Precipitação

Marciano/Carlos Rogério
3 – PRECIPITAÇÃO
3.1 Introdução
A precipitação constitui-se num dos principais componentes do ciclo hidrológico,

representando da água entra numa bacia hidrográfica, e a forma como se dá a sua
ocorrência, influencia a resposta hidrológica da bacia. Assim, as taxas de infiltração de
água no solo e de escoamento superficial, estão intimamente relacionadas com as
características espaciais e temporais da precipitação e também com fatores intrínsecos
ao solo e ao manejo do mesmo.
No ciclo hidrológico, a precipitação é o elo entre os fenômenos atmosféricos e
aqueles da superfície da terra, influenciando de forma direta e relevante em processos
como a infiltração (responsável pela reposição da água no solo e nos aqüíferos), o
escoamento superficial, (responsável pela erosão hídrica e pelo transporte de sedimentos;
pelo suprimento de água para várias atividades econômicas; pelas enchentes e
inundações). A agricultura é a atividade produtiva de maior susceptibilidade às oscilações
comportamentais do regime das chuvas. Torna-se mister pois que sejam estabelecidas
condições adequadas para o melhor aproveitamento da precipitação, possibilitando
atividade de exploração sustentável.
Existem também situações nas quais a precipitação pode se tornar prejudicial,
produzindo perdas ambientais e inclusive de vidas humanas. Tudo isto pode ocorrer se
não houver uma boa interação entre as atividades humanas e a natureza. Observa-se, da
mesma forma, que o manejo integrado de bacias hidrográficas necessita de bons
conhecimentos a respeito da precipitação, com o objetivo final de aproveitar melhor o
recurso água, especialmente a doce, que a cada dia torna-se menos disponível.
Este capítulo tem por finalidade fornecer subsídios físicos para o melhor
entendimento das características das precipitações, e, matemáticos para subsidiar o
trabalho com as informações contidas nas séries históricas dos dados de precipitação. O
primeiro tópico será sobre atmosfera da Terra, formação das precipitações, tipos de
precipitações, registro e manuseio preliminar dos dados. Em seguida, alguns aspectos
gerais sobre como tratar estatisticamente dados de precipitação, que são aleatórios,
fornecendo informações sobre os principais modelos de distribuição de probabilidades.
Uma abordagem sobre chuvas intensas também será realizada, assim como a influência
da cobertura vegetal sobre a precipitação. Por fim, algumas considerações sobre
erosividade e sua forma de cálculo e importância serão descritas, chamando a atenção

para o principal fator de geração de erosão hídrica.
3.2 A atmosfera terrestre

É uma mistura de gases que envolve o planeta terra, estratificada em camadas,
com composição variável espacialmente (posição geográfica e altitude do local) e
temporalmente. Todas as reações físico-químicas que tornam possível a vida na Terra
ocorrem ao longo das diferentes camadas da atmosfera.
A constituição da atmosfera, basicamente, é a seguinte:
- ar seco: - nitrogênio: 78%
- oxigênio: 21%
- argônio: 0,97%
- gás carbônico: 0,03%
- vapor d’água
- aerossóis: partículas sólidas em suspensão de origem orgânica e inorgânica.
O vapor d’água presente na atmosfera por conseqüência da evaporação está
constantemente presente em quantidades que variam de quase zero nas regiões
desérticas (evaporação mínima) até 4% em regiões de florestas tropicais.
A atmosfera é estratificada em camadas, sendo dividida em alta e baixa atmosfera.
A primeira possui influência apenas indireta na formação da precipitação e
consequentemente, no ciclo hidrológico. A baixa atmosfera, portanto, é que interessa à
hidrologia, e é dividida em 3 camadas:
- Troposfera: apresenta espessura variável (18 km na região equatorial e 9 km
nos pólos) sendo o principal meio de transporte de massa e energia, sendo a
principal responsável por processos ciclo hidrológico. Portanto, a
hidrometeorologia concentra seus estudos nesta camada da atmosfera.
- Tropopausa: camada que separa a estratosfera da troposfera.
- Estratosfera: possui espessura variável com pequena variação vertical de
temperatura. É na estratosfera que se encontra a camada de ozônio (O3) que
protege a Terra de raios ultravioletas.
Deve-se salientar que na troposfera há um gradiente decrescente de temperatura
com a altitude, produzindo em média, redução de 1oC a cada 100 m de altitude (gradiente
da adiabática seca). Nas partes mais elevadas da troposfera, a temperatura pode atingir –
50oC. Além da temperatura, há redução da pressão atmosférica com a altitude, devido à
2
redução da espessura da camada de gases à medida que se afasta do centro da terra,

verificando-se por conseqüência, menor concentração de oxigênio, gerando o conhecido
ar rarefeito.
3.2.1 Circulação geral da atmosfera e ventos

É basicamente na troposfera que ocorrem os fenômenos meteorológicos de maior
interesse para a hidrologia. Nela existe uma circulação contínua de massas de ar, tanto
no sentido horizontal (ventos) como no vertical (corrente de ar). A circulação das massas
de ar obedece à existência de gradientes de pressão, podendo-se identificar as seguintes
zonas:
a) Faixa equatorial de baixas pressões
b) Faixa subtropical de altas pressões
c) Faixa polar de baixas pressões
d) Calotas polares de altas pressões
A Figura 3 ilustra as zonas terrestres com o comportamento da pressão e direção
de ventos. Os gradientes de pressão ocorrem devido a um aquecimento desigual da
atmosfera terrestre.
Calota polar
(alta pressão)
o
Latitude 60
(baixa pressão)
o
Latitude 30
(alta pressão)
o
Equador 0
(baixa pressão)
o
Latitude 30
(alta pressão)
o
Latitude 60
(baixa pressão)
Calota polar
(alta pressão)
Figura 3. Representação das zonas terrestres com indicação da direção de ventos e

comportamento da pressão atmosférica – Fonte – Vilela e Mattos (1975)
3
É importante destacar também algumas definições para o melhor entendimento da

precipitação:
a) Umidade atmosférica: representa o teor de vapor d’água na atmosfera, que
embora em pequenas quantidades quando comparadas a outros gases, é
essencial para a ocorrência das precipitações e é quem determina de forma
mais direta as características termodinâmicas do ar.
b) Tensão de vapor – é uma forma alternativa de expressar a quantidade de vapor
d’água que o ar contém. A quantidade máxima de vapor que a atmosfera pode
conter, varia diretamente com a temperatura, sendo denominada de tensão de
saturação.
c) Umidade relativa: expressa a quantidade atual de vapor d’água em relação à
quantidade máxima que o ar atmosférico pode conter neste instante.
e
Ur (%) = ⋅ 100 (1)
es
Em que, Ur,; e e es são, respectivamente, a umidade relativa, as quantidades atual
e máxima de vapor d’água da atmosfera. O parâmetro e é determinado por:
e = p − pa (2)
Em que p e pa são, respectivamente a pressão atmosférica e a pressão do ar seco.
d) Ponto de orvalho: é a temperatura na qual o ar úmido mantendo a mesma
pressão, se satura.
e) Ponto de condensação: é a temperatura que adquire o ar úmido quando
evoluindo adiabaticamente (sem troca de calor) atinge um nível em que e = es.
A Figura 4 representa uma curva de saturação hipotética destacando-se os pontos
descritos anteriormente.
O ponto A representa uma situação de ar insaturado, ou seja, as condições atmosféricas

não são favoráveis à precipitação (esA > eA ). Neste caso, duas situações podem ocorrer
para que haja a precipitação: um resfriamento do sistema, que seja suficiente para que
haja precipitação ou aumento da pressão de vapor. O ponto B representa uma situação
de atmosfera saturada (esB = eB ), alcançada por um resfriamento adiabático do ar (a
quantidade de vapor d’água se mantém constante), é denominado de ponto ou
temperatura de “orvalho”. O ponto C representa uma atmosfera supersaturada (esC < eC ),
situação de equilíbrio instável, que a natureza tende a deslocá-lo até a curva de
4
saturação, em busca de uma situação de equilíbrio. Este trajeto, representa a parcela de

vapor que se condensa e se disponibiliza para a precipitação, pois o sistema busca
“desafogar” esta condição de supersaturação. Isto normalmente ocorre com abaixamento
da pressão de vapor.
Curva de
saturação
esA
Pressão de vapor
C B
eA A
esC
TC TB TA
Temperatura
Figura 4. Curva de saturação representando alguns pontos de interesse do processo de

precipitação.
3.2.2 Distribuição geográfica da umidade atmosférica

A umidade atmosférica apresenta o seguinte comportamento regional:
- tende a decrescer com o aumento de latitude, porém como a Ur é uma função
inversa da temperatura, esta tende a aumentar;
- máxima sobre os oceanos, decrescendo à medida que se avança para o interior
dos continentes;
- decresce com elevação e é maior sobre áreas vegetadas do que sobre solo
estéril;
Ocorre também uma variação temporal da seguinte forma:
- é máxima no verão e mínima no inverno. A Ur varia ao contrário.
- variação diária: mínima ao nascer do sol e máxima por volta de 2 horas.
5
3.2.3 Processos de transporte de energia

Todos os processos climáticos são regidos por fluxos de energia. A radiação é a
principal delas, pois é a energia solar que ativa o ciclo hidrológico. A radiação se
apresenta nas formas:
- solar: são ondas curtas e alta intensidade energética;
- terrestre: possuem comprimento de onda alta e baixa intensidade energética;
Além da radiação, a condução e a convecção são as outras formas de transmissão
de calor, uma vez que o ar próximo da superfície terrestre se aquece e transmite o fluxo
de energia. As principais características da condução e convecção são:
- condução: fluxo de energia através da matéria, por atividade molecular interna
(sem movimento de massa); vapor d’água e CO2 são os principais absorventes
de energia e a transmitem por contato;
- convecção: devido ao aquecimento do ar, este apresenta redução na sua
densidade. O ar nas proximidades da superfície terrestre tende a tornar-se mais
leve, porém, devido às irregularidades da superfície, este aquecimento ocorre
de forma desigual, resultando no aparecimento de forças ascendentes que
elevam o ar mais quente. Na ascensão, o ar expande e se esfria, quando sua
densidade se iguala à do ambiente, cessa o processo de elevação.
3.2.4 Distribuição vertical da temperatura

O gradiente de temperatura na troposfera é de 6,5oC/km. Na estratosfera, as
condições são aproximadamente isotérmicas, conforme já comentado. O gradiente
vertical de temperatura influi nas condições de estabilidade atmosférica, da seguinte
forma:
- Gradiente de temperatura da transformação adiabática seca: a taxa de
decréscimo da temperatura de uma partícula de ar insaturado que se eleva
adiabaticamente é de 1oC a cada 100 m de altitude.
- Gradiente de temperatura da transformação adiabática saturada: o ar saturado
com vapor d’água se condensa, liberando calor latente de vaporização, fazendo
com que a taxa de resfriamento seja reduzida (0,54oC/100 m) nas camadas
inferiores da atmosfera, tendendo ao valor da adiabática seca em grandes
altitudes, devido à diminuição do vapor d’água. Para que o processo seja
adiabático é necessário que o produto da condensação permaneça no sistema
6
ao longo da ascensão, ou seja, que não ocorra precipitação (não há troca de

energia com o meio externo).
3.3. Aspectos característicos da precipitação

3.3.1 Formas de precipitação
Precipitação é toda forma de umidade oriunda da atmosfera que se deposita sobre
a superfície terrestre. Destacam-se as seguintes formas:
a) Chuva: é a principal forma de precipitação em regiões tropicais e subtropicais.
A precipitação atinge a superfície na forma líquida e todos os processos
gerados por esta situação correspondem a um dos principais ramos da
hidrologia.
b) Granizo: situação em que a precipitação ocorre na forma de pedras irregulares
de gelo, com tamanho mínimo de 5 mm.
c) Neve: é uma forma de precipitação na qual há formação de flocos de gelo com
formatos normalmente hexagonais, onde devido à formação de nuvens muito
frias (abaixo de 0o C) ocorre um processo de sublimação da água, passando do
estado físico de vapor diretamente para o sólido. É importante destacar que a
neve em regiões muito frias tem um papel de suma importância para a
agricultura, que é de manter as sementes protegidas do frio intenso que ocorre,
uma vez que o gelo é isolante térmico.
d) Orvalho: esta é uma forma de precipitação na qual a água contida na forma de
vapor na atmosfera sofre condensação e precipita nas diferentes superfícies.
Isto ocorre porque corpos sólidos têm maior capacidade de perda de calor para
atmosfera, sofrendo resfriamento. O ar úmido ao atingir estas superfícies frias,
também sofre um processo de resfriamento, o qual se for suficiente para atingir
a curva de saturação, ocorre então o processo de condensação.
e) Geada: a formação de geada é semelhante ao do orvalho, mas não é o orvalho
congelado. No caso da geada, o ponto de orvalho na curva de saturação é
abaixo de zero, havendo um processo de sublimação, com a água precipitando-
se na forma de gelo.
O quadro a seguir destaca algumas características dos principais tipos de
precipitação em regiões tropicais, segundo Réménierás :
7
Tipo de precipitação Intensidade Diâmetro médio das Velocidade de queda para os

(mm/h) gotas (mm) diâmetros médios (m/s)
Nevoeiro 0,25 0,2 --
Chuva leve 1a5 0,45 2,0
Chuva forte 15 a 20 1,5 5,5
Tempestade 100 3,0 8,0
3.3.2 Formação das chuvas

A umidade atmosférica é o elemento básico e embora seja essencial, não é
suficiente para formação da chuva, havendo necessidade da presença de outros
requisitos tais como: mecanismo de resfriamento do ar, presença de núcleos
higroscópicos para que haja a condensação e um mecanismo de crescimento das gotas.
Os principais núcleos de condensação são partículas de sal (oriundas dos
oceanos), cristais de gelo e partículas provenientes de processos industriais, como ácido
nítrico e ácido sulfúrico, as quais, quando em concentrações elevadas, promovem
formação de precipitações ácidas, comuns em algumas regiões industriais.
O ar úmido das camadas inferiores aquecido por condução, sofre ascensão
adiabática (1oC/100 m) até atingir a condição de saturação (nível de condensação). A
partir deste nível em condições favoráveis e com existência de núcleos higroscópicos, o
vapor d’água se condensa, formando minúsculas gotas em torno desses núcleos, que são
mantidas em suspensão até que, por um processo de crescimento, ela atinja tamanho
suficiente para vencer as forças de ascensão que exercem resistência às gotas, e então
precipitar. Os principais processos de crescimento das gotas são:
- Coalescência: o aumento se deve ao contato com outras gotas através da
colisão (turbulência do ar, forças elétricas e movimento Browniano). Na queda,
gotas maiores alcançam as menores, incorporando-as. Isto também ocorre com
a neve, formando flocos maiores.
- Difusão: o ar após atingir o nível de condensação, continua evoluindo e
difundindo o vapor supersaturado e sua conseqüente condensação em torno
das gotículas que aumentam de tamanho.
As gotículas que constituem as nuvens possuem tamanhos que variam de 0,01 a
0,03 mm de diâmetro. As gotas de chuva, propriamente ditas, apresentam diâmetros bem
superiores, variando de 0,5 a 2,0 mm, podendo atingir valores de até 5 mm. Isto propicia
volumes máximos de 106 vezes maiores e elevada energia cinética.
8
3.3.4 Tipos de chuvas

