RevistaBrasileira de Meteorologia, v.16, 1~2,211-222,2001 SELEÇAO DE DISTRIBUIÇÁO DE PROBABILIDADE PARA CHUVAS DIÁRIAS EXTREMAS DO ESTADO DE SANTA CATARINA ÁLVARO JOSÉ BACK Empresa de Pesquisa Agropecuária e Extensão Rural de Santa Catarina, EPAGRI Estação Experimental de Urussanga. Rod. SC 446, Km 16. C.P. 049. [email protected] RESUMO O presente trabalho teve como objetivo selecionar uma distribuição de probabilidade para a estimativa da precipitação máxima anual de cem postos pluviométricos do Estado de Santa Catarina. Foram testadas as distribuições Log-Normal com dois e três parâmetros, Pearson tipo 111, Log-Pearson tipc 111, distribuição de extremos tipo I com os parâmetros estimados pelo método dos momentos e métodc da máxima verossimilhança bem como a distribuição de Gumbel-Chow. Para a verificação do ajuste da .. . ... . ... ' . , " . aistritmçao ae propatxiiaaae, roi uriiizaao o tesre ~oimogorov-3mirnove, para escoiner a meinor distribuição, foi utilizado o critério do menor erro padrão. A distribuição de Gumbel-Chow apresentou o melhor ajuste em 60 % das estações analisadas e em 93 % das estações com menos de 20 anos de dados. Para as séries com baixa assimetria e curtose, a distribuição Log-Normal com três parâmetros apresentou o melhor ajuste, enquanto, para séries com alta assimetria e curtose, a distribuição LogPearson, seguida da distribuição Log-Normal com dois parâmetros, foi a que forneceu o melhor ajuste. Palavras-chave: Precipitação diária, Distribuições de probabilidade. . . 3 . 4 .r r. 3 L IlG U U I I I U G I - L I I U W UlbLIIUULIUII p l G b C l l L G U LIIE; UGõL kiUJUbLlllGllL 1 0 1 O U 7 0 UL LllG ?lIIdIYLGU b l d l l U l l b d l l d for 93 % of the stations with less than twenty years of data. The Log-Normal distribution with three parameters presented the best adjustment for the rainfall data series with low asymmetry and kurtosis For the rainfall series with high asymmetry and kurtosis the Log-Pearson distribution followed by de Log-Normal distribution with two parameters gave the best adjustment. Key-words: Daily Rainfall, Probability distribution. extrema, associada a uma dada probabilid.ade. Existem diversas teorias de probabilidade emprega&is para análise O estudo de precipitações extremas é de grande de chuvas extremas, sendo as mais utilizadas a distribuição Log-Normal com dois parâmetros, interesse nos trabalhos de hidrologia, por sua frequente distribuição Log-Normal com três parâmetros, aplicação na estimativa das vazões de projeto para dimensionamento de obras de engenharia, tais como distribuição Pearson tipo 111, distribuição Log-Pearson v vi ~ r t d n r A ~Pch g r r ~ n ~ nh c~ ~ ~ i h r nn ~c ~ c - A ~ - l n tLUIIUYVU, ho nw g r n c tinn TTT e uuiiuhViiU, VUvIIVo, VVVU.rUv-LVVV, , A i c t r i h i i ; r G n A o ~ v t r o m n ctin .L,o I, também conhecida como distribuicão de Gumbel (KITE, 1978). canais de drenagem. O procedimento normalmente adotado na Segundo SEVRUK e GEIGER (1 98 I), não há uma estimativa da chuva de projeto consiste em ajustar uma teoria suficientemente firme para just ificar o uso de uma . ' . uis~riuui<jav reorica aos aaaos ouservaaos e, com uase OU outra aisrriouiçao. luo entanto, existem algumas nesta distribuição, extrapolar os valores de precipitação justificativas teóricas para a aplicação da distribuição de 1. INTRODUÇÃO v 1. ~uuuiuU L&V r .1 1 . . ,L,V 1 1 