Estimativa e espacialização da umidade relativa do ar para os estados ... · relativa do ar para...

Rev. Bras. Agrometeorologia, v. 15, n.1, p.1-11, 2007

1

Estimativa e espacialização da umidaderelativa do ar para os estados de Alagoas,

Bahia e Sergipe1

Estimate and interpolation of the relative humidity for thestates of Alagoas, Bahia and Sergipe, Brazil

Thieres George Freire da Silva2, Sérgio Zolnier3, Magna Soelma Beserra de Moura4 eGilberto C. Sediyama5

ISSN 0104-1347

Rev. Bras. Agrometeorologia, v. 15, n.1, p.1-9, 2007Recebido para publicação em 24/11/06. Aprovado em 02/02/07.

1 Parte da tese do primeiro autor.2 Doutorando, bolsista do CNPq; Engº Agrônomo, Mestre em Meteorologia Agrícola; DEA, UFV, Av. P.H. Holfs, s/n, Viçosa – MG, e-mail: [email protected] Professor do DEA da UFV; P.h.D; DEA, UFV, Av. P.H. Holfs, s/n, Viçosa - MG, e-mail: [email protected] Pesquisadora; Doutora; EMBRAPA/Semi-Árido, Petrolina - PE, e-mail: [email protected] Professor; Pos-Doctor; DEA, UFV, Av. P.H. Holfs, s/n, Viçosa - MG,; e-mail: [email protected]

Resumo: Poucas estações meteorológicas apresentam séries históricas de umidade relativa nos estados de Alagoas,Bahia e Sergipe. Em razão disso, valores normais mensais de diversas variáveis meteorológicas foram avaliadosestatisticamente por meio de um modelo multiplicativo com o objetivo de obter uma equação genérica para estimar essesdados. O modelo multiplicativo, que melhor se ajustou aos valores observados compreendeu a função de Gompertz,tendo como variável independente o índice efetivo de umidade, e uma função linear que apresentou como variávelindependente o produto entre a longitude local e temperatura média do ar. O modelo multiplicativo proposto nessetrabalho explicou 81% da variabilidade da umidade relativa do ar e, posteriormente, foi validado para outras localidades,apresentando índices aceitáveis de desempenho estatístico. A partir do modelo multiplicativo, foi possível elaborar, commaior confiabilidade, mapas mensais normais da umidade relativa do ar para a área de estudo, com vistas à implementaçãode zoneamentos agroclimáticos e bioclimáticos.

Palavras-chave: climatologia, zoneamento agroclimático, SIG.

Abstract : Few weather stations present complete historical series of relative humidity in the states of Alagoas, Bahiaand Sergipe, Brazil. For this reason, monthly normal values of several environmental variables were statistically evaluatedby a multiplicative model to obtain a generic equation to estimate air relative humidity data. The multiplicative model thatprovided the best fit to observed data was Gompertz function, having as independent variable the effective moistureindex, and a linear function based on the product of longitude and average air temperature. The proposed multiplicativemodel explained 81% of the air relative humidity variability and it was further validated for other locations, givingacceptable statistical performance. Based on the multiplicative model, it was possible to elaborate maps of average airrelative humidity for the studied region in order to implement bioclimatic and agroclimatic zoning projects.

Key words: climatology, agroclimatic zoning, GIS.

2

SILVA, T.G.F., et al. - Estimativa e espacialização da umidade relativa do ar para os estados de Alagoas, Bahia e Sergipe

Introdução

A umidade relativa do ar é um elementometeorológico que apresenta grande importância emdiversos processos físicos e biológicos, sendo umavariável imprescindível em modelos que estimam oscomponentes do balanço hídrico, a incidência eproliferação de doenças fúngicas e o estressetérmico em instalações agrícolas. Sua medição ouestimativa é necessária em várias áreas doconhecimento, especialmente em estudosdirecionados à bioclimatologia e agrometeorologia(AMORIM NETO et al. 2001; BELTRÃO et al.,2003; TURCO et al., 2006).

No Brasil, poucas estações meteorológicasapresentam séries históricas de elementosmeteorológicos como, velocidade e direção do vento,saldo de radiação e, principalmente, umidade relativado ar. Nesse contexto, enquadram-se vários estadosda região Nordeste, especialmente Alagoas, Bahia eSergipe, que juntos possuem uma área de 614,4 km2

e apenas 36 estações meteorológicas, pertencentesao Instituto Nacional de Meteorologia (INMET).