O esfriamento adiabático ou dinâmico é a principal causa da condensação e o
responsável pela maioria das precipitações. Assim sendo, o movimento vertical
(correntes) das massas de ar é um requisito importante e em função das condições que o
produz, as precipitações se classificam em Ciclônicas, Orográficas e Convectivas.
a) Precipitações Ciclônicas: são associadas a movimentos de massas de ar de regiões

de alta pressão para regiões de baixa pressão (essas diferenças de pressão são
causadas por aquecimento desigual da superfície terrestre). Classificam-se em:
a.1) Não Frontal: convergência horizontal de massas de ar para regiões de baixa
pressão, promovendo, na seqüência, elevação. Esquematicamente:
Ar Frio
Precipitação
Ar quente
a.2) Frontal: resulta da ascensão do ar quente sobre o ar frio na zona de contato

entre duas massas de características diferentes, ou seja, quando tem-se a chegada de
uma frente fria. Esquematicamente:
Frente Fria
Ar
Quente
Ar Frio
Precipitação
9
Uma característica fundamental das precipitações ciclônicas é que estas são de

longa duração e intensidade de baixa a moderada, cobrindo grandes áreas, sendo
fundamental para o manejo de grandes bacias hidrográficas.
b) Precipitações Orográficas: Resultam da ascensão mecânica de massas de ar úmido

sobre barreiras naturais tais como montanhas. Normalmente, apresentam alta
intensidade. No Brasil, as principais precipitações orográficas ocorrem na região do
Vale do Paraíba e litoral de São Paulo, devido à Serra da Mantiqueira e Serra do Mar,
que geram barreiras de difícil transposição às massas de ar úmido e quente,
concentrando a precipitação nestas regiões.
c) Precipitações Convectivas: São típicas de regiões tropicais. Ocorrem devido ao

aquecimento diferenciado da superfície terrestre, provocando aquecimento desigual
das camadas atmosféricas, o que produz estratificação térmica da atmosfera, que fica
instável. Qualquer perturbação romperá este equilíbrio, provocando a ascensão brusca
e violenta do ar quente, capaz de atingir grandes altitudes. São precipitações de
grande intensidade, curta duração e concentradas em pequenas áreas, sendo
importantes para o manejo em pequenas bacias hidrográficas e para estudos de
conservação do solo, pois possui elevada energia cinética e consequentemente,
elevada erosividade, o que será discutido ao final deste capítulo.
3.3.5 Medida da precipitação

A medida das precipitações é um processo relativamente simples, consistindo no
recolhimento da quantidade de água precipitada sobre determinada área, e a sua
quantificação pode ser feita por aparelhos totalizadores (pluviômetros) ou registradores
contínuos (pluviógrafos). De um modo geral, os pluviômetros são lidos em intervalos de
24 horas, quase sempre às 9:00 horas da manhã, indicados para quantificar chuvas
diárias.
Os pluviógrafos fornecem um gráfico, conhecido como Pluviograma, onde são
registradas as alturas de chuva em função do tempo. Em geral, o pluviograma pode
corresponder a um período de 1 dia, 1 semana ou 1 mês. O pluviômetro constitui-se de
um cilindro cuja área de captação deve ser conhecida, sendo o mais utilizado o Ville de
Paris, cuja área é de 400 cm2. Devem ser instalados a uma altura de 1,5 m da superfície
do solo, com uma distância mínima de 10 m de construções e outros objetos de grande
10
porte, tais como árvores. A Figura 5 mostra o pluviógrafo que é utilizado pela Estação
Meteorológica localizada no Campus da UFLA, pertencente ao 5o Distrito de
Meteorologia, sediado em Belo Horizonte. Na seqüência, um pluviograma hipotético,
mostrando o comportamento temporal da precipitação. Nota-se que o aparelho possui
capacidade máxima de registro de 10 mm e toda vez que se atinge este nível, um sistema
do tipo “báscula” deságua o coletor, zerando a precipitação. Se a chuva continuar haverá
novo enchimento do coletor e posterior eliminação e assim sucessivamente. Pode-se
observar também que quanto mais intensa for a precipitação, mais próximos estarão os
picos. Chuvas menos intensas promovem enchimento lento do coletor, caracterizado pela
parte final do pluviograma da Figura 5. A leitura mínima que se pode obter via
pluviograma é 0,25 mm.
Atualmente, existem estações meteorológicas compactas que fornecem o valor do

total precipitado num determinado intervalo de tempo, que pode variar desde 1 segundo a
até algumas horas, de acordo com o interesse. Observa-se que numa situação desta,
pode-se também obter um pluviograma, com mais precisão, haja vista que o equipamento
fornece informações digitais. O valor mínimo de leitura é de 0,25 mm e os dados são
armazenados numa memória do tipo data logger que podem ser descarregas por meio de
um microcomputador e manuseada através de planilha. A Figura 6 mostra um exemplo de
uma miniestação climatológica compacta que fornece todos os parâmetros climáticos que
um posto meteorológico convencional fornece.
Do pluviograma da Figura 5, pode-se extrair algumas informações a respeito do

comportamento da chuva. Pode-se dividi-lo em duas precipitações, haja visto que o tempo
que separa um evento de outro é razoavelmente grande. Assim, tem-se:
1a Chuva:
- Lâmina total precipitada: 35 mm
- Duração da chuva: 11 horas
- Intensidade média: 3,2 mm/h
2a Chuva:
- Lâmina total precipitada: 11 mm
- Duração: 3 horas e 30 minutos
- Intensidade média: 3,1 mm/h
11
Tempo
9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6
1
9
8
7
Altura
6
5
4
3
2
1
0
Figura 5. Detalhes das partes de um Pluviógrafo e um Pluviograma.
Uma análise mais detalhada possibilita identificar as intensidades médias máximas

para diferentes intervalos de tempo. O quadro abaixo exemplifica a 1a chuva:
∆ t (min) Altura máxima de chuva Imédia máxima (mm/h) Intervalo de
(mm) Ocorrência
10 3,0 18 13:30 – 13:40
30 6,75 13,5 13:10 – 13:40
60 10,0 10 12:40-13:40
120 17,0 8,5 11:40 – 13:40
140 17,25 7,4 11:20 – 13:40
12
Figura 6. Mini-estação climatológica completa com suprimento de

energia fornecido por um painel solar.
A densidade da rede pluviométrica é função das condições de clima da região e do

objetivo da observação. Para pesquisas exige-se densidade maior.
3.3.6 Grandezas características

a) Altura (lâmina) de água precipitada: representa a altura da lâmina de água precipitada,
caso a mesma fosse recolhida numa superfície horizontal, sendo expressa,
geralmente, em mm. Como exemplo, tem-se que 1 mm precipitação é equivalente a
um volume de 1 L de água sobre uma área de 1m2. Pode-se referir a um chuva isolada
ou a todas ocorridas num dado intervalo de tempo.
13
b) Intensidade de precipitação: é uma grandeza intensiva e instantânea, representando a

dh
variação da lâmina precipitada num intervalo infinitesimal de tempo ( I = ). Em
dt
termos práticos é mais interessante trabalhar com a intensidade média de precipitação
∆h
( Im = ), relativa a um intervalo discreto de tempo ( ∆t ), o qual está associado a um
∆t
problema de natureza prática.
c) Tempo de duração: é o período de tempo contado desde o início até o fim da
precipitação (horas ou minutos).
d) Freqüência: é o número de ocorrências de uma determinada precipitação no decorrer
de um período de tempo especificado.
3.3.7 Preenchimento de Falhas

É normal a existência de falhas ou interrupções nos registros das estações
pluviométricas, sendo atribuídas à defeitos no aparelho ou ausência do observador. Para
se ter uma série contínua, que é um requisito indispensável quando se necessita fazer um
estudo relativo ao regime hidrológico de um rio, há necessidade de que se disponha de
uma série completa de dados. Para o caso da precipitação, pode-se fazer o
preenchimento de falhas baseado nos seguintes métodos:
a) Método da regressão linear: neste método busca-se relacionar os dados de uma

estação A com os de uma estação B, da seguinte forma:
Y = a + b ⋅ X , em que Y são os dados da estação B e X, da estação A.
b) Média aritmética dos valores de estações vizinhas: consiste de uma média dos dados
oriundos das estações vizinhas. Este critério é válido somente para regiões
consideradas hidrologicamente homogêneas.
1
X= ⋅ (PA + PB + PC ) (3)
3
Estes 2 métodos podem ser empregados desde que as precipitações anuais

normais das estações envolvidas não difiram em mais de 10%. Precipitação anual normal
é um valor médio de um período de pelo menos 30 anos.
14
No caso de a precipitação anual normal em qualquer das estações vizinhas diferir

da correspondente na estação em questão em mais de 10%, aplica-se o método da razão
dos valores normais:
1  Ns N N 
Px = ⋅  ⋅ PA + s ⋅ PB + s ⋅ Pc  (4)
3  NA NB NC 
em que N é a precipitação normal na respectiva localidade índice e P, a precipitação
registrada nos postos vizinhos.
3.3.8 Verificação da homogeneidade dos dados: curva dupla acumulada

Consiste em se construir um gráfico em coordenadas cartesianas ortogonais, onde
em um dos eixos é colocado os totais anuais acumulados de um determinado posto e, no
outro, a média acumulada dos totais anuais de todos os postos da região, considerada
homogênea sob o ponto de vista meteorológico. O objetivo é verificar se os valores do
posto em questão foram bem medidos, devido à alteração de local de instalação de um
pluviômetro ou exposição. Para isto, os dados da estação que deseja-se verificar devem
constituir uma reta em relação aos valores médios das outras estações. Se houver
alteração da reta, significa que os dados não foram corretamente medidos.
Matematicamente, pode-se avaliar as observações atuais da seguinte forma:
Ma
Pa = ⋅ Po (5)
Mo
Em que Pa é o valor da observação atual, produzida por uma mudança de local,
exposição ou erro de leitura; Po é o valor dos dados a serem corrigidos; Ma é o coeficiente
angular da reta no período mais recente e Mo, o coeficiente angular da reta no período de
observação de Po. A Figura 7 representa uma curva dupla acumulada.
15
acumulados do
Totais anuais
B
Dados
mais
Dados
mais
O Média Acumulada C
dos postos
Figura 7. Representação de uma curva de dupla massa.
Nesta Figura observa-se que os dados atuais saíram da reta de dados mais
antigos, significando que houveram mudanças significativas nas leituras dos totais
acumulados. O coeficiente angular anterior (dado por OAC) é diferente do atual (dados
por OBC). Ao se aplicar equação 58, corrige-se os valores atuais com base nestes
coeficientes angulares. Ex.: Se uma reta de dupla - massa foi criada com base nos pontos
(0,0) e (1200,1400), e esta mesma reta, atualmente apresenta (0,0) e (1100,1200), qual
será o valor corrigido de uma leitura de 1400 mm feita atualmente.
Ma = 1400/1200 = 1,17
Mo = 1200/1100 = 1,09
Po = 1400 mm
Pa = 1502,8 mm é o valor corrigido para a leitura atual.
3.3.9 Precipitação média sobre uma bacia hidrográfica

Devido à variabilidade espacial das precipitações há necessidade de se estimar a
precipitação média sobre uma área. Apresenta-se a seguir os métodos mais usuais para
esta estimativa, alguns dos quais utilizados como métodos de interpolação de valores
para locais desprovidos de informações pluviométricas.
16
a) Média aritmética: é o método mais simples, aplicável para regiões com boa distribuição
de aparelhos, área de relevo plano ou suave e de regime pluviométrico mais uniforme
possível.
− 1 n
P= ∑ Pi (6)
n i=1
b) Método dos polígonos de Thiessen: este método trabalha com a distribuição espacial
dos postos, sendo a média obtida pela ponderação do valor da precipitação de um posto
pela sua área de influência. As áreas de influência são aquelas dos polígonos formados
pelas mediatrizes dos segmentos de reta que ligam estações adjacentes. É um método
puramente geométrico. Assim, tem-se:
n
− ∑ Pi ⋅ A i
P = i=1 (7)
n
∑ Ai
i=1
Embora mais preciso que o anterior, ainda apresenta limitações, por não considerar
influências orográficas. A Figura 8 exemplifica este método para uma bacia hidrográfica.
c) Método das Isoietas: consiste inicialmente no traçado das curvas de igual precipitação
(isoietas), do que depende basicamente toda a precisão dos resultados. Para obtenção de
melhores resultados, o hidrólogo deve, ao traçar as isoietas, considerar todo o
conhecimento que o mesmo possuir sobre a área em questão, como influência do relevo
(efeitos orográficos) e se possível, a morfologia do temporal (no caso de chuvas intensas);
caso contrário o método resultará numa ponderação semelhante ao proposto por
Thiessen. A precipitação média será:
n P +P 
− ∑  i i+1 ⋅ A
 i
i =1 2 
P= (8)
n
∑ Ai
i=1
A Figura 9 mostra um mapa com isoietas para a mesma bacia anterior.

d) Inverso da distância: consiste de uma média ponderada pelo inverso da distância entre
a localidade que se deseja estimar a precipitação e as localidades vizinhas, das quais são
17
conhecidos os valores da variável. Pode-se trabalhar com vários expoentes para a

distância, sendo relatado em alguns trabalhos valores que vão de 1 a 4. Contudo, já foi
constatado que o melhor desempenho (menores erros) foram obtidos quando se usou o
expoente 2, ou seja, o inverso do quadrado da distância. Matematicamente, tem-se:
m  1  
∑   n  ⋅ Pi 
− i=1  di  

P= (9)
m 1 
∑ n 
i=1 di 
Em que, Pi é a precipitação nos pontos vizinhos, conhecida; di é a distância da

respectiva estação ao ponto a ser estimado; n, o expoente da distância e m, o número de
estações da vizinhança.
e) Krigagem geoestatística: esta é uma metodologia de interpolação de valores que tem

mostrado os melhores resultados no tocante à estimativa de precipitações, conforme
alguns trabalhos recentes. Isto é possível graças às suas características estatísticas pois
constitui-se de um interpolador cuja variância é mínima e a média é não-tendenciosa.
Estas premissas estatísticas formam o embasamento da geoestatística, que é uma
ferramenta estatística que considera a inlfuência da posição (localização) das amostras,
ou seja, que a variável num ponto tem influência no valor da variável em outro ponto.
Quando isto ocorre, diz-se que há dependência espacial e a parcela do erro aleatório
associada à posição passa a ser controlada. Desta forma, tem-se duas conseqüências
quando se compara a geoestatística com a estatística clássica, a qual considera que as
amostras são independentes entre si no espaço:
- se o número de amostras for o mesmo que o da estatística clássica, haverá

redução de erro na estimativa, pois uma vez detectado que um ponto influencia
em outro e vice-versa, ou seja, há dependência espacial, pode-se controlar
parcela do erro aleatório que a estatística clássica não considera. Assim, tem-se
que:
−
Estatística Clássica: XEs = X+ ea
−
Geoestatística: XEs = X+ S + e'a , onde S + e’a cuja soma equivale a ea .
18
- se fixarmos um erro igual para ambas estatísticas pode-se reduzir o número de

amostras quando a geoestatística for aplicada. Isto é bastante significativo, pois
haverá um custo menor para a realização do trabalho.
Para a geoestatística, a variância entre dois pontos é devido apenas aos valores,
ou seja, a média dos valores de uma variável é a mesma ao longo da área, em relação ao
valor real. A semivariância é calculada por:
1 N
γ (h) = ⋅ ∑ (Xi − Xi+h )2 (10)
2 ⋅ N i=1
Partindo-se desta equação, determina-se todas as possíveis combinações entre os
pontos amostrados e a partir deste cálculo, pode se construir um modelo de
semivariograma, que representa uma relação entre a variância e a posição, ou seja,
apenas a distância é que determinará a variância entre os pontos. A Figura 10 ilustra um
semivariograma com seus principais componentes.
γ (h)
Alcance (a)
•
•
• •
C1
Patamar •
•
Efeito Pepita
(Co)
Distância
Figura 10. Representação do semivariograma.

