Baixe Modelagem Matemática Aplicada a simulações de Precipitações de curta duração Parte3 e outras Notas de estudo em PDF para Engenharia Unificada Básica, somente na Docsity!
5 CONCLUSÕES
O ajuste dos parâmetros do modelo de Bartlett-Lewis modificado possibilita a
ades estatísticas da precipitação em vários níveis de agregação temporal;
va e
as características implica em variação sazonal dos parâmetros do modelo,
semelhantes aos valores observados;
bilidade dos
horas,
nte no verão;
s
e a
e máximas anuais da série simulada manteve as características da série
ara as séries de precipitação simulada com duração de 30 minutos ou inferior
ta na simulação de eventos extremos.
Com os resultados obtidos pode-se concluir que:
simulação de chuvas com intervalos de duração de até 5 minutos preservando as
propried
2. A variação sazonal dos processos atmosféricos envolvidos na origem das chu
d
refletindo de forma coerente as características da chuva predominante;
3. As séries simuladas apresentaram estatísticas nos diversos níveis de agregação
temporal
4. De forma geral observou-se a tendência de superestimativa da proba
períodos serem secos e subestimativa da covariância para intervalos de 24
principalme
5. Os totais anuais de chuva simulada para todos os intervalos de duração analisado
permanecem dentro do intervalo de confiança de 95
6. Para as séries de precipitação simulada com duração de 1 hora observou-se qu
série d
observada;
7. P
observou-se subestimativas superior a 23 % na média da série de máximas anuais,
inviabilizando sua utilização dire
REFERÊNCIAS
ARON, G.; WALL, D.J.;WHITE, E.I.; DUNN, C.N. Regional rainfall intensity-duration-
frequency curve Pennsylvania. Water Resources Bulletin , Salt Lake City, v.23, n.2, p.479-
a,
, Á.J. Determinação da precipitação efetiva para irrigação Suplementar pelo
rsos Hídricos. São Paulo: Nobel:
RI, 1993.
ição de
nta Maria, v. 11, n.1. p. 141-147, 2003.
CAMERON, L.S. et al. Statical modeling in hydrology. Chichester: John Wiley & Sons,
COSTA, A.R.; BRITO, V.F. Equações de chuva intensa para Goiás e Sul de Tocantins. In:
ais....
M.
. A simple spatial temporal model of rainfall. London, Mahematical and Physical
, v. 415, p. 317-328, 1988.
le-site
and validation. Journal of Hidrology , Amsterdam, v.175, 1996.
ricos ,
Roma, v.7, p.97-104, 2002.
ical models in hydrology. Roma: John Wiley & Sons, 1975, 175p. (paper
ASSIS, F.N. Aplicações de estatística à climatologia: teoria e prática. Pelotas: Universitári
1993. 161p.
BACK
balanço hídrico horário: um caso – estudo em Urussanga, SC. Porto Alegre: UFRGS,
1997. 122p.
BACK, A. J. Chuvas intensas e chuva de projeto de drenagem superficial para o estado
de Santa Catarina. Florianópolis: EPAGRI, 2002. 65p.
BARTH, F.T. et. al. Modelos para gerenciamento de recu
ABRH, 1987. 320p.
BALD, A.A. Tópicos em matemática aplicada. Santo Ângelo, RS: U
BASSANESI, R.C. Ensino-aprendizagem com modelagem matemática. São Paulo:
Contexto, 2002. 256p.
BEIJO, L. A. et al. Estudo da precipitação máxima em Jaboticabal (SP) pela distribu
Gumbel utilizando dois métodos de estimação dos parâmetros. Revista Brasileira de
Agrometeorologia, Sa
BURLANDO, P., ROSSO, R. Stochastic models of temporal rainfall: reproducibility,
estimation and prediction of extreme events. Netherlands: Kluwer Acadenic Publishers,
1993, p. 137-173.
2001. 412p.
SIMPÓSIO BRASILEIRO DE RECURSOS HÍDRICOS, 13., 1999, Belo Horizonte. An
Belo Horizonte: ABRH, 1999. 1CD-RO
COX, D.R., ISHAM, V. Point processes. London. Chapman and Hall, 1980.
______
Sciences
COWPERTWAIT, P.S.P. et al. Stochastic point process modelling of rainfall. I. Sing
CLARKE, R.T. Stochastic Hydrology Revisited. Revista Brasileira de Recursos Híd
______. Mathemat
KRIOUKOV, V. fundamentos da modelagem matemática. São Paulo: Harbra, 1996. 245p
LAPPONI, J.C. Estatística usando excel.
