A. F.; CAMPOS, R. A.; CAVIGLIONE, J. H. “Análise morfométrica da bacia

hidrográfica do rio Taquara – Uma contribuição para o estudo das ciências
ambientais”, Portal da Cartografia, Londrina, v. 3, n. 1, 2010.
TEODORO, V. L. I.; TEXEIRA, D.; COSTA, D. J. L.; FULLER, B. B. “O conceito de

bacia hidrográfica e a importância da caracterização morfométrica para o
entendimento da dinâmica ambiental local”, Revista Uniara, n. 20, 2007.
TONELLO, K. C. et al. “Morfometria da bacia hidrográfica da Cachoeira das Pombas,

Guanhães – MG”. Rev. Árvore, Viçosa , v. 30, n. 5, pp. 849-857, 200
261

Souza Vas TD 19 PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Souza Vas TD 19 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

PADRÕES E TENDÊNCIAS HIDROCLIMÁTICAS DE CHUVA IDENTIFICADOS

POR SENSORIAMENTO REMOTO NA BACIA DO RIO MADEIRA - AMAZÔNIA

Vinicius Alexandre Sikora de Souza

Tese de Doutorado apresentada ao Programa de

Orientadores: Otto Corrêa Rotunno Filho

Vinicius Alexandre Sikora de Souza

TESE SUBMETIDA AO CORPO DOCENTE DO INSTITUTO ALBERTO LUIZ

RIO DE JANEIRO, RJ – BRASIL

Expressar os agradecimentos por todos os responsáveis que tornaram a realização

Em primeiro lugar, agradeço enormemente a DEUS por todas as graças recebidas

Gostaria de agradecer ao professor Otto Corrêa Rotunno Filho e ao Dr. Daniel

Torno público o meu muito obrigado a todos os funcionários, pesquisadores e

Agradeço especialmente aos meus colegas de laboratório, Isela Leonor Pandura

E um agradecimento especial é dedicado ao Marcello Henrique, pelo apoio e

Agradecimento especial é dirigido ao CNPq, que proveu o suporte de uma bolsa

Agradecimentos extensivos são dirigidos às agências de fomento FAPERJ e

Por fim, reconhecimento e dedicação são estendidos a instituições que fornecem

“Desista de me fazer desistir.”

PADRÕES E TENDÊNCIAS HIDROCLIMÁTICAS DE CHUVA IDENTIFICADOS

Vinicius Alexandre Sikora de Souza

Orientadores: Otto Corrêa Rotunno Filho

Apreender o comportamento da precipitação é componente primordial do ciclo hidrológico

HYDROCLIMATIC PATTERNS AND TRENDS OF THE RAINFALL IDENTIFIED

Vinicius Alexandre Sikora de Souza

Advisors: Otto Corrêa Rotunno Filho

Department: Civil Engineering

CAPÍTULO 1 – INTRODUÇÃO ..................................................................................... 1

CAPÍTULO 2 – REVISÃO BIBLIOGRÁFICA ............................................................ 12

CAPIÍULO 3 –METODOLOGIA .................................................................................. 64

CAPÍTULO 5 - RESULTADOS E DISCUSSÃO ....................................................... 126

CAPÍTULO 6 – CONCLUSÕES E RECOMENDAÇÕES ......................................... 176

REFERÊNCIAS BIBLIOGRÁFICAS ......................................................................... 182

ANEXOS ...................................................................................................................... 202

Figura 2.1 – Estações hidroclimatológicas instaladas no Brasil................................... 14

Tabela 2.1 – Base de dados de chuva provindos de sensoriamento remoto...............36

1.1 CONSIDERAÇÕES INICIAIS

Complementarmente, avaliou-se a interferência das mudanças na cobertura da

1.4 ESCOPO DO TRABALHO

2.1 CICLO HIDROLÓGICO E O SENSORIAMENTO REMOTO

No que tange especificamente ao monitoramento fluviométrico, Moreira (2010)

onde: ETo é a evapotranspiração diária de referência (mm); 𝜆 é o calor latente de

𝐸𝑇𝑎 = 𝐸𝑇𝑓 (𝑘)(𝐸𝑇𝑜 ) (2.3)

A fração de evapotranspiração, posteriormente é estimada nas dimensões de pixel

onde: Ts - temperatura da superfície do pixel obtida em imagem de satélite; Th -

onde: onde: Tmax - temperatura máxima do ar no período analisado; c - fator de correção

- Nível de água e Vazão

2.2 DEFINIÇÃO E ASPECTOS GERAIS DA PRECIPITAÇÃO

2.2.1 Sistemas atmosféricos que influenciam no regime de precipitação na Amazônia

- Zona de Convergência Intertropical (ZCIT)

- Zona de Convergência do Atlântico Sul (ZCAS)

- El Niño/Oscilação Sul (ENOS)

2.2 EVENTOS PLUVIOMÉTRICOS EXTREMOS

2.3 BASE DE DADOS PLUVIOMÉTRICOS

2.3.2 Dados baseados em satélites

- CHIRP V2.0 e CHIRPS V2.0

- CMORPH V1.0 e CMORPH-CRT V1.0

- TMPA 3B42 V7 e TMPA 3B42RT V7

2.4 ESPACIALIZAÇÃO E PREENCHIMENTO DE FALHAS EM SÉRIES

A interpolação é um procedimento que permite construir um novo conjunto de

- Função de base radial multiquadrada

Dentre os modelos, a forma esférica é a mais utilizada e ao contrário da forma

A curva do variograma exponencial é dada pela Equação 2.7

A forma gaussiana é estimada pela Equação 2.8