Algumas observações se fazem necessárias:
- A dependência espacial somente é verificada até o raio do alcance. A partir
desta distância, não mais se verifica a dependência espacial, valendo-se os
princípios da estatística clássica;
- O efeito pepita diz respeito a um “ruído”, ou seja, erro associado ao ajuste dos
modelos de semivariograma, os quais são função dos dados. O ideal é que
quanto menor o efeito pepita, melhor será a dependência espacial;
- O patamar reflete quanto há de dependência espacial dos dados; quanto maior
seu valor, maior a dependência.
Os principais modelos de semivariograma são:

19
- esférico:
 3  h  1  h 3 
γ (h) = Co + C1 ⋅   −    (11)
 2  a  2  a  
válido para 0 < h < a (somente é válido da distância 0 até o alcance);

- exponencial:
  − 3 ⋅ h 
γ (h) = Co + C1 ⋅ 1 − exp  (12)
  a 
válido para a mesma situação anterior;
A krigagem constitui-se no interpolador geoestatístico, que é calculado em função

do modelo de dependência espacial (equações 66 e 67). A estimativa da variável é feita
calculando-se os pesos de cada localidade da vizinhança do ponto a ser predito. Isto é
feito da seguinte forma:
[A ]−1 ⋅ [B] = [λ] (13)

O objetivo desta equação matricial é calcular os pesos de krigagem. Cada membro
desta significa:
[A]-1 = matriz de semivariância, obtida pelo cálculo de semivariância usando apenas
a distância entre os pontos da vizinhança (todas as possíveis combinações) e o modelo
de semivariância, substituindo-se a distância no modelo;
[B] = matriz de semivariância, obtida pelo cálculo de semivariância usando as
distâncias entre os pontos da vizinhança e o ponto para o qual se deseja estimar, usando
o mesmo modelo de semivariância ajustado;
[ λ ] = matriz de pesos, obtido pela multiplicação das matrizes, inversa de A e a
matriz B.
Uma vez determinado os pesos de cada vizinhança, estima-se a variável para o
ponto da seguinte forma:
n
Px = ∑ λi ⋅ Pi (14)
i=1
Px é a precipitação estimada para o ponto x; n é o número de pontos na vizinhança

de krigagem.
20
3.4 Séries Hidrológicas

O conjunto de dados históricos relativos a um determinado evento hidrológico
constitui uma série hidrológica, a qual pode ser classificada em:
a) Série original: constituída por todos os valores registrados. Exemplo: 30 anos de

dados de precipitação mensal. A série será constituída por 30 x 12 valores.
b) Série anual: constituída por valores extremos (máximos ou mínimos) de cada ano. A
partir do exemplo anterior, ter-se-ia uma série com 30 valores. Normalmente, valores
mínimos anuais dizem respeito ao comportamento de vazões em cursos d’água. Este
tipo de estudo visa fornecer informações para projetos de abastecimento de água e
irrigação.
c) Série parcial: constituída pelos “N” maiores ou menores valores ocorridos nos “N” anos
de observação. A partir do exemplo inicial, ter-se-ia uma série constituída por 30
valores, os quais seriam os maiores ou menores da série original, sem haver a
vinculação com o ano de ocorrência. Uma outra alternativa seria constituir a série com
todos os valores maiores ou menores que determinado valor especificado.
Em termos de dados pluviométricos, trabalha-se com as seguintes séries

históricas:
a) Precipitação total anual: esta série é constituída pelos valores totais de cada ano
(soma das precipitações ocorridas ao longo de 1 ano). Neste caso, normalmente
objetiva-se ao estudo comportamental do ciclo hidrológico, sendo importante para
balanço hídrico anual e ajudar a responder algumas questões sobre mudanças
climáticas, em especial, do regime hídrico. O modelo de probabilidades normalmente
ajustado é a Distribuição Normal.
b) Precipitação total mensal, quinzenal e decendial: neste caso, pode-se trabalhar
considerando um mês qualquer do ano (de interesse regional, por exemplo) e estudar
os seus totais; trabalhar os totais da 1a e 2a quinzenas, ou ainda, os totais do 10, 20 e
30 períodos decendiais. Este estudo é básico na determinação da Precipitação
Provável, a qual, é importante para o planejamento de cultivos de sequeiro, para
realizar um balanço hídrico visando estimar a necessidade de irrigação
complementar. Neste caso, trabalha-se com uma probabilidade de excedência, ou
seja, objetiva-se garantir um valor mínimo e o modelo de probabilidades a ser
21
utilizado, será o Log-normal a 2 ou a 3 parâmetros, podendo-se ainda utilizar a

distribuição Gama incompleta ou mesmo a série de Markov.
c) Precipitação diária máxima anual: nesta caso, toma-se, para cada determinado ano, a
maior precipitação diária registrada, sendo este valor um dos componentes da série
histórica. Seu estudo é importante quando se objetiva à obtenção de valores extremos
máximos diários, visando ao estudo de probabilidade de ocorrência de cheias em
grandes bacias hidrográficas, de drenagem de solos e de equações de chuvas
intensas, quando não se dispõe de pluviogramas. Por se tratar de valores máximos,
trabalha-se com probabilidade de excedência, xtremos, o modelo mais adequado
normalmente é o de Gumbel.
d) Precipitação máxima correspondente a um determinado tempo de duração da
precipitação: aqui, têm-se os mesmos objetivos anteriores, porém trabalhando-se com
pluviogramas, separando-se o valor máximo da precipitação num determinado ano,
para vários tempos de duração. Assim, constitui-se uma série histórica para cada
tempo de duração. Estas séries geram resultados mais precisos para o ajuste da
equação de chuvas intensas, pois trata-se de intensidades reais que ocorreram num
determinado local. Valores totais diários não expressam tal característica. Da mesma
forma anterior, o modelo de Gumbel pode ser ajustado a estes dados.
3.2 Distribuição de Freqüência

Os fenômenos hidrológicos, notadamente a precipitação, são caracterizados como
aleatórios e estocásticos. Isto significa que há um caracter probabilístico envolvendo este
fenômenos.
Em termos de comportamento dos dados hidrológicos há de se ressaltar que o
valor mínimo normalmente é conhecido, mas os máximos são probabilísticos, ou seja,
sempre haverá possibilidade de um dado evento ser superado. Isto é essencial para o
entendimento das variáveis hidrológicas, uma vez que esta é uma das principais funções
da hidrologia, que consiste em observar os eventos e modelar as probabilidades de
ocorrência, possibilitando que sejam feitas previsões de ocorrência assumindo um certo
risco.
O primeiro passo para se modelar o comportamento estocástico dos dados
hidrológicos é fazer um estudo de freqüência dos mesmos, em que se estabelece um
percentual com que uma variável hidrológica pode ser maior ou igual que um dado valor.
Isto é chamado freqüência excedência e é obtida diretamente de uma série histórica de
22
dados e seu valor é o que realmente ocorreu. Contudo, pode-se trabalhar com a
freqüência de não excedência, ou seja, aquela em que se trabalha com um percentual em
a variável é menor ou igual que um dado valor. A escolha depende dos objetivos, o qual
será mais discutido na seqüência. Deve-se ressaltar que uma é o complemento da outra,
ou seja:
fexc = 1 − fnão − exc (15)
Com base nos dados gerados pelo estudo da distribuição de freqüência ajusta-se
um modelo de probabilidades e aquele que obtiver o melhor ajuste (dado pelos testes de
adequacidade) deve ser o escolhido. Note que o tamanho da série histórica de dados tem
grande importância haja vista que ela representará a sua possibilidade de ocorrência no
futuro, ou seja, quanto maior esta maior a sua representatividade do evento. Portanto, o
ajuste de um modelo de probabilidades representará eventos que ainda não ocorreram,
estimando-os dentro de uma margem de erro a ser definida pelo projetista.
Como mencionado anteriormente, as freqüências são complementares. Para
obtenção da freqüência de excedência, posiciona-se os dados na forma decrescente. A
freqüência é então obtida dividindo-se a posição que o dado ocupa pelo número total de
dados. No entanto, normalmente trabalha-se com a freqüência amostral, dividindo-se a
posição pelo total de dados mais um. A freqüência de não excedência é obtida
posicionando-se os dados de forma crescente e o percentual calculado da mesma forma
anterior.
A freqüência de excedência é bastante usada em hidrologia e é também conhecida
como Curva de Permanência. Isto significa que obtém-se a percentagem com que um
determinado evento é superado ou igualado. Este tipo de estudo tem importância prática,
por exemplo, na determinação de uma vazão mínima de um curso d’água para
abastecimento ou irrigação, ou ainda, a precipitação mínima num determinado período de
um mês visando ao balanço hídrico e fornecimento da lâmina de irrigação mais correta. A
Figura 1 ilustra uma curva de permanência hipotética.
23
Vazão
y
X
100
Permanência (%)
Figura 1- Representação do comportamento de uma curva de permanência hipotética.
No gráfico, para um valor y de vazão, x é a percentagem com que a vazão y é igualada ou

superada.
Uma observação pode ser feita. Quanto menor o intervalo de análise dos dados
(dados diários, mensais ou anuais) mais realista será a curva de permanência. Isto quer
dizer, por exemplo, que a análise de dados diários de vazão de um determinado rio
fornece um valor menor de vazão, para uma dada permanência, do que dados mensais
ou anuais. Estes últimos geram valores superestimados, sendo mais útil o estudo com
observações diárias.
3.2.1. Conceito de Tempo de Retorno (TR)

O tempo de retorno diz respeito ao inverso da freqüência com que um evento pode
ser igualado ou superado, ou seja, reflete o número de anos necessários para que uma
dada variável hidrológica seja igualada ou superada naquele período. Assim, o TR está
intimamente associado à Freqüência de Excedência. Ao se ajustar um modelo de
probabilidades aos dados de freqüência de uma variável qualquer, utiliza-se a
probabilidade de excedência para estimar um tempo de retorno. Por definição tem-se:
1
TR = (2)
F(X > xi)
Ao se assumir um modelo de probabilidades, resulta:
24
1
TR = (3)
P(X > xi)
Quando se dispõe da freqüência de não excedência, utiliza-se a equação 1 para
obtenção da de excedência e calcula-se da mesma forma. Observa-se mais uma vez, que
o tamanho da amostra é fundamental, ou seja, esta tem que gerar a melhor
representatividade possível, para que não se cometa erros significativos devido a um
modelo de probabilidades de uma amostra (série histórica) pouca representativa.
3.2.2. Histogramas de Freqüência

Histogramas de freqüência dizem respeito à representação gráfica (normalmente
em barras) da freqüência de ocorrência de uma dada variável, podendo ser simples ou
acumulada (de excedência ou não excedência). A curva de permanência é um tipo de
histograma de excedência, com as classes acumulando-se à esquerda. A seguir será
apresentada uma metodologia para o desenvolvimento de histogramas de freqüência,
segundo Bearzoti & Oliveira (1998).
1o) Determinação do número de classes (k)
- até 100 dados = k = n
- acima de 100 dados = k = 5 ⋅ log10 (n)
2o) Amplitude total dos dados (A)

A = M − m , em que M é o valor máximo observado e m, o menor valor.
3o) Amplitude de classe (Ac)

A + ∆x
Ac = , em que, ∆x é a precisão de leitura (por exemplo: dados com uma casa
k −1
decimal, a precisão é de 0,1).
4o) Limite inferior da 1a classe

Ac
LIclasse1 = m −
2
5o) Limite superior da 1a Classe
LSclasse1 = LIclasse1 + Ac
25
6o) As demais classes são computadas somando-se os limites à amplitude, e assim

sucessivamente.
LSclasse1 = LIclasse2
LSclasse2 = LIclasse2 + c
LSclasse2 = LIclasse3, e assim por diante.
3.2.3. Medidas estatísticas utilizadas em Hidrologia

a) Média Aritmética
n
− ∑ xi
X = i=1 (4)
n
b) Moda
É definida como sendo o valor que aparece com mais freqüência num conjunto de
dados. Quando se tem um intervalo de classe, a moda será o ponto médio da classe que
contiver o maior número de ocorrências.
c) Mediana
Corresponde ao valor que representa exatamente 50% das ocorrências. Para obtê-
lo basta avaliar as freqüências de ocorrência, independentemente de ser de excedência
ou não-excedência. Para obter o valor exato de 50%, pode-se utilizar o procedimento de
interpolação dos dados vizinhos a este valor, quando não for possível obtê-lo diretamente.
d) Variância da Amostra
2
n −
∑  xi − x 
i=1
s2 =   (5)
n −1
e) Desvio Padrão da Amostra
s = s2 (6)
Ao se avaliar tanto o desvio padrão quanto a variância, observa-se que quanto
maior ambos, maior a variação dos dados em torno da média.
f) Assimetria
26
A assimetria é um parâmetro importante na medida em que avalia a forma como os

dados estão distribuídos. Para que os dados apresentem distribuição normal, a assimetria
deve ser próxima ou igual a zero. Nesta situação, a média, a moda e a mediana são
iguais. Contudo, quando este valor for distante de zero, apresentará um padrão de
distribuição com a maior quantidade de dados à esquerda (assimetria positiva) ou à direita
(assimetria negativa). Em termos de dados hidrológicos, por apresentarem um padrão
com limitação inferior (normalmente, valor mínimo é zero) e sem limitação superior (todo
evento hidrológico pode ser superado), a assimetria é positiva (Lanna, 2001). A assimetria
pode ser calculada da seguinte forma:
3
n −
∑  xi − x 
i=1
A=   (7)
n
Normalmente, utiliza-se o coeficiente de assimetria, que representa a relação entre
a assimetria e o desvio padrão ao cubo. Este coeficiente pode ser corrigido ou comum. O
último pode ser calculado por:
A
Ca = (8)
s3
O coeficiente corrigido é determinado da seguinte forma:
3
n  −
∑  xi − x 
n i=1
Ca = ⋅   (9)
(n − 1) ⋅ (n − 2) 3
s
Além da análise geral dos dados, a média, o desvio padrão e o coeficiente de

assimetria são extremamente importantes, pois constituem-se nos parâmetros que
determinam os modelos de probabilidades, sendo neste caso, conhecidos como
momentos de 1a, 2a e 3a ordem respectivamente.
g) Curtose
Quantifica o grau de achatamento da distribuição de freqüência de uma
determinada amostra. A referência para curtose é a curva normal e pode ser calculada
pela seguinte equação:
27
4
 n−

∑ ix − x 

Cu =
i=1  ⋅ 1 −3 (10)
n s4
Se Cu for próximo a zero, a distribuição se aproxima da normal; se for maior que
zero, os dados estão distribuídos de forma “afilada”; se for menor que zero, forma
“achatada”.
h) Co-variância amostral
Quando se relaciona um conjunto de dados de uma variável com valores de outra
variável que possa explicar o comportamento da primeira, aplica-se a co-variância
amostral, onde quanto maior este valor, mais as variáveis estão relacionadas, ou seja,
mais uma variável explica a outra. Este coeficiente pode ser calculado pela equação:
1 n −⋅ −
cov xy = ⋅ ∑ x i ⋅ yi − x ⋅ y (11)
n i=1
A co-variância pode ser negativa ou positiva. No primeiro caso, significa que
valores mais baixos de uma variável explica valores mais altos de outra variável. No
segundo, as variáveis possuem o mesmo comportamento em termos de crescimento. Em
ambos os casos, quanto maior o valor, em módulo, maior a explicação da variável
dependente.
i) Coeficiente de correlação
É um coeficiente que adimensionaliza a co-variância e busca explicar da mesma
forma anterior a relação entre duas variáveis. Seu valor varia de –1 a 1 e quanto mais
próximo dos extremos, maior a explicação da variável. É calculada por:
cov xy
r= (12)
(s x ⋅ sy )
Em que sx e sy são respectivamente, o desvio padrão de x e y.
3.3 Modelos de Probabilidades

3.3.1 Equação Geral que associa valor (grandeza, magnitude) da variável com a
freqüência (TR)
Há situações em que se necessita estimar valores de eventos associados a valores
de TR muito grandes, como é o caso de estruturas cuja falha coloque em risco vidas
28
humanas. Nestas condições, recomenda-se o uso de Distribuições Teóricas de