4 ed., rev. e atual. São Paulo: Elsevier, 2005.
a
NERILO, N.; MEDEIROS, P.A.; CORDEIRO, A. Chuvas intensas no Estado de Santa
quações de chuvas intensas para algumas localidades de Goiás pelo método
vas. Pesquisa Agropecuária Tropical , Goiânia, v.30, n.1, p23-27,
principios y aplicaciones del drenaje. Wageningen:
for drainage design. Journal of
Gerenciamento de Dados Contínuos. Manual do usuário. Porto
chuvas intensas para algumas localidades do Estado de Minas Gerais. Engenharia Agrícola,
ltura, Botucatu, v.12, n.4, p.37-44, 1997.
REICHARDT, K.A. A água em sistemas agrícolas. São Paulo: Mande, 1987. 188p.
RODRIGUES, M.L.G. Uma climatologia de frentes frias no litoral catarinense com dados
de reanálise NCEP. 2003. 73 f. Dissertação (Mestrado em Engenharia Ambiental) –
Universidade Federal de Santa Catarina, Florianópolis, 2003.
RODRIGUEZ-ITURBE, I. Scale of fluctuation of rainfall models. Water Resources
Resesrch., v. 22, n.9, p.62-73, 1988.
352p.
MARTINEZ JUNIOR, F. Análise das precipitações intensas no Estado de São Paulo. In:
SIMPÓSIO BRASILEIRO DE RECURSOS HÍDRICOS, 13, 1999, Belo Horizonte. Anais...
Belo Horizonte: ABRH, 1999. 1 CD-ROM.
MONTEIRO, M.A. Dinâmica atmosférica e a caracterização dos tipos de tempo na baci
Hidrográfica do Rio Araranguá. 2007. 224f. Tese (Doutorado em Geografia) –
Florianópolis, Universidade Federal de Santa Catarina, 2007.
Catarina. Florianópolis:UFSC/Edifurb, 2002. 128p.
NEYMAN, J.; SCOTT, E. I. A Statistical Approach to Problems of Cosmology , J.R.
Statist. Soc., p.41-43,1958.
OLIVEIRA, L.F.; CORTES, F.C.; BARBOSA, F.O.; ROMÃO, P.A. CARVALHO, D.F.
Estimativa das e
da desagregação de chu
ONOF, S.J.; WHEATER, P. Análise de dados pluviométricos. In: International Institute for
Land Reclamation and Improvement:
Handbook, 1993. p. 269-288.
ORSELLI, L. Clima. In: Atlas de Santa Catarina. Rio de Janeiro: Aero foto Cruzeiro, 1991
p.38-39.
OSBORN, J. et al. Short-duration-rainfall intensity equations
Irrigation and Drainage Engineering, New York, v.119, n.5, p.814-828, 1980.
PAIVA, J.B. Projeto de rede de estações pluviométricas – Estudo de caso. São Paulo:
SBPC, 2001. p. 74-81.
PEDROLLO, O.C. GEDAC:
Alegre: IPH, 1997. 60 p. (v. 34.).
PINTO, F.A.; FERREIRA, P.A.; PRUSKI, F.F.; ALVES, A.R.; CECON, P.R. Equações de
Jaboticabal, v.16, n.1, p.91-104, 1996.
RIBEIRO, A.M.; LUNARDI, D.M.C. precipitação mensal através da função gama.
Revista energia na agricu
______. Some models for rainfall based on stochastic point process. Proc. R. Lond. A.,
v.10, p.45-51, 1987.
SANTA CATARINA. Gabinete de Planejamento e Coordenação Geral. Atlas de Santa
Catarina. Rio de Janeiro: Aerofoto Cruzeiro, 1986. 173 p.
SEVRUK, B.; GEIGER, H. Selection of distribution types for extremes of precipitation.
Geneva: Statist Soc., 1981. 65p. (World Meteorological Organization Report no^ 15).
SILVA, D.D.; PINTO, F.R.L.P.; PRUSKI, F.F.; PINTO, F. A. Estimativa e espacialização
dos parâmetros da equação de intensidade-duração-frequência da precipitação para os Estados
do Rio de Janeiro e Espírito Santo. Revista de Engenharia Agrícola , v.18, n.3, p.11-21,
SILVA, D.D.; GOMES FILHO, R.R.; PRUSKI, F.F.; PEREIRA, S.B.; NOVAES, L.F.
Chuvas intensas no Estado da Bahia. Revista Brasileira de Engenharia Agrícola e
Ambiental , Campina Grande, v.6, n.2, p.362-367, 2002.
SUGAI, M.R.B.; FILL, H.D.O.A. Tempo de recorrência associado à precipitação máxima
provável na Região Sul do Brasil. Revista Brasileira de Engenharia, Rio de janeiro, v. 8, n.
p. 1, 110,1990.