De acordo com SEDIYAMA et al. (1998), aescassez de dados meteorológicos em grande partedo território nacional é um dos fatores que maislimitam a realização de estudos suficientementedetalhados sobre os tipos climáticos de diversasregiões, principalmente quando as mesmasapresentam uma ampla extensão territorial. Com oobjetivo de superar insuficiência de dados detemperatura em várias regiões, CAVALCANTI &SILVA (1994), MEDEIROS et al. (2005),SEDIYAMA et al. (1998) e SEI (1998) propuseramequações de regressão múltipla que permitem estimaressa variável e a sua posterior aplicabilidade emestudos direcionados aos zoneamentos bio eagroclimáticos (SEDIYAMA et al., 2001;TEIXEIRA et al., 2002; TURCO et al., 2006).

Vários estudos foram realizados com o objetivode modelar e analisar a variabilidade da umidaderelativa do ar e suas influências em escalamicroclimática (CASTELLVÍ et al., 1996;LAURENCE et al., 2002). No entanto, poucos sãoaqueles que se dedicaram a estudá-la em uma escalamacroclimática, destacando-se TEIXEIRA et. al(1999), que estimaram a umidade relativa do ar parao estado de Pernambuco. Esses autores propuseram

a existência de uma correlação quadrática entre aumidade relativa do ar e o índice de umidade (I

m),

resultante do balanço hídrico climatológico propostopor THORNTHWAITE & MATHER (1955). Apartir da relação entre essas duas variáveis,obtiveram uma equação de regressão para estimativados valores normais de umidade relativa do ar comcoeficiente de determinação (R2) de 0,70 para oEstado de Pernambuco.

Utilizando esse mesmo método, TEIXEIRA etal. (2001), TEIXEIRA et al. (2002) e SILVA et al.(2004) obtiveram equações de regressão paraestimativa da umidade relativa do ar para os estadosda Bahia, Ceará e Piauí com boa confiabilidade.Embora os trabalhos citados tenham demonstradoequações de regressão com valores de R2 elevados,em nenhum desses estudos foram utilizados índicesde desempenho estatístico para a validação dessasequações com dados independentes dos utilizadospara a determinação dos parâmetros do modelo deregressão.

Em vez de utilizar diretamente análises deregressão simples ou múltipla, um outro métodoadotado para correlacionar as variáveis ambientaisem estudos agroclimáticos é o multiplicativo(JARVIS, 1976), o qual avalia o efeito isolado dasvariáveis, combinando-as posteriormente por meiodo produto entre elas. A principal vantagem dessemétodo é identificar os efeitos isolados de cadavariável independente, a partir de funçõesadimensionais, que posteriormente são combinadaspara gerar o modelo multiplicativo. Esse método temsido utilizado por diversos autores em estudos sobreevapotranspiração em ambientes protegidos,incluindo ZOLNIER et al. (2001) e HAMER (1997).

Diante dos fatos expostos, os principaisobjetivos desse trabalho foram:

a) selecionar variáveis independentes commelhor desempenho estatístico e obter os parâmetrosde um modelo multiplicativo para estimativa dosvalores normais mensais da umidade relativa do arpara os estados de Alagoas, Bahia e Sergipe, a partirda análise de regressão de dados provenientes delocalidades que possuem estações climatológicas;

b) validar o desempenho estatístico do modelomultiplicativo proposto, por meio da utilização de


3

dados de localidades disponíveis nos três estadoscitados que não foram utilizados para determinaçãodos parâmetros do modelo;

c) elaborar mapas da umidade relativa do arnormal mensal a partir de estimativas efetuadas como modelo multiplicativo.

Materiais e Métodos

Dados geográficos e climáticos

A área de estudo compreendeu os estados deAlagoas, Bahia e Sergipe, que estão localizados entreos paralelos de 8º 32’S e 18° 21’S e os meridianosde 35° 10’W e 46° 37’W.

Nesse estudo, foram utilizados valores normaismensais da umidade relativa do ar, da precipitação, dastemperaturas mínima, média e máxima, assim como ascoordenadas geográficas de 36 estações meteorológicas,pertencentes ao Instituto Nacional de Meteorologia –

INMET e obtidos na publicação “Normais climatológicas(1961 – 1990)” (INMET, 1992). Os dados disponíveisforam divididos em dois grupos, apresentando cada umdeles 18 estações (Figura 1).

O primeiro grupo de dados foi utilizado paraselecionar as variáveis mais apropriadas para explicara variabilidade da umidade relativa do ar ao longodo ano e entre localidades, bem como paradeterminar os parâmetros de um modelomultiplicativo. O segundo conjunto de dados foiutilizado para validar, de forma independente, odesempenho do modelo em localidades distintas aolongo do ano. O critério usado para dividir as estaçõesmeteorológicas em dois grupos foi estabelecido combase no método dos “quartis”. Das 36 estaçõesmeteorológicas disponíveis, 28 estão situadas naBahia e 5 em áreas limítrofes ao Estado, nosmunicípios de Posse (GO), Taguatinga (TO),Petrolina (PE), Espinosa (MG) e Pedra Azul (MG);2 no estado de Alagoas; e 1 no estado de Sergipe.