1 1 1 .,, uLULLLu,L,u, r 1. r '1 ' 'LT 3 L Seleção de distribuição de probabilidade para chuvas diárias extremas do Estado de Santa Catarina Gumbel, distribuição Pearson e Log-Normal para análise dos valores extremos. A distribuição de Gumbel tem tido grande aplicação ,ara o estudo de eventos extremos e é utilizada de forma ;eneralizada nos trabalhos de chuvas intensas. :RUCIANI (1980) afirma que a distribuição de Gumbel a mais apropriada para essas análises, segundo a jpinião unânime da literatura especializada. REICH 1963), trabalhando com dados de precipitação do ontinente africano com duração de 15, 30, 45 e 60 ninutos, elegeu a distribuição de Gumbel como a mais .dequada para a análise dos dados registrados entre seis ,lternativas; no entanto, o autor não citou as demais Jternativas. TRENT e DICKERSON (1976) analisaram lados horários de precipitação de vinte e duas estações duviométricas de Virgínia (EUA), para determinar a listribuição de freqüência para ajuste de dados de chuva txtrema. As séries de máximas anuais foram analisadas hor dez distribuições matemáticas, incluindo a distribuição iormal, distribuição de extremos tipo I e I1 e distribuição ,og-Normal, das quais a distribuição de Gumbel se nostrou a mais adequada. ELTZ et al. (1992) analisaram éries de chuvas máximas diárias de Santa Maria, com luração variando de dez minutos a 48 horas, por meio das listribuiçõesLog-Normal com 2 parâmetros, Log-Normal om três parâmetros, extremos tipo I e 11, Pearson tipo I11 Log-Pearson tipo 111. Os autores concluíram que a listribuição de Gumbel foi a única capaz de apresentar esultados satisfatórios. PINTO (1995) ajustou as listribuições Gumbel, Log-Normal com dois e três ~arâmetros,Pearson e Log-Pearson I11 para dados de inte e nove estações pluviográficas do Estado de Minas ;erais, com duração entre 5 minutos a 1440 minutos. Jtilizando o teste Kolmogorov-Smirnov, concluiu que as listribuições de Gumbel e Log-Normal a dois parâmetros oram as que melhor se ajustaram aos dados observados. LRON et al. (1987) estimaram alturas de chuva com luração de 1 a 24 horas e período de retorno de 1 a 100 nos em regiões da Pennsylvania (EUA), a partir de séries ~arciaispor meio da distribuição Log-Pearson tipo 111. ISBORN et al. (1980) submeteram séries de valores náximos anuais de chuva as distribuiçõesde Gumbel, Logt T-,--I n-----.. r:-- TTT ,T , ,D , , , , , , c:-, TTT r. O~bservaramque a distribuição que melhor se ajustou aos dlados de cada série disponível, foi a distribuição de Gurnbel. 'nm aiitnres --- ~- R-S- Pneste< _ - - .- trahalhns ._ , miiitnq -.- ---- - - - - iitili7am ---- ----.-- . a distribuição de Gumbel em seus estudos, assumindo a hipótese de que os dados amostrais seguem a distribuição . ae CrumPei, sem testar esta nipotese ou procurar outra c a - .. v_ _a --a .. I r distribuição que poderia proporcionar um melhor aIjuste. Segundo SEVRUK e GEIGER (198 l), a definição da melhor distribuição de probabilidade pode sc:r feita com base empírica, usando técnicas visuais subjetivas ou testes estatísticos mais objetivos. O resulta1do dos testes depende em parte dos parâmetros do mode 10 e da posição de plotagem usada, sendo que há contro vérsias na utilização destes dados. Além disso, o testcc pode mostrar quc mais de uma distribuição é adequad a. A estimativa dos parâmetros a partir dos dados observados pode ser feita