radiação solar normal, log-normal, gama, gumbel e weibull
-
Upload
eliakim-araujo -
Category
Documents
-
view
35 -
download
0
Transcript of radiação solar normal, log-normal, gama, gumbel e weibull
Pesq. agropec. bras., Brasília, v.39, n.12, p.1157-1166, dez. 2004
Distribuição de probabilidade da radiação solar global 1157
Ajustes de funções de distribuição de probabilidade à radiação solarglobal no Estado do Rio Grande do Sul
Alberto Cargnelutti Filho(1), Ronaldo Matzenauer(1) e Júlio Kuhn da Trindade(2)
(1)Fundação Estadual de Pesquisa Agropecuária, Rua Gonçalves Dias, 570, Bairro Menino Deus, CEP 90130-060 Porto Alegre, RS. E-mail:[email protected], [email protected] (2)Universidade Federal do Rio Grande do Sul, Av. BentoGonçalves, 7712, Bairro Agronomia, CEP 91501-970 Porto Alegre, RS. E-mail: [email protected]
Resumo – O objetivo deste trabalho foi verificar o ajuste das séries de dados de radiação solar global médiadecendial, de 22 municípios do Estado do Rio Grande do Sul, às funções de distribuições de probabilidadenormal, log-normal, gama, gumbel e weibull. Aplicou-se o teste de aderência de Kolmogorov-Smirnov, nas 792séries de dados (22 municípios x 36 decêndios) de radiação solar global média decendial, para verificar o ajustedos dados às distribuições normal, log-normal, gama, gumbel e weibull, totalizando 3.960 testes. Os dadosdecendiais de radiação solar global média se ajustam às funções de distribuições de probabilidade normal, log-normal, gama, gumbel e weibull, e apresentam melhor ajuste à função de distribuição de probabilidade normal.
Termos para indexação: modelagem, redução de riscos.
Adjustments of probability distribution functions to global solar radiation in Rio Grande do Sul State
Abstract – The objective of this work was to verify the adjustment of data series for average global solarradiation to the normal, log-normal, gamma, gumbel and weibull probability distribution functions. Data werecollected from 22 cities in Rio Grande do Sul State, Brazil. The Kolmogorov-Smirnov test was applied in the 792series of data (22 localities x 36 periods of ten days) of average global solar radiation to verify the adjustment ofthe data to the normal, log-normal, gamma, gumbel and weibull probability distribution functions, totalizing 3,960tests. The data of average global solar radiation adjust to the normal, log-normal, gamma, gumbel and weibullprobability distribution functions, and present a better adjustment to the normal probability function.
Index terms: modelling, risk reduction.
Introdução
O conhecimento do comportamento da precipitaçãopluvial, temperatura e umidade relativa do ar, evapora-ção, direção e velocidade do vento, radiação solar glo-bal, ocorrência de orvalho, nevoeiro, granizo, geada eneve, entre outros, é um importante instrumento na to-mada de decisões relacionadas às atividadesagropecuárias. Entre essas variáveis climáticas, a radi-ação solar global, definida como o total de energia emiti-da pelo sol, que incide sobre a superfície terrestre, comcomprimento de onda compreendido entre 150 e 4.000 nm(Rosenberg, 1974; Slater, 1980), é fundamental, princi-palmente em relação às atividades agropecuárias.
A simples visualização dos dados amostrais de umavariável em um histograma de freqüência é insuficientepara inferir, entre as diversas funções de distribuição de
probabilidade conhecidas, a que melhor se ajusta aosdados em estudo. Portanto, faz-se necessário o uso detestes de aderência para verificar se a distribuição deprobabilidade dos dados de uma variável em análise podeser estudada por uma função de distribuição de proba-bilidade conhecida.