Figura 1. Distribuição das estações meteorológicas nos Estados de Alagoas, Bahia e Sergipe, sendo 18 para obtençãodos parâmetros do modelo multiplicativo e 18 para sua validação.

4


Modelo estatístico multiplicativo

O método adotado no presente trabalho paraestimativa dos valores normais mensais de umidaderelativa do ar foi elaborado com base no modelomultiplicativo proposto por JARVIS (1976). Omodelo simplificado para duas funções e escrito paraestimativa da umidade relativa do ar (UR) é dadopela seguinte equação:

)y(f)x(fUR = (1)

sendo que as funções f(x) e f(y) podem tercomportamentos lineares ou curvilíneos.

No presente trabalho, as variáveis independentesavaliadas para o ajuste do modelo multiplicativo aosvalores mensais normais de umidade relativa do arforam o índice efetivo de umidade (I

m, adimensional),

a precipitação pluvial (P, mm), as temperaturas do armínima (t

n, ºC), média (t

m, ºC) e máxima(t

x, ºC), as

pressões de saturação de vapor d’água do ar mínima(e

sn, hPa) e máxima (e

sx, hPa), o déficit de pressão

de saturação do vapor d’água do ar (∆e, hPa), aamplitude térmica (∆t, ºC) e as coordenadasgeográficas longitude (λ, graus negativos), latitude (θ,graus negativos) e altitude (z, metros).

Após a seleção de variáveis independentes paraaplicação no modelo multiplicativo, por meio dosoftware SigmaPlot, versão 7.0 para Windows, foramrealizadas análises de regressão com base nos testes“t” de Student e F para avaliar as significâncias dosparâmetros e do modelo, respectivamente.

Determinação das Variáveis Independentes

Dentre as diversas variáveis independentesavaliadas nesse estudo, algumas foram obtidas pormeio de equações propostas na literatura. O índiceefetivo de umidade mensal (I

m) foi obtido a partir da

seguinte relação:

(2)

em que, P (mm/mês) e ETP (mm/mês) são os valorestotais médios mensais da precipitação e daevapotranspiração potencial, obtida a partir da

equação proposta por THORNTHWAITE (1948),ambos referentes ao mês i (i = 1, 2, ..., 12).

Para o cálculo da pressão de saturação de vapord’água do ar (e

s, hPa) foram utilizados os valores

mensais de temperatura do ar na fórmula propostapor Tetens, como citada por BERRY et al. (1945):

(3)

em que t pode corresponder tanto a temperaturamínima (t

n) quanto à temperatura máxima mensal

(tx). A partir dos valores de e

sn e e

sx foi determinado

o déficit de pressão de saturação de vapor d’águado ar (∆e) por meio da seguinte equação:

snsx eee −=∆

(4)

Para o cálculo da amplitude térmica (∆t) foiutilizada a seguinte equação:

nx ttt −=∆ (5)

Validação e avaliação do modelo estatísticomultiplicativo.

Após a seleção das variáveis mais apropriadaspara aplicação no modelo multiplicativo, assim comoobtenção dos parâmetros desse modelo, dadosnecessários das variáveis ambientais e de localizaçãogeográfica foram utilizados para estimativa dosvalores normais mensais da umidade relativa do arpara as demais localidades dos estados de Alagoas,Bahia e Sergipe que também possuíam estaçõesclimatológicas. Em seguida, os valores estimadosforam comparados com um conjunto de dadosindependentes separado para validação do modelomultiplicativo. O segundo grupo de dadoscompreendeu 216 conjuntos de valores mensaisnormais de umidade relativa do ar e das demaisvariáveis independentes, os quais foram observadosnas 18 estações meteorológicas dos estados emanálise, ao longo do ano.

Para teste de desempenho do modelomultiplicativo, foram determinados os índicesestatísticos de precisão (coeficiente de correlação,r) e o de exatidão (índice de concordância, d)


5

(WILLMOTT et al., 1985). Adicionalmente, foramestimados os seguintes erros estatísticos: erro médiode estimativa (MBE) e a raiz quadrada do quadradomédio do erro (RMSE). As expressões utilizadaspara estimativa de cada um dos índices e erros foram:

(6)

(7)

(8)

1/2

2obsi

n

1iesti )UR(UR

n

1RMSE

−= ∑=

(9)

em que, “n” é o número de observações, URiobs

eURi

est são respectivamente os valores mensais

observados e estimados e a barra sobre estessímbolos refere-se ao valor médio dos dadosconsiderados.