numericamente, sendo indicado o método dos momentos e o método da niáxima verossimilhança. A estimativa dos parâmetro1s pelo método da máxima verossimilhança é aceita comc) sendo mais eficiente, embora numericamente difícil, comiparada ao método dos momentos. Para amostras pequeniIS, este método geralmente conduz a estimativas mais I)obres, sendo este método menos variável que o método dos momentos (KITE, 1978; SEVRUK e GEIGER, 1981; CLARKE, 1994;). Segundo KOBERG e EGGERS (1973), para a distribuição de Gumbel, o método dos momemtos é suficientemente preciso e virtualmente invariável e mais simples de calcular; porém, para distribuição cc)m alta assimetria, o método dos momentos fornece estimativa mais pobre dos parâmetros. O objetivo deste trabalho é verificar o aju ste das diferentes distribuições de probabilidade recome ndadas na literatura especializada aos dados de precil~itação máxima diária do Estado de Santa Catarina. Foram utilizados dados de cem 13ostos pluviométricos do Estado de Santa Catarina com I:heriodo de dados entre doze e setenta anos, pertencentes a rede de estações pluviométricas da Agência Nacio na1 de Energia Elétrica (ANEEL). Na Tabela II , são apresentadas a relação das estações utilizada:5 e as estatísticas descritivas de cada estação. A distribuição espacial das estações pode ser visualizada na Fiiy r a 1. Para cada estação, foi determinada a stSrie de m á, u ~, ,,,,,, ,,, ,i m a.,,c,,,,,a n i i a i c A,, , , ,c t a c 6 r i ~ cAP , ,m á ~ i m a ac n i i a i c foram ajustadas as distribui ções Log-Normal com dois parâmetros, Log-Norma11 com três parâmetros, Pearson e;*, T , ,DO,,"," t; LlpuTTT 111, bu5-I C.a13ul1 LIPO 111, distribuição de extremos tipo I. Os parâmetros das diversas distribuições foram estimados pelo método dos momentos e pela máxima verossimilhança. . ,,., ..., uLL,U.; - Álvaro José Back Tabela 1. Relação das estações utilizadas com as estatísticas descritivas. Estação N o código* Número Valor de Precipitação (mrn) de anos maior menor médio 36,6 146,2 78,5 215,O 47,2 101,5 52,l 152,3 94,8 198,4 69,O 128,7 55,O 175,5 98,8 47,O 76,O 120,o 168,O 49,8 85,O 44,2 248,3 78,9 159,5 46,3 90,6 42,O 250,7 88,7 161,2 46,O 88,2 190,4 47,O 88,8 54,O l85,6 98,8 161,O 50,O 87,5 40,O 160,O 76,5 33,8 148,4 75,l 45,2 125,8 83,l 53,2 220,2 94,9 45,O 136,2 79,3 132,4 57,6 85,O 51,3 142,O 81,9 59,9 173,4 105,4 125,O 62,O 91,3 66,l 138,9 91,5 45,O 125,O 80,3 131,8 59,2 94,O 118,6 49,8 81,7 143,O 61,8 93,2 62,O 151,O 96,5 55,5 105,6 78,2 47,O 155,O 94,5 133,8 52,3 86,4 50,4 124,O 83,8 210,2 40,O 88,6 148,5 43,9 94,9 138,3 41,4 93,1 215,6 39,4 94,4 140,4 60,2 90,9 155,O 65,3 99,6 139,2 70,O 94,2 204,7 71,4 108,7 171,6 62,2 101,8 l60,O 59,3 1O7,9 10L 3 c< Q nn n desvio padrão 22,9 34,8 28,3 28,3 33,5 17,6 23,5 32,3 26,3 30,6 26,7 26,8 3 1,6 23,9 24,6 27,5 21,l 35,9 20,l 18,6 25,3 34,4 21,2 25,l 18,O 21,9 16,6 21,6 23,8 13,2 24,2 23,3 25,2 28,5 27,9 25,O 40,2 22,5 25,6 22,8 29,6 27,8 24,2 2n 9 - Coeficie~ ite de assimetria curtosi 3,479 0,794 3,330 0,777 0,428 2,330 3,471 0,465 2,678 0,803 2,820 0,648 3,848 0,882 16,119 3,079 0,529 2,783 14,079 2,418 3,200 0,833 1,054 4,805 2,896 0,792 4,048 0,955 5,155 1,259 2,929 O,7 15 2,O7 1 0,116 2,O31 7,725 3,869 0,773 2,973 0,542 2,540 0,648 1,958 0,457 1,574 0,242 1,805 0,624 2,780 0,263 1,736 0,027 2,999 0,225 2,798 0,682 2,523 0,416 2,388 O, 197 2,763 0,336 1,834 0,323 1,551 