Variabilidade espacial e temporal de dados termopluviométricos diários da rede de estações agrometeorológicas do Instituto Agronômico (IAC) Spatial and temporal variability of daily air temperature and precipitation data of the IAC weather station network, São Paulo State, Brazil

• Main Authors: Marcelo Bento Paes de Camargo, Orivaldo Brunini, Mário José Pedro Junior, Ludmila Bardin
• Format: Article
• Language: English
• Published: Instituto Agronômico de Campinas 2005-01-01
• Series: Bragantia
• Subjects: temperatura máxima e mínima do ar; variabilidade temporal e espacial; controle de qualidade; estimativa de erros; rede de estações; caracterização climática; maximum and minimum air temperature; rainfall; spatial and temporal variability; quality control; weather station networks; estimation error; climate characterization
• Online Access: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0006-87052005000300018
• ISSN: 0006-8705; 1678-4499

Programas de análise de consistência de dados são utilizados, normalmente, por redes de estações agrometeorológicas para controle de qualidade, para identificar dados com problemas e fornecer estimativas consistentes, com base em dados de outras estações próximas. Os sistemas modernos de controle de qualidade de rede de estações meteorológicas requerem porém maior conhecimento da variabilidade espacial e temporal dos dados meteorológicos diários regionais, para serem utilizados nos sistemas matemáticos de interpolação de dados necessários a fim de identificar dados suspeitos ou na estimativa de dados perdidos. O objetivo deste trabalho foi quantificar a variabilidade espacial e temporal de dados diários de temperatura do ar máxima, média e mínima e de precipitação pluvial no Estado de São Paulo, para servir de subsídio ao desenvolvimento de sistema de controle de qualidade e de limites de intervalos de confiança. Foram utilizados dados de 19 estações agrometeorológicas do IAC, em um período total de 20 anos (1981/2000), sendo Campinas considerada a estação central. Análises de regressão mensais foram realizadas com base nos dados diários da estação central e cada uma das demais estações, considerando as respectivas distâncias lineares, que variaram de 0 a 436 km, nas quais foram obtidos valores de coeficientes de determinação (R²) e de erro-padrão de estimativa (SEE) para os elementos considerados. Pelos resultados, à medida que as distâncias aumentam, menores são os valores de R² e maiores os valores de SEE, seguindo diferentes funções, que variaram segundo o elemento meteorológico e a época do ano. Quanto à variabilidade temporal, os meses com maiores valores de SEE para temperaturas máximas e mínimas (TMAX e TMIN) foram os de primavera e inverno respectivamente. Considerando 150 km de distância, a TMAX indicou valores de SEE até de 3,0 &deg;C e TMIN de até 2,3 &deg;C. Para precipitação pluvial, observaram-se valores menores de SEE durante o inverno, de até 4 mm, e valores mais elevados, de até 15 mm, durante o verão. Pelas análises, os limites máximos de distâncias admitidos para explicar mais de 90% das variações dos elementos termopluviométricos entre locais foram para TMAX, 80 km (primavera-verão) e 90 km (outono-inverno); para TMIN são necessários 55 km para os meses de verão, 75 km para inverno-primavera e 90 km durante o outono. Para dados pluviométricos, as distâncias de até 12 km explicam 90% da variação para os meses de verão, até 20 km para os de primavera e outono e de até 27 km para os de inverno.<br>Ensuring continuous, good quality data from weather station networks requires a knowledge of spatial and temporal variability. This knowledge is essential to identify suspect data and provide estimates for data gaps. This study was conducted aiming to quantify and contrast the spatial and temporal variability for daily weather variables for a tropical climatic condition of the Instituto Agronômico (IAC) weather station network, located in the State of São Paulo, Brazil. For a period of 20 years (1981-2000) data were available from 19 weather stations. The daily meteorological variables studied were maximum and minimum air temperature and precipitation. In the spatial analysis, a central station was paired with each of the other stations in the area. The coefficient of variation (R²) and standard error of estimate (SEE) were calculated by regression of daily measurements between pairs of the same weather variables for various station within the area. The SEE and R² were plotted against linear distance from the central station. Best fit lines were determined for the variograms (R²) and errograms (SEE). Analysis were performed for each month. Generally, the R² decreased while the SEE increased with distance of separation between sites. A significant seasonal cycle was found in the SEE data for maximum and minimum air temperature and precipitation. Results indicated that the accuracy of estimated data and associated confidence limits varied with time of the year. As linear distance between sites increased, the SEE for maximum and minimum air temperature were greater, especially during the spring and winter seasons, respectively. The SEE data for precipitation were greater during the summer season. For 150 km of distance, the maximum air temperature presented SEE data values up to 3.0&deg;C and 2.3&deg;C during the spring and summer seasons, respectivelly, while precipitation presented SEE data values up to 4 and 15mm during winter and summer seasons, respectivelly. Based on the analysis of climate data from the tropical conditions of the State of São Paulo, spacing requirements varied with time of the year. An 80 km spacing is required to explain 90% of the variation between sites, for maximum daily air temperature during the spring and summer months, and 90 km for autumn and winter; while for minimum air temperature that spacing reduces to 55 km during the summer, 75 km for winter and spring, and increases to more than 90 km during the autumn. A 27 km spacing is required to explain the variation for precipitation during the winter season, up to 20 km for spring and autumn, but during the summer the spacing reduces to 12 km.