TRENT, R.E.; DICKERSON, W.H. Storm char all Intensity in West
Virginia. In: West Virginia University Bu , n. 12, 1976, 60 p. (Information
Report 8).
TUCCI, C.E. Hidrologia: ciência e aplicação. Porto Alegre: UFRGS, 1993. 943p.
Utilização da modelagem matemática no planejamento ambiental no
litoral sul de Santa Catarina. 2005. 60f. Dissertação (Mestrado em Ciências Ambientais) –
Universidade do Extremo Sul Catarinense, Criciúma, 2005.
VIANELLO, R. L. Meteorologia Básica e Aplicações. Viçosa: UFV, 1991. 234p.
VERHOEST, N.; TROCH, P.A.; DE TROCH, F.P. On the applicability of Bartlett-Lewis
rectangular pulses models in the modeling of designs storms at a point. Journal of
hydrology, p.108-120, 1997.
VIEIRA, S.R.; LOMBARDI NETO, F.; BURROWS, I.T. Mapeamento da chuva diária
máxima provável para o Estado de São Paulo. Revista Brasileira de Ciências do Solo ,
Campinas, v.15, n.1, p.93-98, 1981.
WAYMIRE, E.E.; GUPTA, V.J. The Mathematical Structure of Rainfall: representatione,
Part 1, a review of the stochastic rainfall models.Walter Resouces Research, 1981, p.1261-
acteristic and Rainf
lletin, series 77
UGGIONI, A.B.
APÊNDICE A – Valores históricos observados (1), estimados pelos modelos (2) e obtidos das séries geradas (3)
de chuvas em intervalos de 30 minutos para os meses de Janeiro e Fevereiro.
Intervalos Janeiro Fevereiro Estatística
(^1) Média – precipitação média no intervalo de 1 horas (mm) (^2) Var – variância da precipitação no intervalo (mm²) (^3) PD – Probabilidade do intervalo ser seco;
APÊNDICE B – Valores históricos observados (1), estimados pelos modelos (2) e obtidos das séries geradas (3) de chuvas em intervalos de 30 minutos para os meses de Março e Abril.
I M arço Abril E 1 2 3 1 2 3
ntervalos
(^1) Média – precipitação média no intervalo de 1 horas (mm) (^2) Var – variância da precipitação no intervalo (mm²) (^3) PD – Probabilidade do intervalo ser seco;
APÊNDICE D – Valores históricos observados (1), estimados pelos modelos (2) e obtidos das séries geradas (3)
de chuvas em intervalos de 30 minutos para os meses de Julho e Agosto.
(^1) Média – precipitação média no intervalo de 1 horas (mm) (^2) Var – variância da precipitação no intervalo (mm²) (^3) PD – Probabilidade do intervalo ser seco;
APÊNDICE E – Valores históricos observados (1), estimados pelos modelos (2) e obtidos das séries geradas (3) de chuvas em intervalos de 30 minutos para os meses de Setembro e Outubro.
(^1) Média – precipitação média no intervalo de 1 horas (mm) (^2) Var – variância da precipitação no intervalo (mm²) (^3) PD – Probabilidade do intervalo ser seco;
APÊNDICE G – Valores históricos observados (1), estimados pelos modelos (2) e obtidos das séries geradas (3) de chuvas em intervalos de 15 minutos para os meses de Janeiro e Fevereiro.
Intervalos Janeiro Fevereiro Estatística 1 2 3 1 2 3 15 min Var^2 0,271 0,274 0,2577 0,301 0,314 0, PD^3 0,917 0,962 0,9643 0,914 0,963 0, Covar^4 0,154 0,184 0,1587 0,184 0,194 0, Correl^5 0,568 0,673 0,6151 0,611 0,620 0, 30 min Var^2 0,850 0,916 0,8328 0,976 1,016 0, PD^3 0,892 0,226 0,9484 0,888 0,948 0, Covar^4 0,353 0,458 0,3693 0,456 0,512 0, Correl^5 0,415 0,501 0,4430 0,468 0,503 0, 1 h Média 1 0,250 0,249 0,2399 0,274 0,275 0, Var^2 2,357 2,748 2,3962 2,864 3,055 2, PD^3 0,857 0,918 0,9185 0,850 0,929 0, Covar^4 0,738 0,900 0,6961 1,114 1,205 1, Correl^5 0,313 0,328 0,2902 0,389 0,394 0, 6 h Var^2 26,100 28,135 23,8363 36,230 37,353 34, PD^3 0,696 0,697 0,7145 0,671 0,751 0, Covar^4 4,270 2,932 2,7025 8,539 6,382 4, Correl^5 0,164 0,104 0,1138 0,236 0,171 0, 12 h Var^2 63,420 62,136 53,0556 99,463 87,470 78, PD^3 0,608 0,538 0,5667 0,575 0,582 0, Covar^4 5,699 6,763 6,0361 8,365 1
Correl^5 0,090 0,109 0,1139 0,084 0,115 0, 24 h Var^2 32,014 37,798 18,2918 17,679 95,082 70, PD^3 0,421 0,372 0,3768 0,368 0,350 0, Covar^4 21,392 2 1,253 1 2,8085 4 5,833 1 4,759 9, Correl^5 0,162 0,154 0,1086 0,211 0,076 0, (^1) Média – precipitação média no intervalo de 1 horas (mm) (^2) Var – variância da precipitação no intervalo (mm²) (^3) PD – Probabilidade do intervalo ser seco; (^4) Covar – Autocovariância com retardo de 1 (mm²) (^5) Correl – Coeficiente de autocorrelação com retardo 1
APÊNDICE H – Valores históricos observados (1), estimados pelos modelos (2) e obtidos das séries geradas (3)
de chuvas em intervalos de 15 minutos para os meses de Março e Abril.