Existem diversas funções de distribuições de proba-bilidade para variáveis aleatórias discretas e contínuas.Entre as que se ajustam a dados discretos estão abernoulli, binomial, binomial negativa, hipergeométrica,geométrica e poisson. Já as distribuições uniforme, nor-mal, log-normal, gama, valores extremos ou gumbel,weibull, exponencial, beta, qui-quadrado, t de Student, Fde Snedecor, entre outras, podem ser ajustadas a sériede dados amostrais de variáveis aleatórias contínuas.Estudos de ajustes de função de distribuição de proba-bilidade ou estimativas de probabilidade usando funções
Pesq. agropec. bras., Brasília, v.39, n.12, p.1157-1166, dez. 2004
A. Cargnelutti Filho et al.1158
de distribuição de probabilidade teóricas em relação avariáveis climáticas, como precipitação pluvial (Berlato,1987; Assad & Castro, 1991; Assis, 1991, 1993; Castro,1996; Ávila et al., 1996; Botelho & Morais, 1999;Catalunha et al., 2002), temperatura do ar (Mota et al.,1999; Buriol et al., 2000b, 2000c) e radiação solar (Buriolet al., 2000a, 2001) têm sido desenvolvidos, enfatizandoos benefícios no planejamento de atividades queminimizem riscos climáticos.
Testes de aderência, como o qui-quadrado,Kolmogorov-Smirnov, Lilliefors, Shapiro-Wilk, Cramer-von Mises (Campos, 1983; Assis et al., 1996; Morettin& Bussab, 2004), servem para comparar as probabili-dades empíricas de uma variável com as probabilidadesteóricas estimadas pela função de distribuição em teste,verificando se os valores da amostra podem razoavel-mente ser considerados como provenientes de uma po-pulação com aquela distribuição teórica. Nos testes deaderência, a hipótese nula (H0) admite que a distribui-ção seja a especificada (normal, log-normal, gama eoutras), com os seus parâmetros estimados com basenos dados amostrais (Assis et al., 1996; Catalunhaet al., 2002). Existem diferenças entre os testes deaderência, quanto à probabilidade de rejeitar H0, quan-do efetivamente H0 é falsa (1 - β ). Os testes de qui-quadrado e de Kolmogorov-Smirnov são amplamen-te utilizados (Assis et al, 1996), sendo o primeiro,normalmente, mais eficaz que o segundo (Catalunhaet al., 2002). Já o teste de Lilliefors (Campos, 1983)é mais eficaz que o teste de Kolmogorov-Smirnov,porém é específico para verificar a aderência dosdados amostrais à distribuição normal. Os testes deShapiro-Wilk e Cramer-von Mises também diferen-ciam-se quanto à sua eficácia.
O teste de aderência de qui-quadrado apresenta limi-tações. Por exemplo, a freqüência de uma classe nãopode ser inferior a cinco e os dados são agrupados emclasses perdendo informações, o que não ocorre no tes-te de Kolmogorov-Smirnov, que além de poder ser rea-lizado com os dados agrupados, pode também ser reali-zado com os dados isoladamente, sendo normalmentemais eficiente que o qui-quadrado em pequenas amos-tras, ou seja, menos de 30 observações (Campos, 1983).O teste de Kolmogorov-Smirnov é baseado no móduloda maior diferença entre a probabilidade observada e aestimada, que é comparada com um valor tabelado deacordo com o número de observações da série sob tes-te (Catalunha et al., 2002).
O objetivo deste trabalho foi verificar o ajuste dasséries de dados de radiação solar global média decendialde 22 municípios do Estado do Rio Grande do Sul àsfunções de distribuições de probabilidade normal, log-normal, gama, gumbel e weibull.
Material e Métodos
Os dados de radiação solar global das 22 estaçõesmeteorológicas, localizadas em 22 municípios do Es-tado do Rio Grande do Sul, foram obtidos no Bancode Dados do Laboratório de Agrometeorologia, daFundação Estadual de Pesquisa Agropecuária –Fepagro/SCT-RS (Tabela 1).