0,326 8,743 1,777 2,064 0,360 2,27 1 0,048 4,756 1,360 2,680 0,872 2,775 0,908 1,930 0,659 5,054 1,361 2,596 0,590 2,601 0,253 1 CLC 214 Seleção de distribuição de probabilidade para chuvas diárias extremas do Estado de Santa Catarina onrinuaçao r apela 1 Álvaro José Back I dos valores :o usadas na hipótese de 2m realidade (j são feitas I da variável dculados em smostra. A imbel-Chow. das demais ntos quer da is conforme 3). istribuição, irnov. Neste dos dados romparadas. .es tabelados a e tamanho r que Dmax L, OU seja, a 7êm de uma io ajustada a 3 critério do sugerido por UULILUCI VGLU I I I G L U U U U U S I I I U I l I ~ I I L U ? > t: U d U a 1JO1. V n-m 216 Seleção de distribuição de probabilidade para chuvas diárias extremas do Estado de Santa Catarina onde Se é o erro-padrão para uma dada distribuição de probak)ilidade; X1é a precipitação registrada de ordem i; Xe, 65 a precipitação estimada pela distribuição teórica de mobabilidade; n é o número de elementos na série de ,. ias aniiais. m 6- n níimern Iinaxin_-., --. ..-- .__ de -- rnarâmetrns -- -- -- - -- - - estimados - - ....--- m a a distribuição de probabilidade. I: tESULTADOS E DISCUSSÃO Não foi possível estimar os parâmetros dos rnodelos para a distribuição Log-Normal com 3 momentos para duas E)arâmetros .pelo, método . . ,dos . . ... estaçoes e pelo metodo da maxima verossimilnança para nove estacões. Para a distribuicão Pearson. não foram C~btidasas estimativas dos parâmetros pelo método dos rnomentos para uma estação e pelo método da máxima \~erossimilhançapara dezesseis estações, e para a clistribuição Log-Pearson não foi obtida a estimativa dos IIarâmetros pelo método dos momentos para uma Etstação. Para a distribuição Log-Pearson, foram c~bservadas muitas inconsistências na estimativa dos I~arâmetrospelo método da máxima verossimilhança e, (1978) IJor isso, não foi considerado no trabalho.. KITE . _ _ ^ ^ I r ^ _.._ . .L - 1 1- ..-L-.: .--rcssami quc o_ .rncwuu ua rriaxirria ______^l_____ll_lll^_-^-^ verussirriiiriaiic;a pala e,.,C"c"U' t i m ~ rn c n ~ r i m a t r n crUU l ~ rlictrihiiir?in P ~ a r c n nnem V., yU'U"'"C'"U UI.,C.I"UIYU" I "UIU"I. ..V111 Iiempre pode ser aplicado. Para pequenos valores de c:oeficiente de assimetria, a solução pode não ser I~ossível.Da mesma forma, se p < 1 a solução da máxima T~erossimilhançaé impossível. Para P > 1, o coeficiente ie assimetria não pode ser maior que 2. Finalmente, se (I coeficiente de assimetria for negativo, a distribuição I'earson tipo I11 se torna limitada superiormente, o que Iião é coerente para análises de eventos máximos. Para a distribuição Log-Normal com dois ~arâmetrose a distribuição Gumbel, os parâmetros foram stimados facilmente tanto pelo método dos momentos :omo pela máxima verossimilhança. Estabelecidos os diversos modelos, a questão que 5;urge é definir quais os modelos são válidos e qual o Inelhor modelo. A verificação do grau de ajuste pode ser fèita comparando os valores observados com valores txtimados plotados em gráficos de probabilidade ( LANNA, 1993). Este procedimento depende da posição (le plotagem e é também um critério subjetivo que dificulta .1,c:,:,,-, 1, -,lC,,I:,c,l...:,", ,., a,, ,.,,., . , ,,,,c. huc~iii~ka ua u iiiciiiui uiauiuulkau yuaiiuu >c; uaaiii valiaa teorias de probabilidade para diversas amostras de dados, como é o caso deste trabalho. Em tais casos, o ideal é