Banco de dados e espacialização dosvalores normais da umidade relativa do ar.

Foi elaborado um banco de dados contendo osvalores normais mensais de 549 postos deobservação (36 estações meteorológicas e 513 postospluviométricos). Nos postos pluviométricos,pertencentes ao banco de dados de chuva daSUDENE, os valores de temperatura do ar (mínima,média e máxima) foram obtidos segundo asequações de regressão elaboradas porCAVALCANTI & SILVA (1994). Os valores dasdemais variáveis foram obtidos a partir das equações2, 3, 4 e 5.

A partir dos valores de umidade relativa do ardos 549 postos de observação, foi utilizado o softwareArcGIS para a análise de dependência espacial pormeio do ajuste do semivariograma e, posteriormente,geração dos mapas mensais das normais de umidaderelativa do ar para os estados de Alagoas, Bahia eSergipe, utilizando o método de interpolaçãodenominado “krigagem ordinária”. Com base nossemivariogramas, foram escolhidos os modelos queapresentaram os menores erros e os melhores ajustese resultados de validação obtida por meio da técnicade “Jack Knifing”. A partir do ajuste dos modelos,foram estimados os parâmetros Co (efeito pepita),C (patamar parcial), Co + C (Patamar) e alcance(a). Com os parâmetros Co e Co+ C são calculadosos valores do índice de dependência espacial (IDE),o qual permite analisar e caracterizar o grau dedependência espacial dos valores de umidade relativado ar, mediante a classificação deCAMBARDELLA et al. (1994). Adicionalmente,foram estimados os valores do coeficiente dedeterminação (R2), da raiz quadrada do quadradomédio do erro (RMSE) e do desvio padrão dosresultados obtidos pelos modelos ajustados.

Resultados e Discussão

As variáveis ambientais e geográficasindependentes mais importantes foram selecionadasa partir de análises de regressão. Foi verificado queo índice efetivo de umidade (I

m) teve destaque entre

as demais variáveis independentes consideradas nopresente estudo e, portanto, foi a que teve a maiorrelação de proporção com a umidade relativa do arentre localidades e para uma mesma localidade aolongo do ano. Esse resultado está de acordo com orelatado por TEIXEIRA et. al (1999), TEIXEIRAet al. (2001) e SILVA et al. (2004), que tambémverificaram que o I

m foi a variável que apresentou a

maior correlação com a umidade relativa do ar.

A relação entre o Im e a umidade relativa do ar

pode ser descrita pelo modelo de Gompertz com trêsparâmetros, como apresentado na Figura 2.

A função de Gompertz, tendo como variávelindependente o índice efetivo de umidade, pode serescrita da seguinte forma:

]}c

bIexp[exp{a)I(f m

m−

−−= (10)

6


Os parâmetros obtidos a partir de análise deregressão são apresentados na Tabela 1. Conformepode ser observado na Figura 2, é importantedestacar que o valor mínimo do índice efetivo deumidade é –100, de acordo com a Equação 2.

A segunda variável com maior relação deproporção com a UR ao longo do ano e entre estaçõesmeteorológicas foi o produto da temperatura médiado ar pela longitude (t

m λ ). Para se isolar a

variabilidade não explicada pelo índice efetivo deumidade, os valores de UR foram divididos pela funçãode Gompertz determinada previamente. A relaçãoentre o produto “t

m λ” e o componente UR/f(I

m) pode

ser visualizada na Figura 3.

A função f(y) que melhor se ajustou aos valoresresiduais adimensionais UR/f(I

m) foi uma equação

linear, a qual pode ser escrita da seguinte forma:

)t(ed)t(f mm λ+=λ (11)

Os valores encontrados para os parâmetros“d” e “e” são mostrados também na Tabela 1.

A Figura 4 mostra o resultado obtido naestimativa dos valores normais mensais de umidade

Figura 2. Correlação entre os valores mensais normais da umidade relativa do ar e os valores do índice efetivo deumidade (I

m) para estações meteorológicas situadas nos estados de Alagoas, Bahia e Sergipe.

relativa do ar quando as funções de Gompertz elinear múltipla foram combinadas para gerar omodelo multiplicativo. Basicamente, esse modelonecessita de dados de dois elementos climáticos, atemperatura do ar e a precipitação, e apenas umavariável geográfica, a longitude. Os valores detemperatura e precipitação são usados paradeterminação do índice efetivo de umidade que é avariável independente da função de Gompertz.

