Resumo Este trabalho teve como objetivo selecionar modelos de semivariograma para estimar tendências de precipitação mensal no Estado da Paraíba-Brasil usando krigagem comum. A metodologia envolve a aplicação de interpolação geoestatística de registros de precipitação de 51 anos de 69 estações de chuva em todo o estado. A análise de semivariogramas mostrou que meses específicos apresentaram forte dependência espacial (Índice de Dependência Espacial - IDE <25%). As tendências foram submetidas aos seguintes modelos: circular, esférico, pentassesférico, exponencial, gaussiano, quadrático racional, K - Bessel e tetrasspherical. Os melhores modelos de ajuste foram selecionados por validação cruzada e Índice de Comparação de Erros (ICE). Cada conjunto de dados (mês) possuía uma estrutura de dependência espacial específica, o que tornava necessário definir modelos específicos de semivariograma, a fim de aprimorar o ajuste do semivariograma experimental. Além disso, o mapa mensal de tendências foi plotado para justificar os modelos escolhidos.

Abstract This work aimed to select semivariogram models to estimate trends in monthly precipitation in Paraiba State-Brazil using ordinary kriging. The methodology involves the application of geostatistical interpolation of precipitation records of 51 years from 69 rainfall stations across the state. Analysis of semivariograms showed that specific months had a strong spatial dependence (Index of Spatial Dependence - IDE < 25%). The trends were subjected to the following models: circular, spherical, pentaspherical, exponential, Gaussian, rational quadratic, K-Bessel and tetraspherical. The best fit models were selected by cross-validation and Error Comparison Index (ECI). Each data set (month) had a particular spatial dependence structure, which made it necessary to define specific models of semivariogram in order to enhance the adjustment of the experimental semivariogram. Besides, the monthly trend map was plotted to justify the chosen models.

Resumo Neste trabalho estudamos a influência da construção da barragem de Sobradinho na vazão diária do rio São Francisco, Brasil, analisando correlações de longo alcance em séries temporais de magnitude e sinal obtidas a partir da anomalia das vazões utilizando o método Detrended Fluctuation Analysis. A série de magnitude está relacionada com as propriedades não lineares da série original enquanto que a série de sinal está relacionada as propriedades lineares. Foram analisados os dados de vazão registrados durante o período 1929-2009, divididos nos períodos anterior a construção (1929 a 1972) e após a construção da barragem de Sobradinho (1980 a 2009) em pequenas escalas (menos de 365 dias) e em grandes escalas (mais de 365 dias). Após a construção da barragem de Sobradinho os expoentes-DFA para a série de magnitude aumentaram tanto em pequenas escalas (0,895 para 1,013) quanto para grandes escalas (0,371 para 0,619) indicando que a memória associada a componentes não lineares se tornou mais forte. Para a série de sinais, os expoentes-DFA aumentaram em pequenas escalas (0,596 para 0,692) indicando maior persistência na direção dos incrementos da vazão e diminuíram em grandes escalas (0,381 para 0,259) indicando maior anti-persistência (incrementos positivos são mais propensos a serem suscedidos por incrementos negativos e vice versa). Estes resultados trazem novas evidências quanto as alterações hidrológicas no rio São Francisco causadas pela atividade humana.

Abstract In this work we study the influence of the Sobradinho dam construction on daily streamflow of São Francisco River, Brasil, by analyzing long-range correlations in magnitude and sign time series obtained from streamflow anomalies, using the Detrended Fluctuation Analysis (DFA) method. The magnitude series relates to the nonlinear properties of the original time series, while the sign series relates to the linear properties. The streamflow data recorded during the period 1929-2009, were divided in the periods pre-construction (1929 to 1972) and post-construction (1980 to 2009) of Sobradinho dam and analyzed for small scales (less than 1 year) and for large scales (more than 1 year). In post-construction of Sobradinho dam, DFA-exponents of magnitude series increased at small scales (0.895 to 1.013) and at large scales (0.371 to 0.619) indicating that the memory associated with nonlinear components becames stronger. For sign series, the DFA-exponent increased at small scales (0.596 to 0.692) indicating stronger persistence of flow increments direction, and decreased at large scales (0.381 to 0.259) indicating stronger anti-persistence (positive increments are more likely to be followed by negative increments and vice versa). These results provide new evidence on the hydrological changes in the São Francisco River caused by human activities.

Resumo A investigação da dinâmica das variáveis climáticas fornece informações importantes sobre a sua variabilidade espaço-temporal. Compreender esses processos é fundamental para o desenvolvimento de modelos climáticos que sirvam de base para a análise de cenários futuros e para a previsão das mudanças climáticas. Neste trabalho, analisaram-se as propriedades multifractais das séries diárias de temperatura do ar no Nordeste do Brasil, registradas no período de 1990 a 2015, em 94 estações meteorológicas distribuídas na região. Aplicou-se o método Multifractal Detrended Fluctuation Analysis (MF-DFA), que foi desenvolvido para quantificar correlações de longo alcance em séries temporais multifractais. Os resultados mostraram que o processo que gera a variabilidade da temperatura do ar segue a dinâmica multifractal, com maior influência do componente sazonal. Observou-se, além disso, uma autocorrelação persistente, com maior persistência na proximidade da Linha do Equador. O grau de multifractalidade indicado pela largura do espectro multifractal varia de acordo com a classificação climática da região. A multifractalidade mais forte foi observada na Zona da Mata e no Agreste. Nesse sentido, os resultados indicam que uma longa memória em séries temporais da temperatura do ar média diária do Nordeste brasileiro deve ser modelada como um processo multifractal e pode contribuir para o desenvolvimento de modelos climáticos regionais mais confiáveis.