(^1) Média – precipitação média no intervalo de 1 horas (mm) (^2) Var – variância da precipitação no intervalo (mm²) (^3) PD – Probabilidade do intervalo ser seco;
APÊNDICE J – Valores históricos observados (1), estimados pelos modelos (2) e obtidos das séries geradas (3) de chuvas em intervalos de 15 minutos para os meses de Julho e Agosto.
(^1) Média – precipitação média no intervalo de 1 horas (mm) (^2) Var – variância da precipitação no intervalo (mm²) (^3) PD – Probabilidade do intervalo ser seco;
APÊNDICE K – Valores históricos observados (1), estimados pelos modelos (2) e obtidos das séries geradas (3) de chuvas em intervalos de 15 minutos para os meses de Setembro e Outubro.
(^1) Média – precipitação média no intervalo de 1 horas (mm) (^2) Var – variância da precipitação no intervalo (mm²) (^3) PD – Probabilidade do intervalo ser seco;
APÊNDICE M – Valores históricos observados (1), estimados pelos modelos (2) e obtidos das séries geradas
(3) de chuvas em intervalos de 10 minutos para os meses de Janeiro e Fevereiro
Intervalos Janeiro F evereiro 2
Estatística
(^1) Média – precipitação média no intervalo de 1 horas (mm) (^2) Var – variância da precipitação no intervalo (mm²) (^3) PD – Probabilidade do intervalo ser seco;
APÊNDICE N – Valores históricos observados (1), estimados pelos modelos (2) e obtidos das séries geradas (3) de chuvas em intervalos de 10 minutos para os meses de Março e Abril. Intervalos Março Abril 3 Estatística (^1) Média – precipitação média no intervalo de 1 horas (mm) (^2) Var – variância da precipitação no intervalo (mm²) (^3) PD – Probabilidade do intervalo ser seco;
- 30 min Var^2 0,850 0,890 0,8744 0,97 6 1,030 1,039 - PD^3 8 - 4 6 - 5 8 - 1 4 - 0,892 0,757 0,9488 0,88 0,951 0, - Covar 0,353 0,422 0,4144 0,45 0,516 0, - Correl 0,415 0,474 0,4735 0,46 0,501 0, - 1 h Média 0,250 0,249 0,2465 0,27 0,273 0, - Var^2 4 - PD^3 0 - 4 4 - 5 9 - 2 0 - 2,357 2,624 2,5969 2,86 3,091 3, - 0,857 0,913 0,9200 0,85 0,932 0, - Covar 0,738 0,815 0,7963 1,11 1,212 1, - Correl 0,313 0,311 0,3059 0,38 0,392 0, - 6 h Var 26,100 26,725 26,2533 36,23 37,609 36, - PD^3 1 - 4 9 - 5 6 - 2 3 - 0,696 0,703 0,7179 0,67 0,752 0, - Covar 4,270 3,367 3,0820 8,53 6,375 5, - Correl 0,164 0,126 0,1174 0,23 0,170 0,
- 12 h Var 63,420 60,183 58,5498 99,46 87,967 86, - PD^3 5 - 4 5 - 5 4 - 2 9 - 0,608 0,556 0,5724 0,57 0,583 0, - Covar 5,699 7,249 6,6821 8,36 10,122 7, - Correl 0,090 0,120 0,1143 0,08 0,115 0,
- 24 h Var 132,014 134,863 129,7331 217,67 196,178 191, - PD^3 8 - 4 - 5 1 - 0,421 0,372 0,3913 0,36 0,349 0, - Covar 21,392 15,055 14,2500 45,833 15,009 7, - Correl 0,162 0,112 0,1094 0,21 0,077 0,
- 5 Correl – Coeficiente de autocorrelação com retardo 4 Covar – Autocovariância com retardo de 1 (mm²)