Quando as funções de Gompertz e a linearmúltipla são combinadas de acordo com a equaçãoUR = f(I

m) f(t

m λ), o coeficiente de determinação

(R2) aumentou de 0,69 para 0,81, mostrando quegrande parte da variabilidade da umidade relativaao longo do ano e entre estações meteorológicas émelhor representada pelo modelo multiplicativo.

Validação do modelo multiplicativo

Para avaliar o desempenho do modelomultiplicativo na estimativa dos valores normaismensais da umidade relativa do ar em localidadesdistintas das utilizadas para obtenção dos parâmetrosdesse modelo, foram utilizados dados independentesdo segundo conjunto de estações meteorológicas,conforme descrito anteriormente.


7

Na Figura 5 é apresentada a relação entre osvalores de UR observados e estimados, assim comoos índices estatísticos de desempenho do modelomultiplicativo. A avaliação quantitativa dos desviosdos valores normais mensais da umidade relativado ar estimada pelo modelo multiplicativo emrelação aos valores observados foi realizada pormeio de índices estatísticos de desempenho,conforme descrito por JACOVIDES eKONTOYIANNIS (1995).

O modelo multiplicativo foi avaliado pelocoeficiente de correlação (r) e pela concordânciaexpressa pelo índice “d” de WILLMOTT et al.

(1985), de acordo com as equações 6 e 7,respectivamente. O índice “d” indica o grau deexatidão entre os valores estimados e observados,sendo que quanto mais próximo de 1, maior é aexatidão do modelo de predição da variável analisada.Por outro lado, o coeficiente “r” indica a precisãodo modelo, mostrando a adequação das variáveisindependentes selecionadas em explicar avariabilidade da umidade relativa do ar ao longo doano e entre estações meteorológicas. Em razão dosíndices estatísticos “r” e “d” não quantificarem oserros de exatidão e precisão, também foramdeterminados os indicadores MBE e RMSE(equações 8 e 9).

Figura 3. Correlação entre os valores normais mensais da razão UR/f(Im) e a interação entre a temperatura média (t

m) e a

longitude (l) para estações meteorológicas situadas nos estados de Alagoas, Bahia e Sergipe.

Tabela 1. Parâmetros e coeficientes de determinação ajustados (R2aj) das funções componentes do modelo multiplicativo.

Funções

Gompertz

Linear múltipla

Parâmetros

a

b

c

d

e

Valor (± Erro Padrão)

83,04 (± 1,34)

- 139,20 (± 5,49)

56,01 (± 6,29)

1,496 (± 0,043)

5,040 10-4 (± 0,439 10-4)

R2aj

0,69

0,38

8


Figura 4. Combinação das funções de Gompertz f(Im) e linear múltipla f(t

m l) para obtenção do modelo multiplicativo que permite

a estimativa dos valores normais mensais de umidade relativa do ar (URest

) para os estados de Alagoas, Bahia e Sergipe.

Os índices “r” e “d” encontrados neste trabalhoforam respectivamente 0,8581 e 0,9214, mostrandouma precisão aceitável nas estimativas dos valoresnormais mensais de umidade relativa do ar para umalocalidade específica e um bom desempenho quandoo interesse do usuário está na estimativa de valoresmédios a partir da utilização de várias localidades,como, por exemplo, no caso da elaboração de mapasde zoneamentos climáticos.

De acordo com JACOVIDES eKONTOYIANNIS (1995), a raiz quadrada doquadrado médio do erro (RMSE), que foi igual a2,03% para o modelo multiplicativo obtido para osestados de Alagoas, Bahia e Sergipe, fornecesubsídios sobre o desempenho do modelo a curtoprazo. Portanto, esse parâmetro estatístico mostrao erro médio de estimativa da umidade relativa doar para um mês específico em um determinado ano.Por outro lado, o parâmetro estatístico MBE éutilizado para quantificar a sub ou superestimativado modelo a longo prazo, ou seja, para a

determinação do erro de estimativa da umidaderelativa normal. O MBE encontrado no presentetrabalho foi de 0,63%, indicando que, em média, omodelo superestimou ligeiramente a umidade relativado ar observada.