Probabilidades, as quais devem ser adequadas ao tipo de estudo a ser empreendido.
Ven Te Chow (Haan, 1979) afirma que a maioria das funções de probabilidades,
aplicáveis à Hidrologia, visando associar valor (magnitude) da variável à probabilidade de
sua ocorrência, pode ser representada pelo seguinte modelo geral:
−
XTR = X+ K TR ⋅ S (13)
Em que, XTR é o valor da variável hidrológica que ocorre com a freqüência TR
−
(observar equação 2), X é a média aritmética das variáveis que compõem a amostra
(série histórica), S, o desvio padrão (amostral) e KTR, o fator associado à freqüência,
sendo função de TR e da distribuição de probabilidades. É também chamado variável
reduzida.
3.3.2 Distribuições de Probabilidades

As distribuições de probabilidades que serão apresentadas, com as respectivas
aplicações, são as seguintes:
- Distribuição Normal ou de Gauss: adequada para séries originais (Ex.: totais
anuais de precipitação);
- Distribuição de Gumbel (ou Assintótica de Valores Máximos Extremos do tipo I):
adequada para série de valores extremos máximos (série de valores máximos
diários de precipitação ou vazão);
- Distribuição Assintótica de Valores Mínimos Extremos do Tipo I: adequada para
valores mínimos extremos (série de valores mínimos de vazão);
- Distribuição Log-Normal a 2 e 3 parâmetros: aplicável tanto a valores originais
quanto máximos.
Um modelo de probabilidades é definido com base em 2 ou 3 parâmetros. Estes

parâmetros são calculados com base na média, desvio padrão e coeficiente de
assimetria. As distribuições Normal e de Gumbel possuem apenas os 2 primeiros
parâmetros. A Log-Normal pode estar associada aos 2 primeiros, assim como a Normal,
ou aos 3 parâmetros.
29
a) Distribuição Normal ou de Gauss

A distribuição de Gauss ou Normal (DN) é uma distribuição de probabilidades para
variável contínua (que ocorre continuamente, típico de eventos hidrológicos),
caracterizada pela média e desvio padrão. Os valores de uma série que segue a DN se
distribuem simetricamente em relação à média. Portanto, apresentam o coeficiente de
assimetria igual a zero, não havendo o 3o parâmetro. A relação entre os valores e a
probabilidade de ocorrência pode ser visualizada na Figura 2, cuja área até determinado
ponto (ou valor), representa a probabilidade de ocorrer valores menores ou iguais àquele
valor (probabilidade de não excedência).
σ Q1 µ Q3 σ
−∞ +∞
z
0
Figura 2. Representação da curva da normal com seus principais parâmetros.
A função densidade de probabilidade (FDP) é dada pela seguinte equação:
2
 (x − µ ) 
−0,5⋅
1  σ 

FDP = f (x ) = ⋅e (14)
σ 2⋅π
Em que, σ é o desvio padrão e µ , esperança ou média da população, que serão
substituídas pelo desvio padrão e média amostrais, com o 1o e 2o momentos calculados
da seguinte forma:
30
−
σ = s; e, µ = x
A probabilidade propriamente dita é obtida pela integração da função densidade de

probabilidade (FDP), gerando a Função Cumulativa de Probabilidades (FCP). A
probabilidade de não-excedência é obtida pela integração da FDP de − ∞ a X, sendo este
o valor da variável em estudo. A probabilidade de excedência é obtida com base na
equação 1, já que a integração da FDP de − ∞ a + ∞ é igual a 1. Desta forma, tem-se
para a probabilidade de não-excedência:
2
 ( x −µ ) 
x −0,5⋅
1  σ  dx

FCP = F(x ) = Pr ob(x ≤ xi ) = ∫ ⋅e (15)
−∞ σ ⋅ 2 ⋅ π
Para facilitar a generalização desta relação (valor e probabilidade), propõem-se a

distribuição normal padrão, que utiliza a chamada variável reduzida ou padrão, z, que
mede o desvio de uma variável em relação à média, em termos do desvio padrão, ou
seja:
 −
x − x
 
z=  (16)
s
Observa-se que z faz o papel de KTR conforme equação geral proposta por Ven Te
Chow (equação 11). Verifica-se, portanto, que a variável KTR é equivalente a z, obtido
diretamente por consulta à respectiva tabela (apêndice 1).
A distribuição normal passa a ser DN (0,1) que é a distribuição normal padrão. A
FCP passa a ser:
1 z 2
F(z ) = Pr ob(Z ≤ z ) = ⋅ ∫ e−0,5⋅z dz (17)
2 ⋅ π −∞
Em que z é a variável reduzida.

Observa-se que esta função não apresenta solução analítica. Desta forma, pode-se
utilizar a tabela de distribuição de Gauss ou tabela de z. Esta tabela fornece os valores de
31
probabilidade, normalmente de − ∞ até o valor de z que corresponde ao valor da variável

x, sendo este valor z obtido pela equação 14. Além desta metodologia, pode-se trabalhar
com uma aproximação razoável utilizando a equação abaixo:
(
Pr ob(Z ≤ z ) = 1 − f (z ) ⋅ a1 ⋅ q + a2 ⋅ q2 + a3 ⋅ q3 ) (18)
Em que:
1 2
f (z ) = ⋅ e−0,5⋅z (19)
2⋅π
q = (1 + a0 ⋅ z )−1 (20)
Os valores para as constantes são:
a0 = 0,33267
a1 = 0,43618
a2 = -0,12017
a3 = 0,9373
Devido à simetria da curva normal dividimos a série em valores “menores que” e
“maiores que” a média. Deve-se ressaltar que variáveis afastadas da média do mesmo
valor (com os mesmos desvios) têm o mesmo tempo de recorrência, independente de ser
menor ou maior que a média. Assim, se 2 valores da variável X (X1 e X2) distam da
média do mesmo desvio, tem-se que z1 = z2 e o tempo de retorno para ambas será o
mesmo. Uma trabalhando com a possibilidade de um valor menor que a média voltar a se
repetir e outro, um valor maior que a média. O cálculo de TR será feito considerando as
seguintes situações:
- Para valores menores que a média, objetiva-se conhecer o valor de não-
excedência;
- Para valores maiores que a média, objetiva a probabilidade destes valores
serem superados;
Pelas equações abaixo, tem-se, respectivamente, a forma de cálculo de TR para
esta situação:
1
TR = ; se o valor da variável for menor que a média;
P(x ≤ xi )
1
TR = ; se o valor da variável for maior que a média;
P(x ≥ xi )
Exemplo:
32
Se a precipitação total anual média é de 1000 mm e o desvio padrão, 200 mm, qual
o TR para as precipitações de 1200 mm e 800 mm.
Solução:
O cálculo de z por meio da equação 14 fornece um valor para a primeira situação
de 1 e para a segunda de –1. Ao se consultar a tabela de z (apêndice 1), encontra-se
uma freqüência de não-excedência para z = 1, de 0,84134 e para z = -1, 0,15865. Para o
primeiro caso, o cálculo de TR é dado pela segunda equação. Assim, tem-se:
1
TR = = 6,3 anos ; o valor da probabilidade de excedência foi obtido por 1 –
0,15865
0,84134 = 0,15865.
Para o segundo caso, tem-se:
1
TR = = 6,3 anos ; o valor da probabilidade de não-excedência é o próprio
0,15865
valor encontrado na tabela de z. A representação gráfica dos cálculos pode ser
visualizada abaixo:
−
X2 x X1
−
z2 z1
z
−
TR2 TR TR1
6,3 6,3
Exemplo 1. Aplicação geral da distribuição normal e obtenção de medidas estatísticas

para dados de precipitação total anual.
Com base em dados referentes às alturas pluviométricas anuais de Lavras, MG, no
período de 1914-1943, 1946-1949 e 1951-1991, obter:
a) Distribuição de freqüência (tabela e gráfico), média, mediana, moda, desvio padrão e
coeficiente de assimetria.
b) Utilize a distribuição de Gauss para calcular os valores máximos e mínimos esperados
para os tempos de retorno de 10, 50, 100 e 1000 anos.
c) Compare os valores estimados pelo modelo de probabilidades ajustado com o valor
real, fornecido pela distribuição de freqüência.
33
a)
Tabela 1. Alturas pluviométricas anuais para Lavras, MG, bem como a distribuição de
freqüência dos dados.
Ordem P Fnão-exc. Ordem P Fnão-exc. Ordem P Fnão-exc.
(mm) (mm) (mm)
1 747,1 0,01316 29 1353,7 0,38158 57 1696,0 0,75
2 832,4 0,02632 30 1354,7 0,39474 58 1673,2 0,76316
3 999,2 0,03947 31 1355,7 0,40789 59 1683,5 0,77632
4 1001,3 0,05263 32 1374,4 0,42105 60 1686,6 0,78947
5 1068,1 0,06579 33 1377,9 0,43421 61 1689,4 0,80263
6 1093,5 0,07895 34 1380,4 0,44737 62 1705,5 0,81579
7 1109,9 0,09211 35 1393,6 0,46053 63 1719,1 0,82895
8 1170,6 0,10526 36 1398,7 0,47368 64 1726,6 0,84211
9 1171,3 0,11842 37 1413,1 0,48684 65 1728,5 0,85526
10 1183,2 0,13158 38 1427,3 0,50 66 1794,0 0,86842
11 1184,9 0,14474 39 1428,1 0,51316 67 1816,6 0,88158
12 1187,7 0,15789 40 1430,0 0,52632 68 1820,3 0,89474
13 1196,6 0,17105 41 1443,4 0,53947 69 1832,7 0,90789
14 1204,7 0,18421 42 1445,8 0,55263 70 1933,2 0,92105
15 1216,1 0,19737 43 1448,8 0,56579 71 1938,0 0,93421
16 1216,2 0,21053 44 1450,3 0,57895 72 1951,8 0,94737
17 1217,8 0,22368 45 1453,4 0,59211 73 2042,2 0,96053
18 1246,0 0,23684 46 1479,5 0,60526 74 2130,7 0,97368
19 1263,5 0,25 47 1496,3 0,61842 75 2485,6 0,98684
20 1266,7 0,26316 48 1555,8 0,63158
21 1268,6 0,27632 49 1567,4 0,64474
22 1282,5 0,28947 50 1584,3 0,65789
23 1288,8 0,30263 51 1585,1 0,67105
24 1301,2 0,31579 52 1589,1 0,68421
25 1313,0 0,32895 53 1590,0 0,69737
26 1319,8 0,34211 54 1634,1 0,71053
27 1326,6 0,35526 55 1634,1 0,72368
28 1352,8 0,36842 56 1665,3 0,73684
34
Distribuição de freqüência por classes:

- número de classes (k) = 75 = 8,66 ≈ 9 classes
- amplitude total (A) = 2485,6 – 747,1 = 1738,5
1738,5 + 0,1
- amplitude de classe (Ac) = = 217,3
9 −1
- LIclasse 1 = 747,1 – (217,3)/2 = 638,5
- LSclasse 1 = 638,5 + 217,3 = 855,8
Tabela de classes e distribuição de freqüência simples e acumulada.

o
Classes N Ponto médio da F simples F acumulada
observações classe não-excedência não-excedência
638,5 – 855,8 2 747,2 0,02632 0,02632
855,8 – 1073,1 3 964,5 0,03947 0,06579
1073,1 – 1290,4 18 1181,8 0,23684 0,30263
1290,4- 1507,7 24 1399,1 0,31579 0,61842
1507,7 – 1725 16 1616,4 0,21053 0,82895
1725 – 1942,3 8 1833,7 0,10526 0,93421
1942,3 – 2159,6 3 2051 0,03947 0,97368
2159,6 – 2376,9 0 2268,3 0 0,97368
2376,9 – 2594,2 1 2485,6 0,01316 0,98684
Moda: ponto da classe com maior número de observações. Portanto, 1399,1 mm.
Mediana: valor que corresponde a exatamente 50% dos dados. Na Tabela anterior,
1427,3 mm.
Gráficos da distribuição de freqüência simples e acumulada.
0,35 1,2
Freqüência simples
1
Freqüência simples
0,3
0,25 0,8
0,2
0,6
0,15
0,4
0,1
0,05 0,2
0 0 35
747,2 964,5 1182 1399 1616 1834 2051 2268 2486 747,2 964,5 1182 1399 1616 1834 2051 2268 2486
Ponto médio da classe Ponto médio da classe
Ca = 0,72 Observa-se que a assimetria dos dados é pequena, sugerindo-se que é

possível ajustar a distribuição normal aos dados.
b) Aplicação do modelo normal de probabilidades

−
x = 1466,0 mm e s = 319,2 mm
Equação geral de Ven Te Chow:
x TR = 1466 + k TR ⋅ 319,2
Para TR = 10 anos tem-se, com base na definição deste e na condição de simetria
da curva normal:
P (x > xi) = 0,10; A probabilidade de não excedência é: P(x < xi) = 0,90. Consultando a
tabela de z, tem-se z = 1,28. Para calcular os valores máximos e mínimos procede-se da
seguinte forma:
- Valor máximo
xTR = 1466 + 1,28 * 319,2 = 1874,6 mm
- Valor mínimo
Pela simetria da curva normal, tem-se z = -1,28 e xTR = 1466 – 1,28 * 319,2 =
1057,4 mm
Para determinar o valor real encontrado pela distribuição de freqüência, procede-se
interpolando os valores na tabela de distribuição de freqüência dos dados. Assim, para P
(x < xi) de 0,90, tem-se:
0,90789 ------ 1832,7
0,90000 ------ x
1832,7 − 1820,3 1832,7 − x
0,89474 ----- 1820,3 ⇒ = ⇒ x = 1825,2 mm
0,90789 − 0,89474 0,00789
Para P (x < xi) de 0,10, tem-se:
0,10526 ----- 1170,6
0,10000 ----- x
1170,6 − 1109,9 1170,6 − x
0,09211 ----- 1109,9 ⇒ = ⇒ x = 1146,3 mm
0,10526 − 0,09211 0,00526
36
Na Tabela abaixo tem-se os valores para os tempos de retorno pedidos bem como
os valores reais determinados com base na distribuição de freqüência.
TR Valores máximos Valores Valores reais Valores Erro valores Erro valores
(mm) mínimos (mm) máximos reais máximos mínimos
mínimos (%) (%)
10 1874,6 1057,4 1825,3 1146,3 2,63 8,41
50 2123,6 808,4 2301,1 791,4 8,36 2,10
100 2209,7 722,3 -- -- -- --
1000 2452,3 479,7 -- -- -- --
Três observações são pertinentes:

a) À medida que TR aumenta, aumenta-se o valor da precipitação máxima e diminui a
mínima. Isto ocorre porque quando o TR fica maior, menor será a probabilidade com a
qual o valor será maior (no caso de máximos) ou menor (no caso de mínimos) que um
dado valor xi. Isto significa que, como a probabilidade é cada vez menor para que o
evento ocorra, mais extremo será o valor.
- z2 - z1 µ z1 z2
z2 é maior que z1.: TR2 > TR1.
b) Pode-se observar também que, para probabilidades menores que 0,01316 e maiores
que 0,98684 não é possível determinar o valor real, porque as freqüências extremas
correspondem a estes valores, ou seja, o tamanho da amostra (série histórica) não foi
37
suficientemente para que se pudesse detectar e comparar os estimados pelo modelo

de probabilidades com os correspondentes na distribuição de freqüência.
c) Pode-se verificar que os erros na estimativa dos eventos são pequenos, indicando que
a distribuição normal pode representar bem o fenômeno das precipitações totais
anuais. No entanto, deve-se aplicar um teste estatístico, com um certo erro admissível,
para se concluir efetivamente. Isto será desenvolvido no tópico seguinte ao de
probabilidades.
b) Distribuição assintótica de valores máximos do tipo I ou Distribuição de Gumbel
A função densidade de probabilidade (FDP) de Gumbel é dada por:

