Modelagem de vazão e precipitação no rio Aguapeí via cópulas

Abstract

O foco deste estudo é modelar a vazão e a precipitação do Rio Aguapeí usando a metodologia de cópulas. A vazão, definida como o volume de água que passa por uma seção transversal de um rio em um determinado período, é influenciada diretamente pela precipitação. Este estudo visa explorar a relação entre essas duas variáveis usando distribuições univariadas Gamma, Weibull e de valor extremo (Gumbel). Os dados utilizados incluíram medições locais e bases de dados meteorológicos. A análise ajusta as distribuições aos dados de precipitação e vazão usando técnicas estatísticas avançadas. Além disso, a teoria das cópulas é usada para representar a relação entre essas variáveis. A técnica escolhida permite superar os limites dos métodos tradicionais que ignoram a estrutura de dependência ao capturar de forma precisa a complexa relação entre precipitação e vazão. Os resultados mostram que as distribuições marginais escolhidas são adequadas para os dados em questão, e as distribuições conjunta via copula construídas mostram que a probabilidade dos eventos terem valores moderados e baixos é maior, o que mostra que a probabilidade de eventos extremos ocorrerem é baixa. A modelagem precisa também pode ajudar na criação de estratégias de mitigação e adaptação para lidar com mudanças climáticas e eventos hidrológicos perigosos. Este estudo é uma aplicação de técnicas estatísticas modernas no campo da hidrologia, destacando a importância de considerar distribuições conjuntas para uma análise mais robusta e precisa das variáveis ambientais.

The focus of this study is to model the flow and precipitation of the Aguapeí River using the copula methodology. Flow, defined as the volume of water passing through a cross-section of a river over a given period, is directly influenced by precipitation. This study aims to explore the relationship between these two variables using univariate Gamma, Weibull, and extreme value (Gumbel) distributions. The data used included local measurements and meteorological databases. The analysis adjusts the distributions to the precipitation and flow data using advanced statistical techniques. Additionally, copula theory is used to represent the relationship between these variables. The chosen technique allows overcoming the limitations of traditional methods that ignore the dependency structure by accurately capturing the complex relationship between precipitation and flow. The results show that the chosen marginal distributions are adequate for the data in question, and the joint distributions via copula constructed show that the probability of events having moderate and low values is higher, indicating that the probability of extreme events occurring is low. Accurate modeling can also help in creating mitigation and adaptation strategies to deal with climate change and hazardous hydrological events. This study is an application of modern statistical techniques in the field of hydrology, highlighting the importance of considering joint distributions for a more robust and accurate analysis of environmental variables.