Os dados de radiação solar global foram coletadosno período de 1956 a 2003, totalizando 47 anos deobservações. Em cada município, com os dados diá-rios de radiação solar global, estimou-se a médiadecendial dos 36 decêndios do ano (1o decêndio dejaneiro até 3o decêndio de dezembro), formando 792séries temporais (22 municípios x 36 decêndios), comnúmero diferenciado de anos de observações emcada série em função da disponibilidade dos dadosmeteorológicos (Tabela 1).
Aplicou-se o teste de aderência de Kolmogorov-Smirnov (Campos, 1983; Assis et al., 1996) nas 792 sé-ries de dados de radiação solar global média decendial,para verificar o ajuste dos dados às distribuições nor-mal, log-normal, gama, gumbel e weibull (Assis et al.,1996; Morettin & Bussab, 2004; Spiegel et al., 2004),totalizando 3.960 testes (792 séries de dados x 5 distri-buições).
A partir das coordenadas geográficas das estaçõesmeteorológicas dos 22 municípios, realizou-se ainterpolação de isolinhas da radiação solar global médiadecendial de cada mês e decêndio, com o auxílio doaplicativo Surfer 7.0.
Resultados e Discussão
O valor da estatística D máximo do teste de aderên-cia de Kolmogorov-Smirnov (Campos, 1983; Assis et al.,1996; Morettin & Bussab, 2004) informa a máxima dis-tância entre as probabilidades empíricas e as teóricasobtidas sob a função de distribuição de probabilidadeem teste. Assim, menores valores da estatística forne-cem maiores valores de p-valor e, conseqüentemente,maior evidência de não-rejeição da hipótese nula (H0),
Pesq. agropec. bras., Brasília, v.39, n.12, p.1157-1166, dez. 2004
Distribuição de probabilidade da radiação solar global 1159
ou seja, maior aderência dos dados à distribuição emteste.
Independentemente da função de distribuição deprobabilidade (normal, log-normal, gama, gumbel eweibull), 3.691 (93,21%), dos 3.960 casos analisados(cinco distribuições x 22 municípios x 36 decêndios),se ajustaram às funções de distribuições de probabi-lidades testadas com p-valor≥0,20, ou seja, com boaaderência (Tabela 2). No nível de significância doteste de 0,05, ou seja, com probabilidade de um errotipo I de 0,05, o número de séries de dados que nãorejeitaram H0, isto é, os dados que se ajustam à dis-tribuição em teste, elevou-se para 3.914 (98,84%).Portanto, apenas 1,16% dos casos não aderiram anenhuma das distribuições neste nível designificância. Assim, pode-se inferir que entre as cin-co distribuições testadas, os parâmetros de qualquer
uma delas poderiam ser utilizados para representar ocomportamento da radiação solar global médiadecendial. Porém, a obtenção da estimativa dosparâmetros dessas distribuições e a estimativa dasprobabilidades diferem quanto ao grau de dificulda-de. Então, convém verificar qual das funções estu-dadas tem o melhor ajuste, podendo a mesma coinci-dir com uma distribuição que apresente menor difi-culdade de obtenção dos parâmetros e ainda, facili-dade nas estimativas de probabilidades.
Entre as cinco funções de distribuições de proba-bilidades testadas na classe de p-valor≥0,20, a distri-buição normal apresentou o maior número de ade-rências (782 séries de dados), ou seja, apenas dezséries de dados não se ajustaram à distribuição nor-mal, em nível de significância de 0,20. No entanto,os dez casos se ajustaram com p-valor≥0,10, eviden-
Tabela 1. Coordenadas geográficas das estações meteorológicas localizadas em 22 municípios do Estado do Rio Grande do Sul,período de coleta dos dados de radiação solar global média decendial e número de observações (mínimo, máximo e médio) entreas 36 séries (decêndios) de dados em cada município.
(1)Fonte: Instituto de Pesquisas Agronômicas (1989).