Nas estações meteorológicas do InstitutoNacional de Meteorologia, a umidade relativa do armédia diária é calculada a partir das temperaturasde bulbo seco e bulbo úmido, obtidas por meio deleituras efetuadas em psicrômetros nos horários das12:00, 18:00 e 00:00 h, correspondentes ao TempoUniversal (UTC - INMET, 1992). Posteriormente,os valores médios diários são utilizados para ocálculo da umidade relativa média mensal.Dependendo da temperatura do ar, erros de 0,1 °Cna leitura da temperatura em termômetros demercúrio em vidro podem resultar em erros dedeterminação da umidade relativa do ar de até 1%(DeFELICE, 1998). Portanto, em razão dasensibilidade da equação de TETENS a erros deleitura das temperaturas de bulbo seco e úmido, os


9

Figura 5. Relação entre os valores normais mensais observados e estimados da umidade relativa do ar, utilizando umconjunto de dados independente do utilizado para obtenção dos parâmetros do modelo multiplicativo. Os valoresexibidos referem-se às diversas localidades situadas nos estados de Alagoas, Bahia e Sergipe.

valores de MBE e RSME encontrados durante avalidação do modelo multiplicativo são plenamenteaceitáveis.

Espacialização dos valores normais daumidade relativa do ar.

Uma vez avaliado o desempenho estatísticodo modelo multiplicativo, foi realizada aespacialização dos valores normais mensais daumidade relativa do ar, utilizando-se os dadosdisponíveis das estações meteorológicas do INMET,assim como valores estimados pelo modelomultiplicativo para 549 postos de observação,distribuídos por todo o território dos Estados. NasFiguras 6, 7 e 8 são apresentados os resultados daanálise de semivariograma e os mapas mensaisnormais da umidade relativa do ar para os estadosde Alagoas, Bahia e Sergipe, respectivamente. Osresultados da análise de semivariograma (Figuras 6,7 e 8) mostraram que os valores médios da umidaderelativa do ar mensal apresentaram dependênciaespacial e que os modelos permitiram, com boa

precisão, estimar os valores dessa variável para oslocais que não possuíam dados, obtendo valores deR2 acima de 0,7413 e de RMSE abaixo de 1,6270.Constatou-se que os mapas não apresentam grandesdescontinuidades espaciais. Resultados semelhantesforam obtidos por MEDEIROS et al. (2005), os quaisutilizaram uma equação para estimativa datemperatura média anual para a região Nordeste.Descontinuidades espaciais abruptas foramobservadas por esses autores, quando elaboraram omapa temático dos valores de temperatura médiapara o Nordeste brasileiro, obtidos a partir de trêsequações propostas por CAVALCANTI & SILVA(1994).

Para a região em estudo, os valores mensaisda normal da umidade relativa do ar variaram,aproximadamente, entre 44 e 90%, com pequenasáreas apresentando valores acima dessa faixa. Nosestados de Alagoas e Sergipe (Figura 6 e 8), observa-se que os maiores valores de umidade relativa do arestão situados entre os meses de abril a setembro(período que compreende a estação chuvosa ). Nos

10


Figura 6. Espacialização e resultados da análise de semivariograma dos valores normais mensais da umidade relativa doar para o Estado de Alagoas.


11

Figura 7. Espacialização e resultados da análise de semivariograma dos valores normais mensais da umidade relativa doar para o Estado da Bahia.

12


Figura 8. Espacialização e resultados da análise de semivariograma dos valores normais mensais da umidade relativa doar para o Estado de Sergipe.


13

demais meses, no entanto, os valores de umidaderelativa do ar atingem, na maior parte dos Estados,valores na faixa de 60 a 70%.

Valores mais críticos (50 a 60%) sãoobservados na área mais continental dos estadosde Alagoas e Sergipe, onde as chuvas são reduzidasdurante os meses de outubro a março e onde estácompreendida parte da região semi-árida doNordeste Brasileiro. Na Bahia, em contraste, osmeses mais chuvosos e quentes do ano estãoconcentrados de novembro a abril. Na região maiscontinental desse Estado, compreendendo tambémáreas situadas na região semi-árida, a umidaderelativa do ar está entre 70 e 80% no período úmido.Por outro lado, é possível observar que, durante osmeses mais secos (maio a outubro), a umidaderelativa do ar atinge valores abaixo de 60% emáreas que se estendem desde a região semi-áridaaté o oeste do Estado.

