Ajuste de modelos aditivos generalizados a dados horários de precipitação de Morretes-PR assumindo a família Tweedie

Abstract

Resumo: A chuva é um fenômeno relevante para a sociedade e sua modelagem é essencial para áreas como a agronomia e a gestão de risco de desastres. Contudo, as características particulares e não Gaussianas dos conjuntos de dados horários de precipitação - excesso de zeros e assimetria à direita - limitam a utilização de abordagens pautadas na distribuição normal. Sob estes aspectos, testa-se neste trabalho uma variação da família Tweedie (Compound-Poisson com 1 < p < 2) na descrição probabilística da chuva considerando quatro limiares críticos. Isto é realizado por meio do ajuste de Modelos Aditivos Generalizados (GAMs), que vêm demonstrando aplicabilidades em estudos ambientais. Foram utilizados dados de uma estação meteorológica em Morretes - PR com dez anos de registros. A estes dados foram adicionadas novos atributos síntese com destaque para estações do ano, eventos de chuva agrupados e lags das variáveis originais. Utilizando o critério de Akaike foram realizados testes com diversos parâmetros de suavização e com variáveis identificadas previamente como mais correlacionadas à chuva. O melhor modelo ajustado descreve cerca de 45% do comportamento da precipitação. O fluxo de trabalho apresenta aplicabilidade nas áreas de interesse, porém os modelos necessitam de testes com mais variáveis, amostras e parametrizações para terem seu potencial confirmado, em especial no que diz respeito à predição. Espera-se que o prosseguimento de testes neste âmbito possa contribuir com o melhor aproveitamento dos dados horários de precipitação publicamente disponíveis no Brasil.

Abstract: Rainfall is an important phenomenon and its modeling is essential for sectors such as agriculture and disaster risk management. However, hourly precipitation data behaves in a non-Gaussian way, characterized by zero inflation and skewness to the right. In order to address this anomalies, in this article we analyse the adoption of Compound-Poisson (1<p<2) variation of the Tweedie family to describe the probability of exceedance of four rainfall thresholds. This was achieved through adjusting Generalized Additive Models (GAMs), which has successfully been used in several environmental studies. The analysed data set consists of a ten year sequence of hourly registers from a meteorological station in Morretes (State of Paraná - Brazil). Further attributes were added to the data set including: season descriptions, grouped rainfall events and lagged versions of the original variables. Akaike’s criteria was applied to compare the effects of both the variables more correlated with rainfall and of different smoothing parameters. The better adjusted model describes approximately 45% of rainfall variation. The workflow shows applicability to the interested sectors, but the models require further testing in order to confirm its potential, especially with regards to prediction. It is expected that the pursuance of tests in this field will contribute to expand the usage of publicly available hourly rainfall data in Brazil.