Um modelo para dados geoestatísticos: uma aplicação na temperatura das Regiões Sul e Sudeste do Brasil

Abstract

A temperatura compensada média é um dos elementos meteorológicos mais importantes por ser uma alternativa para explicar a temperatura local com apenas algumas observações diárias. A partir do pressuposto de que a temperatura compensada média é georreferenciada, ferramentas da análise espacial foram utilizadas para visualizar o seu comportamento, modelar e realizar predição espacial, durante o inverno e o verão para as regiões Sul e Sudeste do Brasil. As análises foram feitas sob os enfoques frequentista e Bayesiano. Os dados usados foram obtidos pelo BDMEP (Banco de dados meteorológicos para ensino e pesquisa) que é fornecido pelo INMET (Instituto Nacional de Meteorologia) para um período de três anos. Como este estudo não lida com o tempo em sua análise, as observações da temperatura compensada média foram trabalhadas de forma a laborar com a média da variável por estação meteorológica tanto para o verão como para o inverno. Ferramentas da análise exploratória evidenciaram certa dependência espacial nos dados, porém se ajustada uma superfície de tendência quadrática, esta dependência enfraquecia exigindo que fosse testado um modelo que não incluísse estrutura de dependência espacial. Quatro modelos foram ajustados sob enfoque frequentista e, para ambas estações do ano, o modelo Gaussiano supondo superfície de tendência quadrática foi considerado o de melhor ajuste. O ajuste Bayesiano foi feito apenas para o modelo que teve melhor desempenho. Ao comparar os ajustes, para as duas estações do ano, as estimativas referentes aos parâmetros da estrutura de segunda ordem foram os que apresentaram maior discrepância, sendo as estimativas Bayesianas maiores que as frequentistas. Finalmente, foi realizada a predição espacial e o comportamento da temperatura compensada média foi bem similar para ambos os enfoques. Predições para o verão foram bem homogêneas sobre toda região. Para o inverno, a conduta dos valores previstos não foi intuitiva mostrando menores valores para regiões ao norte do mapa