Alegrete
Cachoeirinha
Caxias do Sul
Cruz Alta
Encruzilhada do Sul
Erechim
Farroupilha
Ijuí
Júlio de Castilhos
Santana do Livramento
Maquiné
Passo Fundo
Quaraí
Rio Grande
Santa Maria
Santa Rosa
São Borja
São Gabriel
Taquari
Uruguaiana
Vacaria
Veranópolis
Todos os municípios
55°46'59"
51°04'22"
51°12'21"
53º36'34"
52º31'20"
52º16'33"
51°26'20"
53°54'50"
53º40'45"
55º31'56"
50°13'56"
52°24'45"
56°26'53"
52º15'37"
53°48'42"
54º29'03"
56º00'15"
54º19'01"
51°49'30"
57°05'12"
50°56'12"
51°33'11"
29°46'59"
29°57'36"
29°10'25"
28º38'21"
30º32'35"
27º37'46"
29°14'30"
28°23'17"
29º13'26"
30º53'18"
29°40'49"
28º15'41"
30°23'17"
32º01'44"
29°41'25"
27º51'50"
28º39'44"
30º27'27"
29°48'15"
29°45'23"
28°30'09"
28°56'14"
96
4
787
473
420
760
702
448
514
210
32
709
100
15
95
273
99
109
76
74
955
705
17
27
16
23
35
23
29
25
39
15
37
43
31
33
31
22
38
35
37
22
22
30
29
20
27
17
24
37
25
30
27
41
16
38
43
33
35
33
24
41
37
38
24
24
32
43
15
26
16
21
33
20
27
20
38
13
35
43
29
30
29
21
35
31
35
20
19
29
13
1968–2001
1975–2002
1987–2003
1974–1998
1958–1999
1966–1991
1963–1996
1963–1990
1956–1996
1965–1981
1957–1997
1961–2003
1966–2000
1956–1997
1965–1998
1975–1999
1956–2000
1963–2000
1963–2000
1963–1991
1966–1990
1956–1999
Município Coordenadas geográficas(1) Número de observações
MédioMáximoMínimo
Período
Altitude (m) Latitude (S) Longitude (W)
Pesq. agropec. bras., Brasília, v.39, n.12, p.1157-1166, dez. 2004
A. Cargnelutti Filho et al.1160
ciando boa aderência dos dados a esta distribuição.Em outro extremo, a distribuição weibull apresentouos menores índices de aderência. Esta distribuiçãoapontou 41 dos 46 casos com p-valor<0,05.As demais distribuições (log-normal, gama e gumbel)estão em situações intermediárias (Tabela 3).
O teste de aderência de Kolmogorov-Smirnov re-velou a distribuição normal como a mais adequadaao estudo para representar radiação solar globalmédia decendial, bastando estimar os parâmetrosdesta distribuição (média e desvio-padrão) para oscálculos de probabilidade dentro de limites de inter-valos desejados.
As estimativas dos parâmetros média ( µ̂ ) e desvio-padrão (�̂) da radiação solar global média decendial emcada decêndio e município (Tabela 4) possibilitam esti-mar as probabilidades acima ou abaixo de qualquer va-lor de radiação solar global média decendial, visandominimização de riscos. Assim, a probabilidade da radia-
ção solar global média decendial ser menor ou igual a511 cal cm-2 dia-1 no primeiro decêndio de janeiro nomunicípio de Alegrete é de 50%.
De maneira geral, a radiação solar global médiadecendial apresentou maiores valores no primeiro eúltimo mês do ano, ocorrendo diminuição nos meses dejunho e julho. Resultado semelhante foi encontrado porBergamaschi et al. (2003) em Eldorado do Sul, RS. Istoocorreu por causa do solstício de verão que acontece nasegunda quinzena de dezembro, com redução gradativada insolação e aumento da declinação solar até o solstíciode inverno, na segunda quinzena de junho.