AMORIM NETO et al. (2001) citam que, paraa exploração comercial do algodoeiro perene osvalores de umidade relativa do ar variando entre55 e 75% são os mais recomendados para o períodode semeadura da cultura (novembro e dezembro),enquanto que para o algodão anual recomenda-seo plantio em regiões em que os valores dessavariável sejam da ordem de 60%. Como é possívelobservar nos mapas da Figura 7, com exceção dosul da região litorânea do estado da Bahia e algumaspequenas áreas situadas nas regiões central ecentro sul do Estado, que apresentam umidaderelativa acima de 80% por vários meses do ano, asdemais regiões possuem as melhores condições,para a exploração comercial dessas espécies. Emcontraste, nos estados de Alagoas e Sergipe,valores de umidade relativa superiores a 80% sãoobservados de maio a setembro em grande partedestes estados, o que restringe o cultivo doalgodoeiro em razão da incidência e proliferaçãode doenças fúngicas. Similarmente, em regiõesonde os valores de umidade relativa são iguais ousuperiores a 70%, o cultivo de espécies como odendezeiro e a mamoneira (AMORIM NETO etal., 2001; BASTOS et al., 2001), bem como ocultivo do cajueiro, que necessita de valores deumidade do ar situados na faixa de 65 a 85%,podem favorecer um bom desenvolvimento dessasespécies (AGUIAR et al, 2001).

Conclusões

O modelo multiplicativo proposto mostrou-seadequado para estimativa dos valores normaismensais de umidade relativa do ar para os estadosde Alagoas, Bahia e Sergipe. Dentre inúmerasvariáveis avaliadas nesse estudo, constatou-se queos valores normais mensais do índice efetivo deumidade e da interação entre a longitude e atemperatura média do ar foram os que mostrarama maior relação de dependência com a umidaderelativa do ar, tanto entre localidades como ao longodo ano para uma mesma localidade. Com o modelomultiplicativo proposto, foi possível elaborar osmapas mensais normais da umidade relativa do arcom maior exatidão, o que auxiliará na elaboraçãode zoneamentos agroclimáticos e bioclimáticos.

Referências bibliográficas

AGUIAR, J.M.J.N; NETO, N.C.S.; BRAGA,C.C. Zoneamento pedoclimático para a cultura docajueiro (Anacardium occidentale L.) na regiãoNordeste do Brasil e no norte de Minas Gerais.Revista Brasileira de Agrometeorologia, PassoFundo, v.9, n.3, p.557-563, 2001. (Nº. Especial:Zoneamento Agrícola).

AMORIM NETO, M. da S. et al. Zoneamentoagroecológico e definição de época de semeadurado algodoeiro no Brasil. Revista Brasileira deAgrometeorologia, Passo Fundo, v.9, n.3, p.422-428, 2001. (Nº. Especial: Zoneamento Agrícola).

AMORIM NETO, M. da S.; ARAÚJO, A.E. DE;BELTRÃO, N.E. de M. Clima e Solo. In: Azevedo,D. M. P. de & Lima, E. F. O agronegócio damamona no Brasil. Embrapa Algodão. Brasília:Embrapa Informação Tecnológica, p. 63-76, 2001.

BASTOS, T.X. et al. Zoneamento de riscosclimáticos para a cultura do dendezeiro no estadodo Pará. Revista Brasileira deAgrometeorologia, Passo Fundo, v.9, n.3, p.564-570, 2001. (Nº. Especial: Zoneamento Agrícola).

BELTRÃO, N.E. de M. et al. Zoneamento e épocade plantio para o algodoeiro no norte do estado doEspírito Santo. Revista Brasileira de EngenhariaAgrícola e Ambiental, Campina Grande, v.7, n.1,p. 99-105, 2003.

14


BERRY, F.A.; BOLLAY, E.; BEERS, N.R.Handbook of meteorology. New York: McGraw-Hill Book Company, 1945. 1068p.

CAMBARDELLA, C.A. et al. Field-scalevariability of soil proprieties in central Iowa soils.Soil Science Society America Journal, Medison,v.58, p.1240-1248, 1994.

CASTELLVÍ, F. et al. Analysis of methods forestimating vapor pressure deficits and relativehumidity. Agricultural and Forest Meteorology,Amsterdam, v.82, p. 29-45. 1996.

CAVALCANTI, E.P.; SILVA, E.D.V. Estimativa datemperatura do ar em função das coordenadaslocais. In: Congresso Brasileiro de Meteorologia, 7,e Congresso Latino-Americano e Ibérico deMeteorologia, 1994, Belo Horizonte. Anais..., BeloHorizonte: Sociedade Brasileira de Meteorologia,1994, p.154-157.

DeFELICE, T.P. An introduction to meteorologicalinstrumentation and measurement. New Jersey:Prentice Hall, 1998, 229 p.

HAMER, P.J.C. Simulating the irrigationrequirements of a greenhouse crop. ActaHorticulturae, Tel Aviv, v. 443, p.147-154, 1997.

INMET - INSTITUTO NACIONAL DEMETEOROLOGIA. Normais climatológicas(1961-1990). Brasília, 1992. 84 p.