utilizar critérios quantitativos. Um critério recomendado (KITE, 1978; ASSIS et al., 1996) é o uso de testes não paramétricos como o teste qui-quadrado ou o teste de Kolmogorov-Smirnov. Segundo MILLER e FREUND (1965), o teste de Kolmogorov-Smirnov é mais eficiente que o teste quiquadrado para testar o ajuste de pequenas amostras e - pode ser aplicado em casos de amostras muitcI pequenas, onde o teste qui-quadrado não se apli ca. Outra vantagens da utilização do teste de KolmogoroIV-Smirnov, em relação ao teste qui-quadrado, é o fato de não fazer o agrupamento de dados em classes e a maio r facilidade de cálculo. ASSIS et al. (1996) ressaltam que o teste de Kolmogorov-Smirnov tem como limitação o fato de que a distribuição teórica deve ser completamente conhecida, . , .. 1st0 e, os parametros nao aevem ser estimaaos com base nos dados sob análise. BENJAMIN e CORNELL (1970) afirmam que, quando os parâmetros são estiimados com base nos dados da amostra, os valores críticc1s deveriam ser reduzidos em magnitude, porém não indicam a magnitude desses valores. O teste de Kolmogorov-Smirov rejeitou, para o nível de significância de 10 %, somente a (listribuição Pearson com os parâmetros estimados pelo Imétodo dos momentos para três estações (estações númiero 8, 11 e 58), sendo que, para todas as demais distribuis:ões, o valor A . I 4. 1 I ,-., Analicnndrr-CP a- c-- - ns valnres %..-.-".&..--- n.."c d i f ~ r ~ n r entre -- - - estimados __ ,. 1- n--.. -C a , C,: , c : , , , , .,,i,r uc viiian uuacivauu iui : I I I ~ L ~ I U ava I V U I U ~C ~ ~S I ~ ~ C O S . L I I de precipitação com período de retorno de 100 anos pelos diversos métodos, observou-se que, em a lgumas estações, estas diferenças podem ser acima de 20 % e, mesmo assim, o teste de Kolmogorov-Smirr iov não rejeitou nenhuma teoria de probabilidade, parecf:ndo ser um teste não muito rigoroso. Dessa forma, foi tc:stado o ajuste da distribuição Normal aos dados de SIéries de máximas anuais, sendo que o teste de KolmiogorovSmirnov não rejeitou o ajuste para nenhuma estação, o que parece confirmar a falta de rigor do teste quiando os parâmetros são ajustados com os dados da amcIstra. Alguns autores selecionam a melhor distr ibuição, adotando aquela que fornece o menor Dmax dz do pelo teste Kolmogorov-Smirnov. No entanto, o critério de adotar a distribuição com menor erro-padrãc) parece ser mais adequado, pois considera todos os va cálculo e não apenas um único como o teste KolmiogorovSmirnov. KITE (1978) afirma que, apesar de o cálculo do erro-padrão também ter como desvant agem a . - A- n l , t q m n m rl-nnnr12n-:n rln AP u . , , que esta U G ~ G I I U G H ~ ua L ~ pualyav ub p i v L c r ~ , , . i i i , dependência possa afetar o valor absoluto da soma dos quadrados dos desvios para cada distribuição, ela não afeta a posição relativa de cada distribuição. Adotando o critério do menor erro-padrão (Tabela 2) de estimativa, observa-se que o método Gumbel-no.-,, P . L . 