- 3 0 min V ar^2 0 ,505 0,520 0 ,5624 0,333 0,344 0 , statística - P - C - C - 1 M - D^3 ,922 0,973 ,9719 0,929 0,905 , - ovar^4 ,219 0,241 ,2526 0,146 0,166 , - orrel^5 ,433 0,463 ,4482 0,439 0,482 , - h édia 1 ,166 0,167 ,1758 0,130 0,129 , - V - P - C - C - 6 V - ar^2 ,423 1,521 ,6294 0,953 1,020 , - D^3 ,896 0,958 ,9584 0,904 0,938 , - ovar^4 ,550 0,551 ,5707 0,355 0,364 , - orrel^5 ,387 0,362 ,3488 0,373 0,357 , - h ar^2 7,647 17,285 8,2023 2,103 1,836 , - P - C - C
- 1 V - D^3 ,760 0,828 ,8345 0,783 0,806 , - ovar^4 ,988 2,263 ,9433 2,467 2,251 , - orrel^5 ,169 0,131 ,1057 0,204 0,190 , - 2 h ar^2 3,199 39,095 0,2534 29,737 28,173 7, - P - C - C
- 2 V - D^3 ,677 0,695 ,7066 0,712 0,697 , - ovar^4 2,580 3,154 1,9970 3,877 4,392 , - orrel^5 ,060 0,081 ,0477 0,130 0,156 , - 4 h ar^2 86,992 84,500 85,2551 65,231 65,131 2, - P - C - C - D^3 ,494 0,490 ,5068 0,560 0,527 , - ovar^4 1,385 4,086 2,1052 9,029 7,848 , - orrel^5 ,131 0,048 ,0255 0,138 0,120 ,
- 5 Correl – Coeficiente de autocorrelação com retardo 4 Covar – Autocovariância com retardo de 1 (mm²) - (h) Estatística^1 2 3 1 2 Intervalos J A
- 30 min Var^2 0,152 0,656 0,1698 0,161 0,167 0, - PD^3 0,909 0,950 0,9524 0,921 0,911 0, - Covar^4 0,100 0,104 0,1131 0,098 0,106 0, - Correl^5 0,659 0,670 0,6656 0,605 0,638 0, - 1 h Média 1 0,138 0,139 0,1478 0,121 0,122 0, - Var^2 0,504 0,519 0,5656 0,519 0,546 0, - PD^3 0,886 0,942 0,9438 0,902 0,924 0, - Covar^4 0,314 0,334 0,3574 0,294 0,307 0, - Correl^5 0,623 0,644 0,6315 0,565 0,562 0, - 6 h Var^2 10,463 10,260 10,8245 10,086 9,656 8, - PD^3 0,785 0,862 0,8643 0,817 0,849 0, - Covar^4 4,410 4,248 4,1337 4,072 4,210 3, - Correl^5 0,421 0,414 0,3806 0,404 0,436 0,
- 12 h Var^2 29,866 29,016 29,7407 28,304 27,732 23, - PD^3 0,729 0,775 0,7778 0,775 0,780 0, - Covar^4 9,591 8,896 7,9311 11,020 1 0,720 7, - Correl^5 0,321 0,307 0,2647 0,389 0,387 0,
- 24 h Var^2 82,051 75,824 75,0737 79,246 76,905 61, - PD^3 0,602 0,627 0,6297 0,679 0,661 0, - Covar^4 1 6,861 1 6,543 1 2,1460 26,383 25,503 16, - Correl^5 0,206 0,218 0,1615 0,333 0,332 0,
- 5 Correl – Coeficiente de autocorrelação com retardo 4 Covar – Autocovariância com retardo de 1 (mm²) - ( h) Estatística Intervalos Setembro Outubro
- 30 min Var^2 0,178 0,177 0,1737 0,287 0,284 0, - PD^3 0,892 0,938 0,9414 0,897 0,928 0, - Covar^4 0,112 0,111 0,1096 0,157 0,154 0, - Correl^5 0,632 0,628 0,6313 0,549 0,544 0, - 1 h Média 1 0,159 0,160 0,1572 0,178 0,179 0, - Var^2 0,573 0,576 0,5673 0,902 0,877 0, - PD^3 0,865 0,931 0,9338 0,870 0,921 0, - Covar^4 0,352 0,361 0,3563 0,440 0,433 0, - Correl^5 0,614 0,627 0,6280 0,487 0,494 0, - 6 h Var^2 11,396 11,461 11,3606 14,080 14,087 13, - PD^3 0,748 0,865 0,8692 0,737 0,834 0, - Covar^4 5,327 4,609 4,5725 5,632 4,902 4, - Correl^5 0,467 0,402 0,4021 0,400 0,348 0,