De modo geral, na primavera e no verão, ocorreu umaumento da radiação solar global média decendial nosentido Nordeste-Sudoeste e nos meses de maio, junho,julho e agosto uma diminuição no sentido Norte-Sul. János meses de março e abril, a maior radiação solar glo-bal média decendial ocorreu na Região Central do RioGrande do Sul (Figuras 1, 2 e 3).
p-valor
p<0,01
p<0,05
p<0,10
p<0,15
p<0,20
p≥0,20
18
28
61
76
86
3.691
fi
Fi
fri (%) Fr
i (%)
18
46
107
183
269
3.960
0,45
0,71
1,54
1,92
2,17
93,21
0,45
1,16
2,70
4,62
6,79
100,00
Tabela 2. Frequência absoluta (fi), frequência acumulada (Fi), frequência relativa absoluta (fri) e frequência relativa acumulada(Fri) de ajustes das 792 séries de dados de radiação solar global média decendial às funções de distribuições deprobabilidade normal, log-normal, gama, gumbel e weibull em 22 municípios do Estado do Rio Grande do Sul, em cadaclasse de p-valor, pelo teste de aderência de Kolmogorov-Smirnov.
Tabela 3. Frequência absoluta (fi) e frequência relativa absoluta (fri) de casos em que os dados de 792 séries de radiaçãosolar global média decendial se ajustaram às funções de distribuições de probabilidade normal, log-normal, gama,gumbel e weibull, em 22 municípios do Estado do Rio Grande do Sul, em cada classe de p-valor pelo teste de aderênciade Kolmogorov-Smirnov.
p-valor Log-normal Weibull
p<0,01
p<0,05
p<0,10
p<0,15
p<0,20
p≥0,20
Total
fi
0
3
6
12
23
748
792
fri
0,00
0,00
0,00
0,51
0,76
98,74
100,00
fi
0
0
0
4
6
782
792
GamaNormal Gumbel
fri
0,00
0,38
0,76
1,52
2,90
94,44
100,00
fi
0
0
6
7
13
766
792
fri
0,00
0,00
0,76
0,88
1,64
96,72
100,00
fi
0
2
13
25
24
728
792
fri
0,00
0,25
1,64
3,16
3,03
91,92
100,00
fi
18
23
36
28
20
667
792
fri
2,27
2,90
4,55
3,54
2,53
84,22
100,00
Pesq. agropec. bras., Brasília, v.39, n.12, p.1157-1166, dez. 2004
Distribuição de probabilidade da radiação solar global 1161
Tabe
la 4
. Est
imat
iva
dos
parâ
met
ros
méd
ia ( �̂
) e d
esvi
o-pa
drão
(�̂
) da
radi
ação
sol
ar g
loba
l méd
ia d
ecen
dial
, em
cal
cm
-2 d
ia-1
, de
cada
mun
icíp
io e
dec
êndi
o do
Est
ado
do R
io G
rand
e do
Sul
.
Dec
êndi
oM
ês
Jan.
Fev.
Mar
.
Abr
.
Mai
o
Jun.
Jul.
Ago
.
Set.
Out
.
Nov
.
Dez
.