217 Álvaro José Back Chow foi a distribuicão aue melhor se aiustou em 60 % das esta< parâmeti verossimi estimados YVb I .V..ILL vVII. U yLYLYI.VUVU .V..II- 10 % das estações para cada distribuição. Também se Ias quinze estações com menos de vinte orze estações (93 %), a distribuição de I forneceu o melhor ajuste. UIJV -, I m 2 parâmetros (LNormal2), tipo JIí (LPearson) eGurnbe1, 218 Seleção de distribuição de probabilidade para chuvas diárias extremas do Estado de Santa Catarina estimativa (Tabela 2) e os valores de assimetria (Tabela I), verifica-se que o método de Gumbel-Chow foi o melhor método, quando os valores da assimetria observada na amostra ficaram compreendidos entre 0,59 a 1,36. de curtose para a distribuição de Gumbel são constantes com valores de 1,1396 e 5,4002, respectivamente. Dessa forma, é esperado um melhor ajuste da distribuiçãopara as séries anuais que apresentem coeficiente de assimetria 219 Álvaro José Back :curtose próximo desses valores. De modo geral, observa-se que, para as séries :om baixa assimetria e curtose, a distribuição LogVormal com 3 parâmetros apresenta o melhor ajuste, mquanto, para séries com alta assimetria e curtose, a listribuição Log-Pearson, seguida da distribuição LogVormal com 2 parâmetros, foi a que forneceu o melhor tjuste. O método da máxima verossimilhança forneceu nelhores estimativas dos parâmetros que o método dos nomentos para o Log-Normal com dois e três mâmetros. Para a distribuição de Gumbel, as estimativas )elo método da máxima verossimilhança foram superiores LO método dos momentos, e somente em duas estações t estimativa da máxima verossimilhança foi superior ao método de Gumbel-Chow, porém as d iferenças na precipitação com período de retomo de 10O anos foram inferiores a 4 %. CLARKE (1 994) afirma que o método dos momentos vinha sendo mais utilizado pelc1s hidrólogos porque é computacionalmente mais si1nples de ser calculado, antes do advento de programas estatísticos generalizados, mesmo sabendo que a estimativa por este método é muito inferior ao método da máxima verossimilhança. Nas Tabelas 3 a 6, são apresentados c1s parâmetros da distribuição de probabilidade de melhc)r ajuste bem como as precipitações estimadas para vá1rios períodos de retorno. Tabela 3. Estações que se ajustaram melhor à distribuição Gumbel com os respectivos parâmetros da distribuição e precipitação máxima com diferentes períodos de retorno Estação No 1 2 3 5 6 7 11 12 13 14 15 16 19 20 21 22 23 24 28 29 30 32 33 37 38 Distribuição Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Parâmetros T -Período de Retorno (anos) Seleção de distribuição de probabilidade para chuvas diárias extremas do Estado de Santa Catarina Continuação Tabela 3 Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-Chow Gumbel-MM Gumbel-MV Gumbel-MV labela 4. kstaçoes que se ajustaram melnor a aistriDuiçao ~og-luormaicom L parametros com os respeçiivus naremptrnr ria rlirtrihiiirãn nrprinitarãn m-íuima r n m Clifprpntec nerínrinc de retnrnn Álvaro José Back Tabela 5. Estações que se ajustaram melhor à distribuição Log-Normal com 3 parâmetros com os respectivos parâmetros da distribuição e precipitação máxima com diferentes períodos de retorno . -. 34 73 17 26 31 36 54 61 72 78 79 90 7 - . - - - - * j,84U U,SU51( 7 - e . - LNormaU-MM LNormal3-MM LNormal3-MV LNormal3-MV LNormal3-MV LNormal3-MV LNormal3-MV LNormal3-MV LNormal3-MV LNormal3-MV LNormal3-MV LNormal3-MV 8,233 5,589 6,590 5,154 6,902 4,153 3,471 5,139 3,675 3,542 3,591 - - A - - 0,0057 0,0789 0,0300 0,1380 0,0250 0,2878 0,6406 0,1530 0,684 0,5642 0,6245 -- 35,lL -3687,6 -185,l -634,3 -80,17 -901,25 9,32 25,98 -84,70 32,92 41,lO 36,87 -Período de Retorno (anos) 10 20 50 100 --,- - .