Validação da Imputação Múltipla via Predictive Mean Matching para Preenchimento de Falhas nos Dados Pluviométricos da Bacia do Médio São Francisco

Autores

  • Laurizio Emanuel Ribeiro Alves Universidade Federal de Alagoas, Instituto de Ciências Atmosféricas, Programa de Pós-Graduação em Meteorologia, Av. Lourival Melo Mota, s/n, 57072-970, Maceió, AL, Brasil
  • Heliofábio Barros Gomes Universidade Federal de Alagoas, Instituto de Ciências Atmosféricas, Av. Lourival Melo Mota, s/n, 57072-970, Maceió, AL, Brasil

DOI:

https://doi.org/10.11137/2020_1_199_206

Palavras-chave:

Chuva, Série sintética, Testes estatísticos

Resumo

Um dos principais problemas atualmente para analisar longas séries de dados no Brasil é a falta de um banco de dados diários consistentes de estações meteorológicas. Diante disso, o objetivo deste trabalho é avaliar a acurácia do método de imputação múltipla Predictive Mean Matching (PMM) no preenchimento de dados faltantes de séries diárias de precipitação para a Bacia Hidrográfica do Médio São Francisco (BMSF). Para isso foram adquiridos dados diários de chuva cedidos pelo Instituto Nacional de Meteorologia (INMET) das estações de Bom Jesus da Lapa (BA), Carinhanha (BA), João Pinheiro (MG), Remanso (BA) e Unaí (MG), para o período de 2001 a 2017. Em seguida, dois cenários foram criados com 5% e 15% de falhas para avaliar a precisão do método PMM no preenchimento de dados faltantes. As séries originais, sem falhas, e as preenchidas pelo método adotado apresentaram uma correlação alta (r > 0,80), que consiste numa boa relação entre elas. O coeficiente de determinação (R2) foi de 0,7 (0,6) para 5% (15%) de falhas. Além disso, o Erro Médio Absoluto e o Erro Quadrático Médio foram baixos para todas as estações. Também foi aplicado o teste de Wilcoxon, o qual verificou a boa acurácia na aplicação do método PMM para preencher os dados faltantes de chuva.

Downloads

Publicado

2020-04-23

Edição

Seção

Artigos