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
511
484
485
453
425
449
408
365
369
355
303
305
255
238
231
200
179
184
199
213
230
224
266
287
308
319
354
378
411
427
418
502
479
489
508
510
�̂
526
497
484
470
462
443
431
410
374
353
302
292
267
250
238
223
207
210
203
223
237
229
251
273
318
315
342
381
415
427
448
502
508
485
514
513
73 82 78 90 67 79 56 59 49 63 54 49 37 31 39 29 38 39 37 50 51 52 67 57 67 62 59 67 70 69 82 58 68 76 53 66
Ale
gret
eC
acho
eiri
nha
Cax
ias
do S
ulC
ruz
Alt
aE
ncru
zilh
ada
do S
ulE
rech
imF
arro
pilh
aIj
uíJú
lio
deC
asti
lhos
San
tana
do
Liv
ram
ento
Maq
uiné
�̂�̂
428
403
382
380
382
363
351
348
310
294
239
234
227
202
198
188
173
179
163
197
200
210
230
245
270
274
280
322
330
371
384
422
418
418
428
426
52 60 67 82 43 65 60 51 45 52 45 56 37 27 29 31 26 32 38 39 28 37 41 32 52 47 68 49 68 63 77 64 71 54 53 64
�̂�̂
�̂�̂
508
503
478
489
473
439
439
403
389
355
302
305
268
238
237
220
209
210
219
231
245
236
277
308
344
320
340
388
420
431
455
467
511
532
527
522
71 98 99 87 73 116 73 88 66 83 61 73 49 47 46 43 55 39 58 47 51 58 56 58 64 65 94 82 88 84 95 87 70 93 76 95
�̂�̂
477
510
478
459
432
428
418
372
356
332
303
296
281
242
239
206
207
211
199
206
222
223
258
259
291
293
327
363
398
407
437
483
487
476
490
499
89 90 84 81 107 88 64 70 73 65 80 60 60 57 56 61 52 49 51 44 56 66 63 55 83 61 69 64 76 94 79 72 84 79 74 91
�̂�̂
462
468
464
479
434
417
425
375
371
334
323
312
280
277
265
222
228
217
226
241
266
263
278
301
332
311
354
384
410
431
439
466
482
488
484
488
107
121
102 95 90 96 50 80 79 68 63 59 68 63 50 60 46 54 48 51 63 60 65 63 56 86 65 78 72 76 86 68 80 52 84 89
�̂�̂
450
450
441
436
409
412
388
360
324
312
279
266
242
224
212
194
192
192
199
208
223
223
228
242
292
277
303
346
377
364
402
425
429
444
446
457
63 87 69 68 65 84 62 72 59 63 51 53 48 40 44 42 37 45 38 32 37 47 60 43 69 71 82 59 66 69 54 62 54 60 73 67
�̂�̂
527
538
529
511
475
462
475
432
405
379
336
327
285
275
256
223
219
224
223
232
269
261
277
296
336
333
389
432
476
467
453
514
517
539
539
568
93 121
102 70 94 121 65 80 80 92 80 80 65 62 57 57 46 51 64 42 58 63 64 66 91 89 95 100 96 76 110 83 104 86 80 70
�̂�̂
492
488
461
466
444
427
415
380
358
321
290
278
260
232
223
203
204
199
194
210
225
230
251
272
300
291
341
373
410
422
445
482
483
506
505
506
124
127
118
105
122
113
113
100 85 76 60 61 69 62 60 65 59 52 56 53 65 62 65 82 87 84 94 90 77 97 108 87 107
109
112
115
�̂�̂
478
489
470
451
416
443
397
367
354
342
306
296
253
226
213
194
186
174
183
183
193
210
257
280
319
313
356
370
408
409
429
472
473
498
486
503
63 63 84 79 75 72 55 29 51 47 45 44 36 32 30 46 44 36 55 35 40 46 57 48 55 49 44 91 62 66 80 65 45 71 59 52
�̂�̂
421
421
394
402
361
376
350
352
321
297
282
265
249
223
219
209
202
194
186
217
216
228
249
251
275
263
292
329
347
357
386
388
410
412
424
434
101
105 84 78 93 97 80 86 81 72 69 72 71 57 63 60 49 48 47 58 46 69 78 72 92 77 69 76 88 94 106
105
106
103 91 116
85 99 52 58 82 64 62 54 49 39 44 43 39 44 40 58 45 38 38 49 42 58 46 36 53 75 65 81 49 41 66 75 51 114 59 84�̂
Con
tinu
a...
Pesq. agropec. bras., Brasília, v.39, n.12, p.1157-1166, dez. 2004
A. Cargnelutti Filho et al.1162
Tabe
la 4
. Con
tinua
ção.
Dec
êndi
oM
ês
Jan.
Fev.
Mar
.
Abr
.
Mai
o
Jun.