{
FDP = α ⋅ e − α (x −µ )− e
− α (x − µ )
} (21)
A integração da FDP fornece a função cumulativa de probabilidades (FCP):
− α (x − µ )
P(x ≤ xi ) = e− e (22)
Por se tratar de valores máximos, normalmente trabalha-se com freqüência de não-
excedência.
Esta distribuição apresenta os 2 primeiros parâmetros de uma distribuição de
probabilidades, ou seja, µ e σ , que são calculados pelas expressões abaixo:
^ 1,2826
α= (23)
s
^ −
µ = x − 0,45 ⋅ s (24)
−
Em que, x e s correspondem à média e o desvio padrão da série histórica. Ao
substituir as equações 21 e 22 na equação de FCP (equação 20), tem-se:
−1,2826  − 
⋅ x − x + 0,451⋅s 
s  
−e  
FCP = P(x ≤ xi ) = e (25)
Ao se aplicar logarítmo neperiano a ambos os lados da equação, por duas vezes, e
multiplicando-se por –1 (o segundo membro da equação é negativo) tem-se:
1,2826  − 
− Ln − Ln(P(x ≤ xi )) = ⋅ x − x + 0,451⋅ s  (26)
s  
 
Assim, multiplicando-se cruzado e os termos de dentro do parênteses, obtém-se:
38
−
s ⋅ −Ln − Ln(P(x ≤ xi )) = +0,578 ⋅ s + 1,2826 ⋅ x − 1,2826 ⋅ x (27)
Isolando-se x, tem-se:
s −
x= ⋅ −Ln − Ln(P(x ≤ xi )) + x − 0,45 ⋅ s (28)
1,2826
Como TR pode ser definido por:
1
TR = (29)
1 − P(x ≤ xi )
Substituindo-se 27 em 26, obtém-se:
  1  −
x = s ⋅ − 0,45 + 0,78 ⋅ −Ln − Ln1 −  + x (30)
  TR 
Pode-se determinar as seguintes equações associadas à variável reduzida:
 1 
y TR = −Ln − Ln1 −  (31)
 TR 
− y TR
P(x ≤ xi ) = e − e (32)
k TR = −0,45 + 0,78 ⋅ y TR (33)
E assim volta-se à equação geral de Ven te Chow:
−
x TR = x + k TR ⋅ s (34)
Em termos práticos trabalha-se com as equações 29, 30, 31 e 32.
c) Distribuição assintótica de valores mínimos extremos do tipo I

Esta distribuição de probabilidades é bastante semelhante à de Gumbel, com a
diferença de se trabalhar com séries históricas de valores mínimos e na estimativa do
parâmetro µ , troca-se o sinal. A definição dos parâmetros é dada por:
^ 1,2826
α= (35)
s
^ −
µ = x + 0,45 ⋅ s (36)
A FDP é definida por:
{
FDP = α ⋅ e α⋅(x −µ )− e
α (x − µ )
} (37)
A FCP é dada pela probabilidade de excedência:
39
α (x −µ )
P(x ≥ xi ) = e − e (38)
Neste caso, como trabalha-se com valores mínimos, aplica-se probabilidade de
excedência.
Fazendo-se o mesmo raciocínio anterior, obtém-se para a variável reduzida:
 1 
y TR = Ln − Ln  (39)
 TR 
k TR = 0,45 − 0,78 ⋅ y TR (40)
Exemplo 4. Dada uma série histórica de 16 anos de precipitação máxima diária anual para
a cidade de Lavras, MG, no período de 1915 a 1930. Determinar:
a) Distribuição de freqüência simples de não-excedência dos dados;
b) Aplicar o modelo de Gumbel e determinar a precipitação máxima diária para TR de 5,
10 e 20 anos;
c) Determinar o TR para as precipitações máximas diárias anuais de 100 e 250 mm;
d) Comparar os valores do ítem b com os valores reais obtidos da distribuição de
freqüência do ítem a.
a) Valores de precipitação máxima diária anual e distribuição de freqüência

Ordem Precipitação F não Ordem Precipitação F não exced.
(mm) exced. (mm)
1 46,2 0,05882 9 64,2 0,52941
2 50,0 0,11765 10 66,9 0,58824
3 50,4 0,17647 11 78,2 0,64706
4 57,0 0,23529 12 78,6 0,70588
5 58,7 0,29412 13 78,7 0,76471
6 60,2 0,35294 14 80 0,82353
7 61,6 0,41176 15 85,5 0,88240
8 63,4 0,47059 16 88,5 0,94120
b) Para TR = 5 anos
A seqüência de cálculos para esta situação é a seguinte:
- Determina-se o parâmetro yTR por meio da equação 29.
 1
y TR = −Ln − Ln1 −  = 1,50
 5
- A seguir determina-se kTR com base na equação 31.
40
k TR = −0,45 + 0,78 ⋅ 1,50 = 0,7199
- Em seguida, determina-se a precipitação máxima com base na média e desvio

padrão dos dados e na equação geral Ven Te Chow:
−
x = 66,76 mm
s = 13,25 mm
x TR = 66,76 + 0,7199 ⋅ 13,25 = 76,3 mm
Valendo-se do mesmo procedimento, tem-se para:
TR = 10 anos .: xTR = 84,05 mm
TR = 20 anos .: xTR = 91,5 mm
c) Nesta questão, utiliza-se procedimento contrário ao da questão b, da seguinte forma:

- Com base no valor da precipitação (xTR) determina-se a variável reduzida kTR:
100 = 66,76 + k TR ⋅ 13,25
k TR = 2,5087
- A seguir, termina-se yTR, com base na equação 31:
k + 0,45
y TR = TR = 3,794
0,78
- Na seqüência determina-se TR com base na equação 29, isolando-se TR após
aplicação sucessiva de logarítmos naturais:
1
TR = − y TR
= 44,94 anos
1 − e −e
Para uma precipitação máxima diária de 250 mm, o TR será:
kTR = 13,8294
yTR = 18,307
TR = 89285714 anos
d) A determinação da precipitação real com base na distribuição de freqüência é da

mesma forma do exemplo 3:
TR = 5 anos
41
P(x>xi) = 0,80 .: P(x<xi) = 0,20 ( a distribuição de freqüência está na forma de não-

excedência). Com este valor, determina-se a precipitação com base no procedimento de
interpolação entre os valores 0,82353 e 0,76471, resultando num valor de 79,5 mm.
O valor determinado pelo modelo de Gumbel é de 76,3 mm, o que resulta num erro de
aproximadamente 4,2%.
TR = 10 anos
P (x<xi) = 0,90 .: interpolação entre os valores 0,9412 e 0,8824, o que resulta num valor
de 86,4 mm. O valor estimado é de 84,05 mm, resultando num erro de 2,79%.
TR = 20 anos
P (x<xi) =0,95 .: Neste caso, observa-se que não se pode obter o valor real, porque a
distribuição de freqüência máxima foi de 0,9412.
Observações:
- Analisando o tamanho da série deste exemplo com a série do exemplo 3,
observa-se que, a deste exemplo, é bem inferior (16 valores) àquela de
precipitação total anual (75 valores). Isto tem implicações consideráveis em
termos de representatividade. Observa-se que o intervalo das interpolações é
maior quando se tem uma série menor, aumentando-se os erros de cálculo nos
valores reais provenientes de interpolação. Outra observação é que esta série
possui intervalo de freqüência bem inferior à primeira série histórica, variando
de aproximadamente 0,06 a 0,94, contra 0,01 e 0,99 da segunda. Isto quer dizer
que a série histórica de precipitação total anual é mais representativa que a
série histórica de precipitação máxima diária. Aqui não se está comparando
modelos de probabilidade, apenas o tamanho da série.
- Pode-se observar que os erros foram pequenos, menores que os valores
obtidos no exemplo 3. É importante destacar que quando se tem um valor muito
elevado de precipitação máxima diária, o TR deste será excessivamente alto,
gerado pela probabilidade de excedência muito pequena.
d) Distribuição Log-normal com 2 parâmetros

A função densidade de probabilidades (FDP) é dada da seguinte forma:
42
2
 Ln(x )−µn 
−0,5⋅ 
1  σn 
FDP = ⋅e (41)
x ⋅ σn ⋅ 2 ⋅ π
Os parâmetros são determinados por:
n
∑ (Ln(x ))
µn = i=1 (42)
n
σn = desvio padrão dos dados logaritmizados.
Os valores dos parâmetros desta distribuição podem ser estimados com base na
média e desvio padrão dos dados sem transformação logarítmica. Isto é utilizado porque
os dados podem não possuir uma distribuição perfeitamente log-normal. As equações
são:
 −4 
 
1 x
µn = ⋅ Ln  (43)
2  −2 
 x + s2 
 
 −2 
 2
x +s 
σn = Ln (44)
 −2 
 x 
 
Esta distribuição se assemelha à Normal, porém, trabalhando-se com o logarítmo
dos dados. A variável reduzida kTR é o próprio valor de z na tabela utilizada para
Distribuição Normal. Assim, partindo-se da equação geral de Ven Te Chow tem-se:
−
x TR = x + k TR ⋅ s (45)
Aplicando logarítmo natural à equação 42, tem-se:
−
Ln(x TR ) = Ln x  + k TR ⋅ Ln(s ) (46)
 
 
E finalmente,
x TR = eµn +k TR ⋅σn (47)

Com a equação 45, trabalha-se com todas as possíveis situações de estimativa da
variável ou estimativa da probabilidade de ocorrência.
e) Distribuição Log-normal a 3 parâmetros
43
Neste caso, a FDP é dada em função de 3 parâmetros, ficando da seguinte forma:

2
 Ln(x −β )−µn 
−0,5⋅ 
1  σn 
FDP : f (x ) = ⋅e , com x ≥ β . (48)
(x − β) ⋅ σn ⋅ 2⋅π
Para estimar os 3 parâmetros da distribuição log-normal, com base numa série
histórica de dados, utiliza-se as seguintes equações:
− s
β = x− (49)
ηy
ηy =
(
1 − φ2 3 )
(50)
φ1 3
 0,5 
 − γ + γ 2
(+ 4 )

φ=   (51)
2
Com base na definição de Ca (equação 9) calcula-se γ , que diz respeito à

assimetria desta distribuição. Com isto estima-se φ , na equação 49, ηy , na equação 48 e
com base neste último valor e na média e desvio padrão dos dados, o parâmetro β , na
equação 47. Os parâmetros µn e σn são calculados com base nas seguintes equações:
 s 
µn = Ln  − 0,5 ⋅ Ln ηy 2 + 1
 ηy 
( ) (52)
 
(
σn = Ln ηy 2 + 1 ) (53)
Neste caso, a variável xTR é calculada por;
x TR = eµn +k TR ⋅σn + β (54)
Exemplo 5. Determinar a precipitação provável para 10, 75 e 90% de probabilidade, com

base na série histórica de precipitação decendial (no caso os 10 primeiros dias) do mês
de janeiro, de 1960 a 1981, para a cidade de Lavras, MG. Calcule também, o TR para
uma precipitação provável de 310 mm nos primeiros 10 dias de janeiro.
1o) Aplicação do modelo Log-normal a 2 parâmetros
44
Ordem Precipitação Freq. Ordem Precipitação Freq.

(mm) excedência (mm) excedência
1 290 0,04545 12 84,8 0,54545
2 253,2 0,09091 13 78,5 0,59091
3 189,9 0,13636 14 69,9 0,63636
4 162,8 0,18182 15 53,5 0,68182
5 144,8 0,22727 16 52,4 0,72727
6 141,2 0,27273 17 42,2 0,77273
7 140,3 0,31818 18 29,2 0,81818
8 135,3 0,36364 19 25,5 0,86364
9 111,7 0,40909 20 17,6 0,90909
10 97,8 0,45455 21 8,4 0,95455
11 95,9 0,50000
A precipitação provável sugere um estudo probabilístico de valores mínimos a

serem garantidos, ou seja, visa-se à uma Probabilidade de que um dado valor x supera
um xi. Esta situação diz respeito à probabilidade de excedência.
O cálculo de µn e σn para aplicação da equação 47, foi feita com base no cálculo
da média dos dados logaritmizados, obtendo-se para o primeiro, 4,358 e para o segundo,
0,8985.
- Para 10% de probabilidade, P(x>xi) = 10% .: P(x<xi) = 90%. Da tabela de z, o
valor deste para 90% de probabilidade é kTR =1,28. Aplicando-se a equação 47,
obtém-se a precipitação provável:
x TR = eµn +k TR ⋅σn = e4,358 +1,28⋅0,8985 = 246,7 mm . Disto conclui-se que, com uma
probabilidade de 10%, estima-se uma precipitação provável para os primeiros 10
dias de janeiro de 246,7 mm
- Para 75% de probabilidade, P(x>xi) = 75%.: P(x<xi) = 0,25%. Da tabela de z,
obtém-se este aproximadamente igual a –0,67. Da mesma forma anterior, a
precipitação provável será de xTR = 42,78 mm . Espera-se uma precipitação
mínima para os primeiros 10 dias de janeiro igual a 42,78 mm.
- Para 90% de probabilidade, P(x>xi) = 90%.: P(x<xi) = 10%. Da tabela de z,
obtém-se este aproximadamente igual a –1,28. Da mesma forma anterior, a
precipitação provável será de 24,7 mm.
45
Observa-se, analisando os resultados, que quanto maior a probabilidade de um

evento exceder um dado valor, menor será o evento, pois garanti-se que, num nível de
90% de acerto, que no mínimo aquele valor será superado. Em contrapartida, quanto
menor a probabilidade de excedência, maior será o valor, haja vista que o erro assumido
é maior.
Para determinar o TR para uma precipitação mínima de 340 mm, com base nesta
série histórica, procede-se da seguinte forma:
Aplicando-se a equação 47, termina-se kTR e com o valor deste, determina-se na
tabela de z, a probabilidade de não-excedência. Determina-se então a de excedência, e
aplica-se na definição de TR para variáveis cujos estudos interessam a sua superioridade.
x TR = eµn +k TR ⋅σn = 340 = e 4,358 +k TR ⋅0,8985

k TR = 1,64
Na tabela de z, obtém-se uma P(x<xi) = 0,94949. A P(x>xi) = 0,05051. O TR será
então igual a 19,8 anos. Observa-se que espera-se em 19,8 anos, que a precipitação total
nos primeiros 10 dias de janeiro seja superada ou igualada em 340 mm.
2o) Aplicando-se o modelo Log-normal a 3 parâmetros

Neste caso, procede-se trabalhando com os dados da tabela acima, calculando sua
média, desvio padrão e coeficiente de assimetria, conforme equações da estatística
clássica comentadas e apresentadas anteriormente. Assim:
−
x = 105,95 mm
s = 75,07 mm
Ca = 0,9845
Aplicando a equação 49, em que Ca = γ , determina-se φ :
 0,5   0,5 
(
2
− γ + γ + 4  ) ( 2
− 0,9845 + 0,9845 + 4  )
φ=  =   = 0,6223
2 2
Na seqüência, aplicando-se a equação 50, obtém-se:
46
 2
 3
1 − 0,6223 
ηy =
(
1 − φ2 3 
=
) 
 = 0,3175
13 1
φ
0,6223 3
Com a equação 47, determina-se o 3o parâmetro, que representa a assimetria dos
dados.
− s 75,07
β = x− = 105,95 − = −130,47
ηy 0,3175
Com estas informações, estima-se µn e σn com base nas equações 52 e 53:
 s   75,07 
(
µn = Ln  − 0,5 ⋅ Ln ηy 2 + 1 = Ln
 ηy 
) (
 − 0,5 ⋅ Ln 0,31752 + 1 = 5,418
 0,3175 
)
 