- 12 h Var^2 34,617 32,138 31,7739 39,310 37,977 37, - PD^3 0,680 0,793 0,7983 0,660 0,743 0, - Covar^4 9,985 7,830 7,8794 11,549 9,222 8, - Correl^5 0,288 0,244 0,2476 0,294 0,243 0,
- 24 h Var^2 91,068 79,938 79,4544 104,610 94,399 92, - PD^3 0,558 0,665 0,6742 0,519 0,589 0, - Covar^4 9,955 9,995 9,0300 13,841 14,101 11, - Correl^5 0,109 0,125 0,1134 0,132 0,149 0,
- 5 Correl – Coeficiente de autocorrelação com retardo 4 Covar – Autocovariância com retardo de 1 (mm²) - (h) Estatística^1 2 3 1 2 Intervalos Março Abril
- 15 min Var^2 0,164 0,167 0,1790 0,099 0,104 0, - PD^3 0,941 0,980 0,9791 0,947 0,971 0, - Covar^4 0,088 0,091 0,0974 0,061 0,065 0, - Correl^5 0,539 0,541 0,5438 0,614 0,628 0,
- 30 min Var^2 0,505 0,516 0,5528 0,333 0,339 0, - PD^3 0,922 0,973 0,9719 0,929 0, - Covar^4 0, - Correl - 1 h Média - 0, - 0,240 0,2506 0,146 0,164 0, - 0,433 0,465 0,4527 0,439 0,485 0, - 0,166 0,167 0,1772 0,130 0,129 0, - Var^2 0, - PD^3 0,959 0,9581 0,904 0, - Covar - Correl^5 0, - 6 h Var^2 11,744 - 1,423 1,512 1,6042 0,953 1, - 0,896 0, - 0,550 0,550 0,5666 0,355 0,362 0, - 0,387 0,364 0,3519 0,373 0, - 17,647 17,215 17,8563 12,103 1, - PD^3 0, - Covar^4 1, - Correl^5 0,
- 12 h Var^2 43, - 0,760 0,829 0,8313 0,807 0, - 2,988 2,253 2,467 2,261 1, - 0,169 0,0953 0,204 0,193 0, - 38,937 39,2273 29,737 28,010 25, - PD - Covar - Correl^5 0,
- 24 h Var^2 64, - 0,677 0,696 0,7010 0,712 0,697 0, - 2,580 3,135 1,9606 3,877 4,379 3, - 0,060 0,081 0,0488 0,130 0, - 86,992 84,145 82,3061 65,231 58, - PD^3 0,560 0,526 0, - Covar^4 4, - Correl^5 0,131 0,048 0,0247 0,138 0,119 0, - 0,494 0,490 0, - 11,385 2,1411 9,029 7,739 5,
- 5 Correl – Coeficiente de autocorrelação com retardo 4 Covar – Autocovariância com retardo de 1 (mm²) - (h) Estatística Intervalos Maio Junho
- 15 min Var^2 0,060 0,061 0,0609 0,035 0,031 0, - PD^3 0,9636 0,944 0, - Covar^4 0,042 0, - Correl^5 0,
- 30 min Var^2 0,209 - 0,936 0,963 0, - 0,043 0,0428 0,026 0, - 0,703 0,709 0,689 0,831 0, - PD^3 0,920 0, 0,207 0,2074 0,120 0,114 0, - Covar^4 0, - Correl^5 0,683 0,668 0, - 1 h Média 1 0,140 - 0,956 0,9591 0,929 0, - 0,141 0,140 0,1369 0,085 0, - 0,6591 0,630 0, - Var^2 0, 0,141 0,1410 0,104 0,103 0, - PD^3 0, - Covar^4 0,242 0, - Correl^5 0,643 - 6 h Var^2 13,995 7, - 0,704 0,6878 0,390 0,398 0, - 0,900 0,952 0,908 0,941 0, - 0,442 0,448 0,4359 0, - 14,259 13,9601 7,111 6, 0,627 0,6333 0,620 0,646 0, - PD^3 0, - Covar^4 6, - Var^2 41,951 40,6758 21, - 0,814 0,905 0,9067 0,870 0, - 6,967 6,716 3,655 3,096 2, - Correl^5 0,498 0,471 0,4466 0,514 0,404 0,
- 12 h 42,996 21,511 18, - PD^3 0, - Covar^4 1 1 7, - Correl^5 0,