Abstract The investigation of the dynamics of climatic variables provides important information about their spatio-temporal variability. Understanding these processes is fundamental for the development of climate models that serve as a basis for analysis of future scenarios and prediction of climate change. In this work, we analyze multifractal properties of daily air temperature series in Northeast Brazil recorded during the period 1990 to 2015, in 94 meteorological stations distributed over the region. We applied the Multifractal Detrended Fluctuation Analysis (MF-DFA) method that was developed to quantify long-range correlations in multifractal time series. The results show that the process that generates the variability of the air temperature follows the multifractal dynamics, with greater influence of the seasonal component. A persistent auto-correlation was observed, with stronger persistence in the proximity of the equator. The degree of multifractality indicated by the width of the multifractal spectrum varies according to the climatic classification of the region. The strongest multifractality was observed in the Mata and Agreste Zone. The results indicate that long memory in time series of the daily average air temperature of the Brazilian Northeast should be modeled as a multifractal process and may contribute to the development of more reliable regional climate models.

Resumo Este trabalho objetivou avaliar períodos secos e chuvosos nas sub-regiões da Bacia Hidrográfica do Rio São Francisco (BHSF) utilizando o Índice de Precipitação Padronizado (SPI) e cadeias de Markov. Cada sub-região da BHSF possui características físicas e climáticas específicas, dessa forma foram utilizadas quatro estações pluviométricas contendo dados com 46 anos, de 1970 a 2015, obtidas na Agência Nacional de Águas (ANA), representativas de cada sub-região. O SPI foi calculado para as escalas de tempo de seis e doze meses e as matrizes de probabilidades de transição foram obtidas utilizando as cadeias de Markov. As matrizes de transição mostraram que, em ambas as escalas, caso a condição climática estivesse em classe de seca severa ou chuvosa, a mudança para outra classe seria pouco provável a curto prazo. Correlacionando esta informação com as probabilidades da distribuição estacionária, foi possível encontrar as regiões que têm maiores possibilidades de no momento futuro estar sob clima chuvoso ou de seca. Os tempos de recorrência calculados para as estações inseridas no semiárido foram menores quando comparado com o valor do tempo da estação representativa do Alto São Francisco que possui maiores níveis de precipitação, confirmando a predisposição do semiárido em apresentar maiores chances de períodos futuros de seca.

Abstract This work evaluated dry and rainy conditions in the subregions of the São Francisco River Basin (BHSF) using the Standardized Precipitation Index (SPI) and Markov chains. Each subregion of the BHSF has specific physical and climatic characteristics. The data was obtained from the National Water Agency (ANA), collected by four pluviometric stations (representative of each subregion), covering 46 years of data, from 1970 to 2015. The SPI was calculated for the time scales of six and twelve months and transition probabilities were obtained using the Markov chain. Transition matrices showed that, at both scales, if the climate conditions were severe drought or rainy, switching to another class would be unlikely in the short term. Correlating this information with the probabilities of the stationary distribution, it was possible to find the regions that are most likely to be under rainy or dry weather in the future. The recurrence times calculated for the stations that belong to the semi-arid region were smaller when compared to the value of the return period of the representative station of Upper São Francisco that has higher levels of precipitation, confirming the predisposition of the semi-arid region to present greater chances of future periods of drought.

O regime de chuvas sobre o Nordeste do Brasil é bastante complexo, sendo considerado sazonal, além de sofrer fortes influências dos fenômenos El Niño, La Niña e outros sistemas meteorológicos, como o dipolo, atuantes sobre as bacias do oceano Atlântico Tropical. Neste trabalho foi aplicada a técnica matemática-computacional de interpolação do Kernel Smoothing nos dados de precipitação pluvial sobre o Nordeste, coletados no período de 1904 a 1998, provenientes de 2.283 estações meteorológicas. Os cálculos foram desenvolvidos por meio do software "Kernel", escrito em linguagem C e Cuda o que possibilitou fazer a interpolação de mais de 26 milhões de medidas de precipitação pluvial, permitindo gerar mapas de intensidade de chuva sobre toda a região e calcular estatísticas para a precipitação do Nordeste em escalas mensais e anuais. De acordo com as interpolações realizadas foi possível detectar, dentre o período estudado, os anos mais secos e mais chuvosos, a distribuição espacial das chuvas em cada mês, bem como a característica da precipitação pluviométrica em épocas de El Niño e La Niña.

The rainfall over Northeast Brazil is quite complex and is considered seasonal, besides suffering strong influences of El Niño, La Niña and other weather systems such as dipole, acting on the ocean basins Tropical Atlantic. In this study the mathematical-computational interpolation technique Kernel Smoothing was applied to rainfall data collected over the Northeast in the period from 1904 to 1998, from 2,283 weather stations. The calculations were developed using the software "Kernel", written in C language and Cuda, enabling interpolation of over 26 million rainfall measurements, allowing to generate maps of rainfall intensity over the whole region, and to calculate statistics for precipitation in the Northeast on monthly and annual scales. The resulting interpolations were used to identify the years with the most and least precipitation along the studied period, the spatial distribution of rainfall in each month, as well as the characteristics of rainfall in times of El Niño and La Niña.