( ) (
σn = Ln ηy 2 + 1 = Ln 0,31752 + 1 = 0,3099 )
Com os 3 parâmetros definidos, aplicando-se a equação 54, obtém-se o valor da
precipitação mínima para os níveis de probabilidade desejados.
- Para P(x>xi) = 10%, o valor de z, conforme exemplo anterior, é 1,28. Assim, a
precipitação será:
x TR = eµn +k TR ⋅σn + β = e5,418 +1,28⋅0,3099 − 130,47 = 204,71 mm

- Para P(x>xi) = 75%, o valor de z é –0,67, e a precipitação mínima será:
xTR = 52,7 mm
- Para P(x>xi) = 90%, o valor de z é de –1,28 e a precipitação será:
xTR = 21,1 mm.
Calculo de TR para 340 mm com base no modelo a 3 parâmetros:
kTR = 2,37.: P(x<xi) = 0,9911 e P(x>xi) = 0,0089 e TR = 112,4 anos. Nota-se uma grande
diferença entre os cálculos dos dois modelos para a estimativa do TR.
Comparando-se as estimativas da precipitação dos 2 métodos com o valor real,
obtém-se os seguintes erros:
Percentagem Estimativa c/ 2 param. Estimativa c/ 3 Valor real Erro Erro

(mm) param. 2P (%) 3P (%)
10 246,7 204,71 240,64 2,52 14,93
75 42,8 52,7 47,3 9,51 11,42
90 24,7 21,1 19,3 27,98 9,33
47
Conclusão: Para uma pequena probabilidade, o erro proporcionado pelo modelo a 2

parâmetros é bem inferior ao proporcionado pelo modelo a 3 parâmetros. À medida que a
probabilidade aumenta, há uma aproximação dos erros (diferença pequena entre os
modelos) e para probabilidades mais altas, verificou-se um aumento considerável no erro
a 2 parâmetros comparado ao proporcionado pelo a 3 parâmetros.
f) Teste de Adequação de uma Distribuição de Probabilidades

O uso de uma distribuição de probabilidades é feito com base no pressuposto de
que ela representa adequadamente a relação funcional entre valores do evento e a
freqüência de ocorrência dos mesmos. Entretanto, há necessidade de se comprovar
previamente se a distribuição é adequada para este fim. A comprovação se faz com o
teste de adequação, o qual pode ser realizado de 2 modos distintos:
- Graficamente: com uso de papel probabilístico específico para cada
distribuição, sendo que a avaliação do ajuste da distribuição aos dados é
inteiramente subjetiva;
- Estatisticamente: promove-se o cálculo da diferença entre as freqüências
observadas (amostral) e as freqüências esperadas (populacional) e compara-se
com um valor tabelado como o proposto por Smirnov-Kolmogorov, em função
do tamanho da amostra (n) e nível de significância (α ) . O valor tabelado é
estatisticamente nulo, o que permite concluir que valores menores ou iguais a
ele serão também estatisticamente nulos. Desta forma, tem-se:
∆F calculadom áximo ≤ ∆F tabela (n,α ) (55)
Nesta situação, a distribuição de probabilidades será adequada pois

[∆F]calculado máximo será nulo estatisticamente e portanto, a freqüência observada
é igual à freqüência esperada.

Se ocorrer o contrário na equação 55, a distribuição não será adequada, devendo-
se ajustar outra.
Para aplicação do teste, deve ficar claro que o valor da variável reduzida kTR é
calculado com base na equação geral de Ven Te Chow, e a freqüência teórica, estimada
com base nas características do modelo de probabilidades, ou seja:
- modelo normal: a probabilidade é obtida por meio da tabela de z;
- modelo Gumbel: estima-se primeiramente yTR e em seguida, a probabilidade
com base na equação 31 e 32;
48
- modelos Log-normais: estima-se kTR aplicando-se diretamente as equações 47

e 54, e a probabilidade, por meio da tabela de z.
Obs.: Quando a freqüência calculada for feita com base em não-excedência, a freqüência
teórica também deve ser desta forma.
Exemplo 6. Determinar se as séries dos exemplos 3, 4 e 5 são adequadas, aos

respectivos modelos de probabilidade considerando nível probabilístico de 5%. Aplicar os
modelos normal e Gumbel à série de precipitação decendial do exemplo 5 e comparar as
adequacidades com as obtidas pelos modelos Log-normal.
Exemplo 3.
Precipitação z fteórica fcalculado ∆f Precipitação z fteórica fcalculado ∆f
(mm) (mm)
747,1 -2,25 0,0122 0,0132 0,00094 1427,3 0,5132
832,4 -1,98 0,0239 0,0263 0,00247 1428,1 -0,12 0,4522 0,5132 0,0609
999,2 -1,46 0,0721 0,0395 0,03267 1430,0 -0,11 0,4562 0,5263 0,0701
1001,3 -1,46 0,0721 0,0526 0,01951 1443,4 -0,07 0,4721 0,5395 0,0674
1068,1 -1,25 0,1056 0,0658 0,03985 1445,8 -0,06 0,4761 0,5526 0,0766
1093,5 -1,17 0,121 0,0789 0,04205 1448,8 -0,05 0,4801 0,5658 0,0857
1109,9 -1,12 0,1314 0,0921 0,03924 1450,3 -0,05 0,4801 0,5790 0,0989
1170,6 -0,93 0,1761 0,1053 0,07087 1453,4 -0,04 0,4840 0,5921 0,1081
1171,3 -0,92 0,1788 0,1184 0,06036 1479,5 0,04 0,5160 0,6053 0,0893
1183,2 -0,89 0,1867 0,1316 0,05515 1496,3 0,09 0,5359 0,6184 0,0826
1184,9 -0,88 0,1894 0,1447 0,04468 1555,8 0,28 0,6103 0,6316 0,0213
1187,7 -0,87 0,1922 0,1579 0,03426 1567,4 0,32 0,6255 0,6447 0,0192
1196,6 -0,84 0,2005 0,1711 0,0294 1584,3 0,37 0,6443 0,6579 0,0136
1204,7 -0,82 0,2061 0,1842 0,02189 1585,1 0,37 0,6443 0,6711 0,0268
1216,1 -0,78 0,2177 0,1974 0,020032 1589,1 0,39 0,6517 0,6842 0,0325
1216,2 -0,78 0,2177 0,2105 0,00716 1590,0 0,39 0,6517 0,6974 0,0456
1217,8 -0,78 0,2177 0,2237 0,00599 1634,1 0,53 0,7019 0,7105 0,0086
1246 -0,69 0,2451 0,2368 0,00825 1634,1 0,53 0,7019 0,7237 0,0217
1263,5 -0,63 0,2643 0,25 0,01434 1665,3 0,62 0,7324 0,7368 0,0045
1266,7 -0,62 0,2676 0,2632 0,00446 1673,2 0,65 0,7422 0,75 0,0079
1268,6 -0,62 0,2676 0,2763 0,0087 1683,5 0,68 0,7517 0,7632 0,0114
1282,5 -0,57 0,2843 0,2895 0,00514 1686,6 0,69 0,7549 0,7763 0,0214
1288,8 -0,56 0,2877 0,3026 0,0149 1689,4 0,70 0,7580 0,7895 0,0314
1301,2 -0,52 0,3015 0,3158 0,01426 1696 0,72 0,7642 0,8026 0,0384
1313 -0,48 0,3156 0,3289 0,01334 1705,5 0,75 0,7734 0,8158 0,0424
49
1319,8 -0,46 0,3228 0,3421 0,01936 1719,1 0,79 0,7852 0,8289 0,0437
1326,6 -0,44 0,3299 0,3553 0,0253 1726,6 0,82 0,7939 0,8421 0,0482
1352,8 -0,35 0,3632 0,3684 0,00526 1728,5 0,82 0,7939 0,8553 0,0614
1353,7 -0,35 0,3632 0,3816 0,01842 1794,0 1,03 0,8485 0,8684 0,0199
1354,7 -0,35 0,3632 0,3947 0,03158 1816,6 1,10 0,8643 0,8816 0,0173
1355,7 -0,35 0,3632 0,4079 0,04473 1820,3 1,11 0,8665 0,8947 0,0282
1374,4 -0,29 0,3859 0,4211 0,03515 1832,7 1,15 0,8749 0,9079 0,0329
1377,9 -0,28 0,3897 0,4342 0,04448 1933,2 1,46 0,9279 0,9210 0,0068
1380,4 -0,27 0,3936 0,4474 0,05379 1938,0 1,48 0,9306 0,9342 0,0037
1393,6 -0,23 0,4090 0,4605 0,05149 1951,8 1,52 0,9357 0,9474 0,0116
1398,7 -0,21 0,4168 0,4737 0,05685 2042,2 1,81 0,9649 0,9605 0,0043
1413,1 -0,17 0,4325 0,4868 0,05434 2130,7 2,08 0,9812 0,9737 0,0076
1427,3 -0,12 0,4522 0,5 0,04776 2485,6 3,19 0,9993 0,9868 0,0124
∆fcalc. máximo = 0,1081
Da tabela de Kolmogorov-Smirnov (apêndice 2), tem-se que ∆f(75,5%) = 0,155
Conclusão: Como o valor calculado é menor que o tabelado, conclui-se que a distribuição
normal foi adequada para o conjunto de dados de precipitação total anual.
Exemplo 4.
Precipitação (mm) z (kTR) fteórica fcalculado ∆f
46,2 -1,55 0,016622 0,058824 0,042368
50,0 -1,26 0,059317 0,117647 0,059405
50,4 -1,23 0,065988 0,176471 0,111588
57,0 -0,74 0,234492 0,235294 0,0007
58,7 -0,61 0,292971 0,294118 0,000324
60,2 -0,49 0,349022 0,352941 0,00626
61,6 -0,39 0,396151 0,411765 0,015274
63,4 -0,25 0,461246 0,470588 0,010892
64,2 -0,19 0,488444 0,529412 0,042309
66,9 0,01 0,574377 0,588235 0,01351
78,2 0,86 0,829884 0,647059 0,183609
78,6 0,89 0,835743 0,705882 0,130658
78,7 0,90 0,837656 0,764706 0,073274
80 1,00 0,855703 0,823529 0,032148
85,5 1,42 0,913063 0,882353 0,030184
88,5 1,64 0,933702 0,941176 0,007346
50
∆f(16,5%) = 0,328
de Gumbel foi adequada para este conjunto de dados de precipitação máxima diária
anual.
Exemplo 5. Considerando uma distribuição log-normal a 2 parâmetros.

Precipitação (mm) z fteórico fcalculado ∆f
8,4 -2,48 0,00656 0,045455 0,038895
17,6 -1,66 0,04845 0,090909 0,042459
25,5 -1,25 0,10564 0,136364 0,030724
29,2 -1,09 0,13785 0,181818 0,043968
42,2 -0,69 0,24509 0,227273 0,017817
52,4 -0,44 0,32996 0,272727 0,057233
53,5 -0,42 0,33724 0,318182 0,019058
69,9 -0,12 0,45224 0,363636 0,088604
78,5 0,01 0,50398 0,409091 0,094889
84,8 0,09 0,53585 0,454545 0,081305
95,9 0,23 0,59095 0,5 0,09095
97,8 0,25 0,5987 0,545455 0,053245
111,7 0,40 0,65542 0,590909 0,064511
135,3 0,61 0,72906 0,636364 0,092696
140,3 0,65 0,74215 0,681818 0,060332
141,2 0,66 0,74537 0,727273 0,018097
144,8 0,69 0,7549 0,772727 0,017827
162,8 0,82 0,79389 0,818182 0,024292
189,9 0,99 0,83891 0,863636 0,024726
253,2 1,31 0,9049 0,909091 0,004191
290 1,46 0,92785 0,954545 0,026695
∆f(16,5%) ≈ 0,294
Log-normal a 2 parâmetros foi adequada para o conjunto de dados de precipitação
decendial do mês de janeiro.
51
Exemplo 6. Considerando uma distribuição log-normal a 3 parâmetros.

8,4 -1,56 0,05938 0,045455 0,013925
17,6 -1,36 0,08691 0,090909 0,003999

25,5 -1,19 0,11702 0,136364 0,019344
29,2 -1,11 0,15624 0,181818 0,025578
42,2 -0,86 0,19489 0,227273 0,032383
52,4 -0,68 0,24825 0,272727 0,024477
53,5 -0,66 0,25462 0,318182 0,063562
69,9 -0,38 0,35197 0,363636 0,011666
78,5 -0,24 0,40516 0,409091 0,003931
84,8 -0,15 0,44038 0,454545 0,014165
95,9 0,01 0,50398 0,5 0,00398
97,8 0,04 0,51595 0,545455 0,029505
111,7 0,23 0,59095 0,590909 4,1E-05
135,3 0,53 0,70194 0,636364 0,065576
140,3 0,59 0,7224 0,681818 0,040582
141,2 0,60 0,72574 0,727273 0,001533
144,8 0,64 0,73891 0,772727 0,033817
162,8 0,85 0,80233 0,818182 0,015852
189,9 1,13 0,87076 0,863636 0,007124
253,2 1,72 0,95728 0,909091 0,048189
290 2,01 0,97778 0,954545 0,023235
∆f(16,5%) ≈ 0,294
Log-normal a 3 parâmetros foi adequada para o conjunto de dados de precipitação
decendial do mês de janeiro. Observa-se que esta distribuição foi mais adequada do que
sua versão a 2 parâmetros.
52
- Aplicação das distribuições normal e Gumbel aos dados de precipitação

decendial.
Normal
−
x = 105,95 mm
s = 75,07 mm

8,4 -1,30 0,0968 0,045455 0,051345
17,6 -1,18 0,119 0,090909 0,028091
25,5 -1,07 0,1423 0,136364 0,005936
29,2 -1,02 0,15386 0,181818 0,027958
42,2 -0,85 0,19766 0,227273 0,029613
52,4 -0,71 0,23885 0,272727 0,033877
53,5 -0,70 0,24196 0,318182 0,076222
69,9 -0,48 0,31561 0,363636 0,048026
78,5 -0,37 0,35569 0,409091 0,053401
84,8 -0,28 0,38973 0,454545 0,064815
95,9 -0,13 0,44828 0,5 0,05172
97,8 -0,11 0,4562 0,545455 0,089255
111,7 0,08 0,53188 0,590909 0,059029
135,3 0,39 0,65173 0,636364 0,015366
140,3 0,46 0,67724 0,681818 0,004578
141,2 0,47 0,68082 0,727273 0,046453
144,8 0,52 0,69846 0,772727 0,074267
162,8 0,76 0,77637 0,818182 0,041812
189,9 1,12 0,86864 0,863636 0,005004
253,2 1,96 0,975 0,909091 0,065909
290 2,45 0,99285 0,954545 0,038305
∆f(16,5%) ≈ 0,294
53
Gumbel

8,4 -1,30 0,05123 0,045455 0,005775
17,6 -1,18 0,078914 0,090909 0,011995
25,5 -1,07 0,108729 0,136364 0,027635
29,2 -1,02 0,124553 0,181818 0,057265
42,2 -0,85 0,188568 0,227273 0,038705
52,4 -0,71 0,246205 0,272727 0,026522
53,5 -0,70 0,252712 0,318182 0,06547
69,9 -0,48 0,353631 0,363636 0,010005
78,5 -0,37 0,407583 0,409091 0,001508
84,8 -0,28 0,446659 0,454545 0,007886
95,9 -0,13 0,513357 0,5 0,013357
97,8 -0,11 0,524403 0,545455 0,021052
111,7 0,08 0,60104 0,590909 0,010131
135,3 0,39 0,711614 0,636364 0,07525
140,3 0,46 0,731708 0,681818 0,04989
141,2 0,47 0,735203 0,727273 0,00793
144,8 0,52 0,748813 0,772727 0,023914
162,8 0,76 0,808388 0,818182 0,009794
189,9 1,12 0,874674 0,863636 0,011038
253,2 1,96 0,95559 0,909091 0,046499
290 2,45 0,976061 0,954545 0,021516
∆f(16,5%) ≈ 0,294
Conclusão: Pode-se observar que todos os modelos de probabilidades testados podem

ser ajustados aos dados decendiais. Isto é importante, uma vez que na aplicação do
modelo de probabilidades a um conjunto de dados quaisquer (não necessariamente
precipitação) de natureza desconhecida, deve-se testar os modelos e verificar qual possui
o melhor ajuste. Neste caso, em específico, o melhor foi a distribuição Log-normal a 3
parâmetros, pois seu valor máximo calculado foi menor que o obtido pelos outros
modelos.
54
3.6 Chuvas Intensas