- 24 h Var^2 128,292 1 4, - 0,761 0,852 0,760 0,798 0, - 6,482 5,047 12,5609 6,783 4, - 0,383 0,359 0,3077 0,361 0, - 13,996 107,5974 58,109 56,587 - PD^3 0,654 0,7561 0, - Covar^4 11, - Correl^5 0, - 0,755 0,661 0, - 30,648 29,087 19,6825 13,405 7, - 0,239 0,255 0,199 0,237 0,
- 5 Correl – Coeficiente de autocorrelação com retardo 4 Covar – Autocovariância com retardo de 1 (mm²) - (h) Estatística^1 2 3 1 2 Intervalos Julho Agosto
- 15 min Var^2 0,044 0,045 0,0476 0,049 0,050 0, - PD - Covar - Correl
- 30 min Var^2 0,1618 0, - 0,927 0,955 0,9563 0,938 0,956 0, - 0,031 0,032 0,0334 0,032 0,033 0, - 0,698 0,702 0,7017 0,647 0,670 0, - 0,152 0,154 0,161 0, - PD - Covar - Correl - 1 h Média - 0,909 0,949 0,9506 0,921 0,937 0, - 0,100 0,104 0,1092 0,098 0,101 0, - 0,659 0,677 0,6751 0,605 0,609 0, - 0,138 0,139 0,1451 0,121 0,120 0, - Var - PD - Covar - Correl - 6 h Var - 0,504 0,517 0,5421 0,519 0,535 0, - 0,886 0,941 0,9419 0,902 0,936 0, - 0,314 0,333 0,3452 0,294 0,302 0, - 0,623 0,644 0,6368 0,565 0,564 0, - 10,463 10,224 10,4289 10,086 9,664 8, - PD - Covar - Correl
- 12 h Var - 0,785 0,862 0,8629 0,817 0,861 0, - 4,410 4,242 4,0047 4,072 4,315 3, - 0,421 0,415 0,3832 0,404 0,447 0, - 29,866 28,931 28,9646 28,304 27,958 23, - PD - Covar^4 - Correl
- 24 h Var - 0,729 0,775 0,7762 0,775 0,783 0, - 9,591 8,888 7,6840 11,020 0,787 7, - 0,321 0,307 0,2653 0,389 0,386 0, - 82,051 75,638 74,0892 79,246 77,491 60, - PD - Covar^4 1 - Correl - 0,602 0,628 0,6293 0,679 0,648 0, - 6,861 6,496 11,4667 26,383 25,268 14, - 0,206 0,218 0,1550 0,333 0,326 0,
- 5 Correl – Coeficiente de autocorrelação com retardo 4 Covar – Autocovariância com retardo de 1 (mm²) - (h) Estatística^1 2 3 1 2 Intervalos Setembro Outubro
- 15 min Var^2 0,054 0,053 0,0536 0,089 0,089 0, - PD - Covar - Correl
- 30 min Var - 0,913 0,942 0,9452 0,918 0,946 0, - 0,036 0,036 0,0360 0,054 0,054 0, - 0,663 0,668 0,6704 0,602 0,609 0, - 0,178 0,177 0,1791 0,287 0,285 0, - PD - Covar - Correl - 1 h Média - 0,892 0,934 0,9377 0,897 0,930 0, - 0,112 0,109 0,1104 0,157 0,152 0, - 0,632 0,614 0,6164 0,549 0,533 0, - 0,159 0,160 0,1604 0,178 0,179 0, - Var - PD - Covar - Correl - 6 h Var - 0,573 0,572 0,5794 0,902 0,874 0, - 0,865 0,928 0,9301 0,870 0,923 0, - 0,352 0,351 0,3559 0,440 0,433 0, - 0,614 0,613 0,6139 0,487 0,495 0, - 11,396 11,378 11,5350 14,080 14,116 14, - PD - Covar - Correl
- 12 h Var - 0,748 0,869 0,8721 0,737 0,835 0, - 5,327 4,783 4,9200 5,632 4,916 4, - 0,467 0,420 0,4255 0,400 0,348 0, - 34,617 32,321 33,0691 39,310 38,064 37, - PD - Covar^4 11, - Correl
- 24 h Var - 0,680 0,803 0,8081 0,660 0,742 0, - 9,985 8,087 8,2567 9,221 8, - 0,288 0,250 0,2485 0,294 0,242 0, - 91,068 80,818 82,5936 104,610 94,571 93, - PD - Covar^4 - Correl - 0,558 0,686 0,6933 0,519 0,586 0, - 9,955 9,819 0,6901 13,841 14,162 12, - 0,109 0,121 0,1277 0,132 0,150 0,