JACOVIDES, C.P.; KONTOYIANNIS, H.Statistical procedures for the evaluation ofevapotranspiration computing models. AgriculturalWater Management, v. 27, p. 365-371, 1995.

JARVIS, P.G. The interpretation of the variations inleaf water potential and stomatal conductance foundin canopies in the field. Philosophical Transactionsof the Royal Society of London, B, v. 273, p. 593-610, 1976.

LAURENCE, H. et al. Estimation of the spatialpattern of surface relative humidity using groundbased radar measurements and its application todisease risk assessment. Agricultural and ForestMeteorology, Amsterdam, v.111, p. 223-231, 2002.

MEIDEIROS, S.S. et al. Estimativa e espacializaçãodas temperaturas do ar mínimas, médias e máximasna Região Nordeste do Brasil. Revista Brasileirade Engenharia Agrícola e Ambiental, CampinaGrande, v.9, n.2, p. 247-255, 2005.

SEDIYAMA, G.C.; MELO JUNIOR, J.C.F.Modelos para estimativa das temperaturas normaismensais médias, máximas, mínimas e anual no estadode Minas Gerais. Revista Engenharia naAgricultura, Viçosa, v.6, n.1, p. 57-61, 1998.

SILVA, T.G.F. da et al. Estimativa e espacializaçãoda umidade relativa para o estado do Piauí. In:CONGRESSO BRASILEIRO DEMETEOROLOGIA, 13, Fortaleza, CE. Anais....Fortaleza: Sociedade Brasileira de Meteorologia,2004. [CD-ROM].

SEDIYAMA, G.C.; et al. Zoneamento agroclimático docafeeiro (Coffea arábica L.) de Minas Gerais. RevistaBrasileira de Agrometeorologia, Passo Fundo, RS,v.9, n.3, p.501-509, 2001. (Nº. Especial: ZoneamentoAgrícola).

SEI- SUPERINTENDÊNCIA DE ESTUDOSECONÔMICOS E SOCIAIS DA BAHIA. Análisedos atributos climáticos do Estado da Bahia.Salvador, 1998. 85p. (Série Estudos e Pesquisa, 38).

TEIXEIRA, A.H.de C. Estimativa da umidaderelativa do ar no estado de Pernambuco. In:CONGRESSO BRASILEIRO DEAGROMETEREOLOGIA, 11, REUNIÃOLATINO-AMERICANA DEAGROMETEOROLOGIA, 2, Florianópolis, SC.Anais… Florianópolis: Sociedade Brasileira deAgrometeorologia, 1999. [CD-ROM].

TEIXEIRA, A.H. de C. et al. Espacialização daumidade relativa do ar no estado da Bahia. In:CONGRESSO BRASILEIRO DEAGROMETEREOLOGIA, 12, Fortaleza, CE.Anais… Fortaleza: Sociedade Brasileira deAgrometeorologia, 2001. p.73 - 74.

TEIXEIRA, A.H. de C. et al. Mapeamento daumidade relativa no estado do Ceará. In:CONGRESSO BRASILEIRO DEMETEOROLOGIA, 12, Foz do Iguaçu, PR.Anais.... Foz do Iguaçu: Sociedade Brasileira de


15

Meteorologia, 2002. [CD-ROM].

TEIXEIRA, A.H.T.; AZEVEDO, P.V. Zoneamentoagroclimático para a videira européia no Estado daBahia. Revista Brasileira de EngenhariaAgrícola e Ambiental. Campina Grande, PB, v.6,n.1, p.107-111, 2002.

THORNTHWAITE, C.W. An approach towards arational classification of climate. GeographycalReview, London, v.38, p.55-94, 1948.

THORNTHWAITE, C.W; MATHER, R.J. Thewater balance. New Jersey: Laboratory ofClimatology, v.8, 1955; 104p. (Publication in

Climatology).

TURCO, S.H.N. et al. Zoneamento bioclimáticopara vacas leiteiras no estado da Bahia. Revistade Engenharia Agrícola, Jaboticabal, v.26, n.1, p.20-27, 2006.

ZOLNIER, S., et al. Surface diffusive resistancesof rooted poinsettia cuttings under controlled-environment conditions. Transactions of theASAE, St. Joseph, v.44, n.6, p.1779-1787, 2001.

WILLMOTT, C.J. et al. Statistics for the evaluationand comparison of models. Journal of GeophysicalResearch, Ottawa, v. 90, n. C5, p. 8995-9005, 1985.

Estimativa e espacialização da umidade relativa do ar para os estados ... · relativa do ar para...

Documents

Transcript of Estimativa e espacialização da umidade relativa do ar para os estados ... · relativa do ar para...