3.6.1 Definição
Chuva intensa é toda chuva cuja lâmina precipitada (ou a intensidade média de
precipitação) supere um valor mínimo, que é função do tempo de duração da chuva,
conforme quadro apresentado a seguir.
Quadro 2. Valores mínimos de lâmina precipitada (mm) ou da intensidade média de

precipitação (mm/h) que caracterizam as chuvas intensas como função do tempo de
duração (td).
td (min) 5 10 20 30 60 90 120 180 240
Lâmina (mm) 10 12 17 20 25 28,5 30 33 34,8
Intensidade
120 72 51 40 25 19 15 11 8,7
média (mm)
Observa-se que a intensidade média de precipitação decresce com o aumento do

tempo de duração, ao passo que, a lâmina precipitada aumenta. O quadro anterior
relaciona apenas intensidade com duração, sem mencionar freqüência. Há de se
considerar ainda que tanto a intensidade quanto a lâmina precipitada dependem também
da freqüência com que os valores ocorrem. Os valores mais elevados de precipitação
ocorrem com menor freqüência. Em Hidrologia, a forma mais usual de se expressar a
freqüência é através do tempo de retorno (TR), definido no tópico de distribuição de
freqüência.
3.6.2 Importância
A ocorrência de uma chuva intensa ocasiona uma lâmina precipitada cujo valor é
acima do normal. Esta lâmina pode promover recarga do lençol freático, escoamento
superficial direto e erosão (produção e transporte de sedimentos). Estes são os
problemas que a drenagem do solo, a drenagem superficial e as práticas
conservacionistas se propõem a solucionar. Para isto, a chuva intensa é o elemento
básico para o dimensionamento destas estruturas (barragens de terra, canais, terraços,
bacias de contenção e outras).
55
3.6.3 Critérios para fixação da freqüência e da duração da chuva
3.6.3.1 Freqüência
A lâmina precipitada (ou a intensidade média) de uma chuva além de depender da
sua duração, depende também da freqüência de ocorrência da chuva. Assim é que, para
uma mesma duração, quanto mais intensa for a chuva, menor será a freqüência, ou,
maior será o intervalo médio de tempo em que ela ocorre (tempo de retorno). A freqüência
a ser adotada para a chuva depende da natureza da estrutura e da segurança que a
mesma irá propiciar. De um modo geral, o TR será de:
- drenagem do solo: 5, 10 e excepcionalmente 25 anos;
- galerias de águas pluviais: 5, 10 e no máximo 50 anos;
- drenos de encosta: mesmos valores para drenagem do solo;
- terraços: 5 a 10 anos;
- barragens de terra: 50, 100 e em caso de risco de vida, 1000 anos.
Maiores detalhes sobre fixação de critérios de projetos serão discutidos no capítulo
sobre Escoamento Superficial.
3.6.3.2 Duração
A fixação da duração da chuva é dependente da natureza da estrutura e de sua
finalidade. Assim, distinguem-se duas situações:
- drenagem superficial de águas pluviais
- drenagem do solo ou acumulação de águas pluviais para posterior infiltração
a) Drenagem superficial de águas pluviais

Neste caso, as estruturas devem ser dimensionadas para conduzir o volume de
água gerado pelas chuvas, simultaneamente à sua ocorrência, ou seja, a vazão resultante
do escoamento superficial direto (enxurrada) deve fluir pela estrutura simultaneamente à
sua ocorrência. Esta vazão aumenta gradativamente desde o início do escoamento
superficial, como conseqüência do aumento da área de contribuição para a vazão até o
instante em que toda a bacia de captação estiver contribuindo simultaneamente para a
vazão, na seção da estrutura. A partir deste instante, se a chuva continuar, a vazão irá
permanecer constante, pois:
vazão = f (intensidade de precipitação x área de contribuição)
56
A área de contribuição é máxima quando corresponder à própria área de captação

ou a área a ser drenada. A intensidade varia com o tempo de duração. Desta forma, a
situação crítica quase sempre se verifica quando o tempo de duração da chuva for igual
ao tempo necessário para que toda a área de drenagem esteja contribuindo para a vazão
na seção de controle, o qual é denominado tempo de concentração da área. Este tempo
depende do tamanho da área de drenagem e de características da área (rede de
drenagem, declividade, cobertura vegetal, etc). Existem vários métodos para estimativa
do tempo de concentração da bacia de drenagem, os quais serão abordados no capítulo
de Escoamento Superficial. O dimensionamento de terraços com gradiente é um exemplo
de aplicação de drenagem superficial.
b) Drenagem do solo
Neste caso, o tempo de duração da chuva é tomado igual ao tempo disponível para
drenar a água excedente, o qual geralmente varia de 1 a 5 dias. Nesta situação é de
suma importância a análise da sensibilidade da cultura à falta de oxigênio, do valor
econômico do solo e própria cultura. Para terraço em nível ou de retenção e bacias de
captação, o tempo de duração da chuva deve ser tal que permita infiltrar a parcela da
lâmina precipitada que escorreu até o final do mesmo. Isto significa que a ocorrência de
uma chuva posterior deve se verificar na situação em que o terraço esteja totalmente
vazio. Esta condição é função de dois fatores: da parcela da lâmina precipitada que se
escoa até o terraço e da capacidade de infiltração do solo no terraço. No Paraná, por
exemplo, tem sido adotada uma lâmina de 140 mm para dimensionamento do terraço tipo
Murundum.
3.6.4 Equação de chuvas intensas

3.6.4.1 Ajuste com base em dados extraídos de pluviogramas
A dependência da intensidade de precipitação com a duração e a freqüência da
chuva, pode ser expressa por um modelo matemático geral do tipo:
C ⋅ TRm
Im,m = (70)
(to + t d )n
Em que Im,m (mm/h) é a intensidade média máxima da precipitação, td é o tempo de
duração (min), TR, o tempo de retorno (anos), C, m, to e n são os parâmetros que devem
ser obtidos com base em dados locais.
57
A forma de determinação destes parâmetros normalmente é feita empregando-se

método de regressão múltipla não-linear de Gauss-Newton. Este método possui
característica de trabalhar com cálculos de maneira iterativa, partindo-se de um valor
inicial arbitrário. Os cálculos são feitos até que haja minimização dos erros, os quais serão
fixados de acordo com o interesse. Para isto, vários programas computacionais de
estatística disponíveis são capazes de realizar este tipo de trabalho. Deve-se ressaltar
que outros métodos numéricos podem ser aplicados, de acordo com a capacidade do
programa empregado, destacando-se o de Mínimos Quadrados.
Além de métodos computacionais, pode-se ajustar os parâmetros pelo processo de
regressão linear, linearizando-se a equação 70 por meio de série de transformações
logarítmicas. A primeira transformação pode ser promovida fixando-se o valor de TR no
numerador da seguinte forma:
A = C ⋅ TRm (71)
E assim, a equação 70 fica:
A
Im,m = (72)
(to + t d )n
Aplicando-se logarítmo à equação 72, obtém-se:
log(Im,m ) = log(A ) − n ⋅ log(t o + t d ) (73)
Por sucessivas regressões, trabalhando-se com vários valores para to (somando-os

aos valores de td), obter-se-à um valor para A e n e consequentemente um coeficiente de
correlação entre log (Im,m) e log (to+td), para cada TR avaliado. A seguir toma-se o maior
coeficiente de correlação (r) obtido e escolhe-se A, n e to correspondentes a este melhor
ajuste. Dentre as regressões para cada TR, escolhe-se o maior coeficiente correlação e
então o to definitivo. O valor de n é obtido pela média dos valores extraídos da melhor
regressão de cada TR. Da mesma forma, os valores de C e m são obtidos por regressão
linear após a linearização da equação 71, através de logarítmo, ficando da seguinte
forma:
log (A ) = log (C) + m ⋅ log (TR ) (74)
Os valores de log (A) são obtidos pelas regressões anteriores para cada TR, ou
seja, partindo-se da regressão escolhida como a melhor para cada TR, tem-se o
correspondente log (A) e a série é constituída por dados de log (A) e log (TR)
correspondente.
58
Exemplo: A análise de uma série de pluviogramas das chuvas mais intensas ocorridas
numa certa região, permitiu a constituição das séries parciais das intensidades médias
máximas para as chuvas com duração entre 5 e 120 minutos. A partir dessas séries,
obteve-se os valores da média e do desvio padrão dos dados, os quais são apresentados
a seguir.
Quadro resumo dos dados e dos resultados.

td (min) 5 10 20 30 40 50 60 75 100 120
média – Im,m (mm/h) 120 100 90 80 70 60 55 50 40 30
Desvio padrão (mm/h) 30 25 20 17,9 17 16,1 14,1 12,2 10 10
Ajustando-se a distribuição de Gumbel e TRs iguais a 5, 10, 20, 50 e 100 anos,

obtém-se os dados da tabela a seguir.
XTR
TR YTR KTR 5* 10* 20* 30* 40* 50* 60* 75* 100* 120*
5 1,50 0,72 142 118 104 93 82 72 65 59 47 37
10 2,25 1,30 159 133 116 103 92 81 73 66 53 43
20 2,97 1,87 176 147 127 113 102 90 81 73 59 49
50 3,90 2,59 198 165 142 126 114 102 92 82 66 56
100 4,60 3,14 214 178 153 136 123 110 99 88 71 61
* Tempo de duração
O melhor valor obtido para to foi de 25 minutos e os resultados obtidos para A, n e r

são:
TR A n r
5 2080 -0,786 -0,991
10 2225 -0,774 -0,993
20 2372 -0,765 -0,994
50 2576 -0,756 -0,995
100 2719 -0,750 -0,996
E os valores de C e m foram:
C = 1806; m = 0,0898; r = 0,9994
Assim, pode-se montar a seguinte equação de chuvas intensas para o exemplo:
59
1806 ⋅ TR0,0898
Im,m =
(25 + t d )−0,766
3.4.6.2 Ajuste com base em desagregação de chuvas

Quando não se dispõe de pluviogramas, a alternativa para se gerar informações
para chuvas de curta duração é a utilização de relações entre lâminas precipitadas em
diferentes tempos. Estudos realizados neste sentido, comprovam que estas relações
permanecem praticamente constantes não só para diferentes tempos de recorrência,
como também, para diferentes regiões. Com base neste princípio, pode-se a partir da
chuva diária (registrada pelo pluviômetro) estimar-se as chuvas relativas a intervalos de
tempo tão pequenos quanto 5 minutos. Este princípio é denominado de Desagregação de
Chuvas. Neste caso, constitui-se uma série histórica de valores de precipitação máxima
diária anual, ajustando-se o modelo de probabilidades de Gumbel, conforme já
comentado.
Estudos relacionando a chuva de 24 horas (que é registrada pelo pluviógrafo, sem
se preocupar com fixação do início da contagem do tempo) e a chuva de um dia
(registrada pelo pluviômetro, cujo intervalo de 24 horas é sempre fixo) permitiu obter-se a
seguinte relação:
h24h
= 1,14 (75)
h1 dia
Esta relação é um valor médio e geralmente, é constante, com variação muito
pequena.
No Brasil, estudo realizados relacionando alturas de chuvas para diferentes tempos
de duração, permitiram constatar as seguintes relações:
Quadro 4. Valores das constantes de desagregação para chuvas intensas.

(ht1/ht2) h24/hdia h12/h24 h6/h24 h0,5/h1 h20/h30* h15/h30* h10/h30* h5/h30*
K 1,14 0,85 0,72 0,74 0,81 0,70 0,54 0,34
* Tempo em minutos
Exemplo: A partir da série de valores de precipitações diárias máximas anuais para

Lavras (aproximadamente 74 valores) obteve-se os seguintes parâmetros do modelo
probabilidades de Gumbel:
- média = 80,98 mm/dia
60
- desvio padrão = 30,08 mm/dia

Utilizando-se o citado modelo de probabilidades e trabalhando com TR iguais a 2,
10, 20, 50 e 100 anos e os coeficientes do quadro anterior, gera-se a seguinte planilha:
TR YTR KTR XTR h24 h6 h1 h0,5 h20 h15 h10 h5

2 0,37 -0,16 76,4 86,7 62,4 36,4 26,9 21,8 18,8 14,5 9,2
10 2,25 1,30 120,1 136,9 98,6 57,5 42,6 34,5 29,8 23,0 14,5
20 2,97 1,87 137,2 156,4 112,6 65,7 48,6 39,4 34,0 26,2 16,5
50 3,90 2,59 158,9 181,1 130,4 76,1 56,3 45,6 39,4 30,4 19,1
100 4,60 3,14 175,4 199,9 144,0 84,0 62,2 50,4 43,5 33,6 21,2
XTR: precipitação máxima diária (mm/dia); h24: precipitação máxima de 24 horas; h6: precipitação máxima de
6 horas; h1: precipitação máxima de 1 hora; h0,5: precipitação máxima de 30 minutos; h20: precipitação
máxima de 20 minutos; h15: precipitação máxima de 15 minutos; h10: precipitação máxima de 10 minutos; h5:
precipitação máxima de 5 minutos.
Com os dados anteriores é possível determinar-se a equação de chuvas intensas

para tempos de duração de 120, 90, 60, 30, 20, 15, 10 e 5 minutos para os tempos de
retorno de 2, 10, 20, 50 e 100 anos. Os valores da lâmina para os tempos de duração de
120 e 90 minutos, para cada respectivo tempo de retorno, serão obtidos a partir da curva
h(mm) x td (min), utilizando-se os dados da planilha acima, especificamente os valores de
6 e 1 hora. Este gráfico será feito em escala logarítmica para o eixo dos X
(correspondente ao tempo de duração). Abaixo tem-se um quadro com os resultados das
interpolações para os valores de TR trabalhados.
TR 02 10 20 50 100
log A 2,7356 2,9738 3,0118 3,0774 3,1128
A 544,00 941,44 1027,52 1195,02 1296,54
n -0,6426 -0,6723 -0,6581 -0,6591 -0,6527
r -0,9999 -0,9992 -0,9997 -0,9996 -0,9999
Da mesma forma anterior, chega-se à equação 74, ajustada da seguinte forma:

log (A ) = 2,7066 + 0,21866 ⋅ log (TR )
E portanto, chega-se a:
C = 508,8369; m = 0,218766; n = -0,65696; r = 0,9705
A equação de chuvas intensas fica assim ajustada da seguinte forma:
61
508,8369 ⋅ TR0,21877
Im,m =
(7 + t d )−0,65692
Exemplo de aplicação dos resultados obtidos por ambas metodologias:
Para TR = 2,0 anos e td = 5 min, tem-se:
- com base em dados reais: 110,4 mm/h
- com base em dados estimados por desagregação: 115,0 mm/h
3.6.5 Método de Bell para estimativa de chuvas intensas