- * lU6,Y 124,/ 142,b 16/,2 186,6 94,7 104,l 112,O 120,8 126,7 100,7 110,8 119,4 129,3 136,2 112,3 122,3 130,6 140,l 146,4 114,2 126,4 137,O 149,6 158,4 114,l 125,4 134,9 145,6 152,8 90,4 101,4 111,5 124,3 133,7 99,l 118,2 145,9 168,7 81,l 109,3 122,8 134,7 148,9 158,8 103,l 127,7 154,5 193,8 226,7 96,6 112,3 128,5 151,l l69,4 98,2 117,6 138,2 167,7 l92,O a - . - r - - Tabela 6. Estações que se ajustaram melhor à distribuição Pearson e Log-Pearson com os respec parâmetros da distribuição e precipitação máxima com diferentes períodos de retorno . I % G Parâmetros Distribuição a De acordo com os resultados obtidos neste trabalho, conclui-se que: 1) A distribuição de Gumbel-Chow apresentou o melhor ajuste para 60 % das estações estudadas e 93 % das estações com menos de 20 anos. n- . : . . L ) r a l a as s e r i a C U ~~a i x aassimetria e curtose, a distribuição Log-Normal com 3 parâmetros apresenta o melhor ajuste, enquanto, para séries com alta assimetria e curtose, a distribuição Log-Pearson, seguida da i i ' Y T -Período de Retomo (anos: 5 10 20 50 distribuição Log-Normal com 2 parâmet ros, foi a que forneceu o melhor ajuste. 3) O método da máxima verossimilhamça forneceu melhor estimativa dos parâmetros que (3 método dos momentos para as distribuições Log-Nomna1 com dois e três parâmetros e para a distribuição Gurnbel. 4) Apesar de a distribuição Gumbel-C how fornecer *. . . . melhor ajuste na maioria das estaçoes, não se pode generalizar a aplicação, sendo recomendável testar outras distribuições para cada série de dados. 222 Seleção de distribuição de probabilidade para chuvas diárias extremas do Estado de Santa Catarina IAS BIBLIOGRÁFICAS ARON, G. et al., Regional rainfall intensity durationfnr P o n n r x ~Il ..rU.IIU. r a n i a W s i t ~ rRPP frequency v Bull., P I I ~ T T P P .,ui I VIIIIUJ SYMPOSIUM RIVER M1ZCHANICAL IAHR. Bangkok, Procedings v. 2, p. 229-39. 1973. ... .... . T, AAWA , , , ,, A. .F , .T, ,F..,.,l,~ m ~ n t n,E c hidrologia: elementos rli n: TUCCI, C. E. Porto Alegre: '9-176. 10. ASSIS, Aplic prátic, York: McGraw-Hill, 1970.684 p. HOW, V. Handbook of applied hydrology. New York: McGraw-Hill, 1964. 1418 p. LARKE, R. T. Statistical modelling in Hydrology. Chichester: John Wiley & Sons, 1994.412 p. RUCIANI, D. E. A drenagem na agricultura. São Paulo: Nobel, 1980.333~. LTZ, F. L. F., REICHERT,. J. M., CASSOL, E. A. Período de retorno de chuvas em Santa Maria, RS. Rev. Bras. Cien. Solo, v.16,265-9, 1992. ITE, G. H. Frequency and risk analyses in hydrology. Fort Collins, Water Resources Publications, 1978.224 p. OBERG, D., EGGERS, H. Some aspect for the selections of an adequate probability distribution for flood analysis. In: INTERNATIONAL ility and statistics -Hall, 1965.432 p. watershed relationships for southwestern thunderstorms. Trans. ASAE, v.23, p.82-7, 1980. PINTO, F. A. Chuvas intensas no Estado de Miinas Gerais: análises e modelos. Viçosa, 1995. 87p. 'rese (Doutorado em Engenharia Agrícola) Universiciade Federal de Viçosa. . REICH, B. M. Short-duration rainfall-intensity estimiates and other design aids for regions of sparse datia. J. Hydrol. v. 1. p.3-28, 1963. SEVRUK, B. GEIGER, H. Selection of distribution for extremes of precipitation. In: WOR METEOROLOGICAL ORGANIZATI REPORT, 15. 1981, Geneva, 65p. TRENT, R. E., DICKERSON, W. H. Stc)rm characteristic and Rainfall Intensity in \Vest Virginia. West Virginia Univ. Bull. Ser. v.77, n. 12-2, p. 1-60, 1976. (Information Report 8). t