- 5 Correl – Coeficiente de autocorrelação com retardo 4 Covar – Autocovariância com retardo de 1 (mm²)
- 10 min Var^2 0,135 0,135 0,1244 0,14 9 0,15 2 0, - PD^3 6 - Covar^4 0 - Correl^5 5
- 30 min - 0,929 0,966 0,9702 0,92 0,96 0, - 0,087 0,095 0,0869 0,10 0,10 0, - 0,645 0,709 0,6980 0,67 0,68 0, - Var^2 0,850 0,904 0,8239 0,97 1,01 1, - PD^3 8 - Covar^4 6 - Correl^5 8 - 1 h Média - 0,892 0,777 0,9482 0,88 0,94 0, - 0,353 0,407 0,3549 0,45 0,51 0, - 0,415 0,451 0,4299 0,46 0,50 0, - 0,250 0,249 0,2383 0,27 0,27 0, - Var^2 4 - PD^3 0 - Covar^4 4 - Correl^5 9 - 6 h Var^2 0 - 2,357 2,622 2,3575 2,86 3,04 3, - 0,857 0,910 0,9179 0,85 0,93 0, - 0,738 0,784 0,6678 1,11 1,20 1, - 0,313 0,299 0,2821 0,38 0,39 0, - 26,100 26,502 23,3684 36,23 37,24 35, - PD^3 1 - Covar^4 9 - Correl^5 6
- 12 h Var^2 3 - 0,696 0,696 0,7131 0,67 0,75 0, - 4,270 3,471 3,2849 8,53 6,37 5, - 0,164 0,131 0,1374 0,23 0,17 0, - 63,420 59,946 53,2941 99,46 87,23 82, - PD^3 5 - Covar^4 5 - Correl^5 4
- 24 h Var^2 9 3 - 0,608 0,547 0,5656 0,57 0,58 0, - 5,699 7,326 6,4924 8,36 10,09 7, - 0,090 0,122 0,1206 0,08 0,11 0, - 132,014 134,544 121,5672 217,67 194,66 80, - PD^3 8 - Covar^4 3 - Correl^5 1 - 0,421 0,358 0,3772 0,36 0,34 0, - 21,392 14,602 10,7583 45,83 14,85 6, - 0,162 0,109 0,0879 0,21 0,07 0,
- 5 Correl – Coeficiente de autocorrelação com retardo 4 Covar – Autocovariância com retardo de 1 (mm²)
- 10 min Var^2 0,079 0,082 0,0851 0 ,050 0 ,050 0 , - PD^3 0 0 - Covar^4 0 0 - Correl^5 0 0
- 30 min Var^2 0 0 - 0,950 0,980 0,9805 ,954 ,975 , - 0,051 0,051 0,0532 ,033 ,035 , - 0,647 0,626 0,6242 ,662 ,697 , - 0,505 0,514 0,5351 ,333 ,337 , - PD^3 0 0 - Covar^4 0 0 - Correl^5 0 0 - 1 h Média - 0,922 0,969 0,9704 ,929 ,918 , - 0,219 0,242 0,2470 ,146 ,161 , - 0,433 0,470 0,4609 ,439 ,478 , - 0,166 0,167 0,1739 ,130 ,129 , - Var^2 0 0 - PD^3 0 0 - Covar^4 0 0 - Correl^5 0 0 - 6 h Var^2 12 11 - 1,423 1,512 1,5613 ,953 ,996 , - 0,896 0,955 0,9563 ,904 ,937 , - 0,550 0,550 0,5508 ,355 ,358 , - 0,387 0,364 0,3523 ,373 ,359 , - 17,647 17,230 17,3554 ,103 ,706 , - PD^3 0 0 - Covar^4 2 2 - Correl^5 0 0
- 12 h Var^2 2 2 - 0,760 0,824 0,8268 ,783 ,809 , - 2,988 2,268 1,7427 ,467 ,306 , - 0,169 0,132 0,0998 ,204 ,197 , - 43,199 38,996 38,2702 9,737 8,025 6, - PD^3 0 0 - Covar^4 3 4 - Correl^5 0 0
- 24 h Var^2 6 6 - 0,677 0,690 0,6953 ,712 ,698 , - 2,580 3,139 1,9886 ,877 ,396 , - 0,060 0,080 0,0509 ,130 ,157 , - 86,992 84,269 80,8008 5,231 4,840 2, - PD^3 0 0 - Covar - Correl^5 0 0 - 0,494 0,484 0,4918 ,560 ,522 , - 11,385 4,015 1,0738 9,029 7,595 5, - 0,131 0,048 0,0118 ,138 ,117 ,
- 5 Correl – Coeficiente de autocorrelação com retardo 4 Covar – Autocovariância com retardo de 1 (mm²)