O método de Bell (1969) consiste de uma equação constituída por 5 parâmetros,
cuja característica principal é a regionalização da equação, ou seja, pode-se ajustá-la com
base em dados de algumas estações e gerar um modelo para a região destas estações.
O modelo tem as seguintes características matemáticas:
( )
h(td,TR ) = (a ⋅ ln TR + a1) ⋅ a2 ⋅ tdb − a3 ⋅ h(60,2) (76)
Em que h(td,TR)é chuva ou precipitação intensa (mm), a, a1, a2, a3 e b são

parâmetros regionais de ajuste do modelo e h(60,2) corresponde a uma precipitação intensa
com duração de 60 minutos e TR de 2 anos.
Alguns autores, entre eles, Righetto (1998), destacam o ajuste deste modelo para o
Brasil como um todo, obtendo-se a seguinte equação:
( )
h(td,TR ) = (0,31⋅ ln TR + 0,70 ) ⋅ 0,38 ⋅ td0,31 − 0,39 ⋅ h(60,2) (77)
Em trabalho recente Mello et al. (2003) obtiveram para as regiões do estado de

Minas Gerais, os seguintes ajustes:
( )
- Norte de Minas: h(td,TR ) = (0,818 ⋅ ln TR + 2,134 ) ⋅ 0,38 ⋅ td0,178 − 0,439 ⋅ h(60,2 ) (78)
( )
- Sul de Minas: h(td,TR ) = (1,750 ⋅ ln TR + 3,821) ⋅ 0,38 ⋅ td0,116 − 0,422 ⋅ h(60,2 ) (79)
( )
- Centro: h(td,TR ) = (0,719 ⋅ ln TR + 1,50 ) ⋅ 0,38 ⋅ td0,219 − 0,451 ⋅ h(60,2) (80)
- Leste: h(td,TR ) = (2,088 ⋅ ln TR + 4,609 ) ⋅ (0,38 ⋅ td0,098 − 0,409 )⋅ h(60,2) (81)
- Triângulo Mineiro: h(td,TR ) = (0,699 ⋅ ln TR + 1,873 ) ⋅ (0,38 ⋅ td0,198 − 0,445 )⋅ h(60,2) (82)
62
3.7 Influência das florestas na precipitação

A influência das florestas pode ser analisada sob dois aspectos:
- influência sobre os totais precipitados;
- influência das florestas e áreas silvestres associadas, sobre a medição,
redistribuição, interceptação e armazenamento da precipitação total.
O primeiro aspecto embora motive até hoje discussões polêmicas, já aceita de

forma definitiva que a mera presença da floresta não afeta necessariamente a
precipitação sobre a área. O segundo aspecto é sem dúvida nenhuma, de comprovada
importância para o estabelecimento de um balanço hídrico local, influenciando
diretamente o ciclo hidrológico.
Os principais estudos acerca da influência das florestas na precipitação são
concentrados no estudo da interceptação.
3.7.1 Interceptação
A estimativa da parcela da precipitação que é interceptada pela cobertura vegetal é
fato relevante e tem sido objeto de várias pesquisas e constatações experimentais e
práticas. O esquema da Figura 11 permite visualizar a influência da floresta na
interceptação e redistribuição da precipitação.
Precipitação
total (Pt)
Interceptação pela cobertura vegetal Evaporação Evapotranspiração
Precipitação Absorção pelas

interna (Pi) Água interceptada plantas
Escoamento pelos
troncos (ET)
Precipitação
efetiva (Pe)
Figura 11. Representação esquemática das influências da cobertura vegetal no ciclo

hidrológico
63
a) Modelo de interceptação
Pe = Pi + ET (82)
b) Perda por interceptação

I = Pt − Pe = Pt − (Pi + ET ) (83)
Observações:
- Pt :deve ser obtido colocando-se de 2 a 4 pluviômetros a cerca de 1 a 2 km da
floresta;
- Pi : para sua medição recomenda-se um número maior de pluviômetros,
normalmente 18 para cada 2 externos, bem distribuídos e periodicamente
relocados dentro da floresta;
- ET: é obtida por medição através da colocação de dispositivos coletores,
cuidadosamente instalados ao redor dos troncos de árvores selecionados ao
acaso para algumas espécies e dependendo da idade, esta parcela é
desprezível.
A parcela interceptada é variável, sendo função de muitos fatores, destacando-se:
- total precipitado;
- tipo de floresta (conífera ou folhosa);
- densidade de povoamento, idade e estação do ano (principalmente folhosas);
- condições de vento
Sabe-se que a cobertura vegetal tem uma capacidade máxima de retenção. Então,
no início das precipitações as quantidades interceptadas são maiores, tendendo para um
valor constante igual à evaporação, quando é atingida esta capacidade. O vento pode
atuar tanto em sentidos de aumentar ou de diminuir a interceptação.
De um modo geral existem os seguintes aspectos:
- coníferas interceptam mais que as folhosas;
- quanto maior a densidade foliar maior a interceptação;
- a quantidade interceptada aumenta com a idade até certo ponto, depois diminui;
- o percentual da interceptação reduz com o aumento da intensidade de
precipitação;
- o ET aumenta com intensidade de precipitação;
64
- a interceptação reduz não só o total da precipitação que atinge o solo, como

também a intensidade da precipitação em até 20%;
Dados obtidos sobre o comportamento da precipitação interna e escoamento pelos
troncos, por Lima (1975), por 2 anos consecutivos, para Eucaliptos (E. saligna) e Pinus
(Pinus caricaba) na região de Piracicaba, SP, geraram as seguintes relações:
PIE = 0,890 ⋅ PT − 0,530 (84)

PIP = 0,938 ⋅ PT − 0,570 (85)
ETE = 0,053 ⋅ PT − 0,060 (86)
ETP = 0,025 ⋅ PT − 0,139 (87)
PE = 0,939 ⋅ PT − 0,596 (88)
Em que PIE é a precipitação interna no Eucaliptos, PIP, a precipitação no Pinus,
ETE e ETP são os escoamentos pelos troncos para eucaliptos e pinus, respectivamente.
O fato de se considerar ou não a interceptação como perda real é controvertido.
Alguns pesquisadores consideram que a evaporação da água interceptada pelas cotas
concorre para reduzir a transpiração, o que faria com que a interceptação não se
constituísse numa perda. Outros observam que a evaporação a partir das copas
molhadas e não de copas secas, leva a interceptação a provocar perdas de água.
3.8 Erosividade das chuvas

A erosividade das chuvas é um parâmetro de suma importância para estudos que
visem à predição das perdas de solo decorrentes da ação da chuva. Portanto, ela
expressa o potencial erosivo da chuva, refletindo a sua capacidade de gerar erosão.
Todas as práticas de manejo do solo associadas à proteção do mesmo contra erosão têm
na erosividade o parâmetro a ser tomado como referência.
A obtenção de um índice para expressar a erosividade das chuvas tem sido objeto
de estudos de diversos pesquisadores no mundo todo. Todos os índices propostos devem
produzir boa correlação com a perda de solo, tendo-se, necessariamente, que refletir uma
relação de causa-efeito. Os índices que têm gerado boas correlações são aqueles
associados à energia cinética da chuva e a intensidade máxima num determinado tempo.
O melhor índice para expressar a erosividade, segundo Wischmeier & Smith (1978) é
aquele que é obtido pelo produto entre a energia cinética da chuva e sua intensidade
máxima em 30 minutos consecutivos, sendo neste caso, conhecido como índice EI30.
65
A energia cinética da chuva é representada pela massa e diâmetro das gotas de

chuva, sendo que existem alguns equações propostas para sua estimativa, sendo estas
definidas a partir de experimentos em nível de campo. A equação mais aplicada no Brasil
para estimativa da energia cinética é a proposta por Wagner & Massambani (1988), a qual
é descrita da seguinte forma:
Ec = 0,153 + 0,0645 ⋅ log (I) (89)
Em que, Ec é energia cinética (expressa em MJ mm (ha h ano)-1) e I a intensidade
da chuva (mm/h). Assim para se definir o índice EI30 basta multiplicar a equação 87 pela
intensidade de 30 minutos consecutivos de uma determinada precipitação. No entanto, é
usual expressar a erosividade de forma anual, haja visto que a equação universal de
perdas de solo expressa a erosão em termos anuais.
Existem várias equações ajustadas para o cálculo do índice EI30. Para a cidade de
Lavras, MG, Val et al. (1985) propuseram a seguinte equação:
EI30 = 12,592 ⋅ (Rc )0,603 (90)
Em que Rc é chamado de coeficiente de chuva de Fournier, e estimado por:

Rc = p2 P-1 (91)
Em que p é o conteúdo de chuvas do mês mais chuvoso e P é o conteúdo de
chuva anual. O valor de Rc pode ser ajustado somando-se os valores mensais e obtendo-
o de forma anual. Observa-se que estas equações são empíricas.
Pode-se analisar que a determinação da erosividade é dependente do
conhecimento das características da chuva, ou seja, é essencial possuir em mãos dados
pluviográficos para se obter uma boa estimativa da erosividade.
Para Lavras, MG, em termos práticos, utiliza-se o valor de 6837 MJ mm(ha .ano)-1,
proposto por Val (1985); para Sete Lagoas, MG, com características climáticas diferentes
de Lavras, é sugerido um valor de 5835 MJ mm (ha h ano)-1. E será diferente para outras
localidades. Nota-se que o regime pluviométrico local interfere diretamente nestes
valores, sendo essencial conhecê-lo antes de utilizar alguma equação ou valor sugerido.
É igualmente importante, o uso de uma série histórica que seja representativa para uma
determinada região. Uma outra observação importante diz respeito à influência dos tipos
de chuvas no valor da erosividade. Existem poucas informações a respeito das
66
características da erosividade associadas com o tipo de chuva. O que se pode conjeturar

é que, espera-se que chuvas convectivas sejam mais erosivas, portanto, com maior
erosividade, devido às suas características de intensidade. Não se pode confundir é que a
chuva é o agente causador da erosão, ou seja, promove desprendimento de partículas do
solo, mas o transporte propriamente dito é feito por uma parcela da chuva, conhecida
como chuva efetiva, que será apresentada no capítulo sobre Escoamento Superficial.
3.9 Algumas considerações gerais sobre precipitação

a) Dificilmente ocorrem chuvas muito intensas em círculos de mais de 5 km de diâmetro,
no mesmo instante;
b) Devido a este fato (letra a) a informação da chuva intensa obtida de um pluviógrafo
não deve ser extrapolada para grandes áreas; existem técnicas que recomendam
proceder a uma correção no valor da intensidade. Atualmente, tem sido proposto o uso
de espacialização dos parâmetros da equação de chuvas intensas por meio dos
métodos de interpolação apresentados em item anterior;
c) Para projetos de drenagem superficial de pequenas áreas, onde a chuva chega aos
drenos em tempos tão pequenos quanto 5 minutos, pode-se tomar como limite de
intensidade 4 mm/minuto ou 240 mm/h;
d) A variabilidade espacial da chuva intensa é considerável: chuvas de 20 mm em 5
minutos, têm tempos de recorrência elevados e com variabilidade considerável: 100
anos para Belém, Catalão, Aracaju, Corumbá, Rio de Janeiro e Vitória; 50 anos para
Belo Horizonte; 40 anos para Curitiba; 30 anos para Santos; 15 anos para Manaus e
Porto Velho; 7 anos para Terezina e Barbacena; 5 anos para Alegrete e Alto Tapajós.
Chuvas de 40 mm em 30 minutos possuem recorrência de 2 anos para Alegrete, Rio
de Janeiro, Alto Tapajós, Santos e Terezina; para as demais localidades este valor
não supera 8 anos;
e) De maneira geral, para projetos de saneamento agrícola em bacias de menos de 10
km2, adota-se no mínimo 1 mm/min como chuva de projeto.
67

Precipitação

Enviado por

Dados do documento

Direitos autorais

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Precipitação

Enviado por

Direitos autorais:

Marciano/Carlos Rogério

A precipitação constitui-se num dos principais componentes do ciclo hidrológico,

erosividade e sua forma de cálculo e importância serão descritas, chamando a atenção

3.2 A atmosfera terrestre

redução da espessura da camada de gases à medida que se afasta do centro da terra,

3.2.1 Circulação geral da atmosfera e ventos

Figura 3. Representação das zonas terrestres com indicação da direção de ventos e

É importante destacar também algumas definições para o melhor entendimento da

O ponto A representa uma situação de ar insaturado, ou seja, as condições atmosféricas

saturação, em busca de uma situação de equilíbrio. Este trajeto, representa a parcela de

Figura 4. Curva de saturação representando alguns pontos de interesse do processo de

3.2.2 Distribuição geográfica da umidade atmosférica

3.2.3 Processos de transporte de energia

3.2.4 Distribuição vertical da temperatura

ao longo da ascensão, ou seja, que não ocorra precipitação (não há troca de

3.3. Aspectos característicos da precipitação

Tipo de precipitação Intensidade Diâmetro médio das Velocidade de queda para os

3.3.2 Formação das chuvas

3.3.4 Tipos de chuvas

a) Precipitações Ciclônicas: são associadas a movimentos de massas de ar de regiões

a.2) Frontal: resulta da ascensão do ar quente sobre o ar frio na zona de contato

Uma característica fundamental das precipitações ciclônicas é que estas são de

b) Precipitações Orográficas: Resultam da ascensão mecânica de massas de ar úmido

c) Precipitações Convectivas: São típicas de regiões tropicais. Ocorrem devido ao

3.3.5 Medida da precipitação

Atualmente, existem estações meteorológicas compactas que fornecem o valor do

Do pluviograma da Figura 5, pode-se extrair algumas informações a respeito do

Figura 5. Detalhes das partes de um Pluviógrafo e um Pluviograma.

Uma análise mais detalhada possibilita identificar as intensidades médias máximas

Figura 6. Mini-estação climatológica completa com suprimento de

A densidade da rede pluviométrica é função das condições de clima da região e do

3.3.6 Grandezas características

b) Intensidade de precipitação: é uma grandeza intensiva e instantânea, representando a

3.3.7 Preenchimento de Falhas

a) Método da regressão linear: neste método busca-se relacionar os dados de uma

Estes 2 métodos podem ser empregados desde que as precipitações anuais

No caso de a precipitação anual normal em qualquer das estações vizinhas diferir

3.3.8 Verificação da homogeneidade dos dados: curva dupla acumulada

Figura 7. Representação de uma curva de dupla massa.

3.3.9 Precipitação média sobre uma bacia hidrográfica

A Figura 9 mostra um mapa com isoietas para a mesma bacia anterior.

conhecidos os valores da variável. Pode-se trabalhar com vários expoentes para a

Em que, Pi é a precipitação nos pontos vizinhos, conhecida; di é a distância da

e) Krigagem geoestatística: esta é uma metodologia de interpolação de valores que tem

- se o número de amostras for o mesmo que o da estatística clássica, haverá

- se fixarmos um erro igual para ambas estatísticas pode-se reduzir o número de

Figura 10. Representação do semivariograma.

Os principais modelos de semivariograma são:

válido para 0 < h < a (somente é válido da distância 0 até o alcance);

A krigagem constitui-se no interpolador geoestatístico, que é calculado em função

[A ]−1 ⋅ [B] = [λ] (13)

Px é a precipitação estimada para o ponto x; n é o número de pontos na vizinhança

3.4 Séries Hidrológicas

a) Série original: constituída por todos os valores registrados. Exemplo: 30 anos de

Em termos de dados pluviométricos, trabalha-se com as seguintes séries

utilizado, será o Log-normal a 2 ou a 3 parâmetros, podendo-se ainda utilizar a

3.2 Distribuição de Freqüência

Figura 1- Representação do comportamento de uma curva de permanência hipotética.

No gráfico, para um valor y de vazão, x é a percentagem com que a vazão y é igualada ou

3.2.1. Conceito de Tempo de Retorno (TR)

3.2.2. Histogramas de Freqüência

2o) Amplitude total dos dados (A)

3o) Amplitude de classe (Ac)

4o) Limite inferior da 1a classe

6o) As demais classes são computadas somando-se os limites à amplitude, e assim

3.2.3. Medidas estatísticas utilizadas em Hidrologia

e) Desvio Padrão da Amostra