Jul.
Ago
.
Set.
Out
.
Nov
.
Dez
.
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
519
518
499
477
464
468
418
415
388
342
320
323
270
263
265
223
213
225
223
234
245
280
286
275
339
313
336
396
417
426
474
498
501
525
530
527
�̂
519
517
490
463
471
450
435
403
384
358
320
309
288
252
248
222
212
223
225
230
242
253
296
311
351
353
386
407
443
450
464
523
521
535
533
536
90 93 76 76 80 84 86 71 75 47 59 59 47 57 52 60 45 55 55 58 67 64 56 48 69 73 62 78 56 59 81 77 75 84 73 74
Pas
soF
undo
Qua
raí
Rio
Gra
nde
Sant
aM
aria
Sant
aR
osa
São
Bor
jaSã
oG
abri
elTa
quar
iU
rugu
aian
aV
acar
iaV
eran
ópol
is
�̂�̂
461
474
461
451
425
407
390
373
363
311
286
284
247
225
209
187
186
170
177
185
191
208
244
249
271
293
322
339
368
393
405
437
459
471
493
492
100
105
118
100 95 125 71 70 81 59 60 56 49 43 52 49 45 40 54 43 41 64 48 64 75 71 75 70 69 97 95 100 96 87 101
117
�̂�̂
�̂�̂
461
465
440
431
410
395
461
465
440
431
410
395
254
226
216
191
186
187
189
198
208
212
238
258
298
284
321
348
392
382
398
452
447
465
471
475
66 77 74 70 80 87 66 77 74 70 80 87 48 47 46 44 42 36 39 45 43 52 52 54 60 57 67 68 71 71 78 71 57 56 65 69
�̂�̂
491
471
461
458
436
405
409
381
354
329
283
271
282
253
239
208
208
212
189
216
236
237
256
272
296
300
310
355
389
395
400
443
461
468
475
475
67 81 47 73 78 69 66 64 63 52 56 47 89 68 57 41 43 48 58 65 56 65 75 67 80 71 70 62 75 62 83 57 93 70 60 67
�̂�̂
510
507
476
460
444
430
418
399
380
336
303
293
281
251
248
215
208
217
214
224
240
248
282
292
331
325
355
387
431
440
449
483
499
499
504
520
86 81 73 83 92 86 84 67 66 75 68 58 54 55 46 51 41 44 46 52 46 53 53 62 74 62 73 58 71 70 80 82 72 78 79 80
�̂�̂
511
504
469
454
446
430
420
391
369
335
294
287
269
252
233
207
196
195
202
207
230
230
268
277
313
338
354
390
425
429
431
487
500
495
513
516
62 57 64 79 67 75 54 49 50 59 66 41 45 33 45 50 32 36 46 43 43 51 44 47 70 72 56 80 73 62 86 74 63 59 53 74
�̂�̂
490
493
462
454
427
429
400
385
349
332
295
281
261
238
226
202
197
197
195
210
224
226
252
264
300
298
332
365
398
408
435
471
481
473
489
493
56 66 57 51 64 67 46 64 55 48 45 48 39 41 36 42 35 30 33 44 45 42 58 51 74 55 66 53 59 51 71 55 65 80 47 62
�̂�̂
508
502
488
449
447
453
400
365
371
332
292
300
276
252
235
225
214
209
208
221
236
238
277
300
309
342
370
396
447
447
453
482
495
504
511
521
59 55 75 62 56 51 68 52 55 64 52 48 40 46 48 44 44 36 42 34 45 44 50 44 82 70 66 71 67 62 76 59 46 62 50 58
�̂�̂
495
491
490
489
430
438
432
393
369
359
339
316
282
268
260
228
216
222
221
239
256
256
274
287
327
306
357
400
425
455
461
474
494
519
529
512
69 75 55 56 63 82 40 74 62 65 50 33 49 45 39 39 38 38 45 47 47 50 53 46 63 69 49 78 87 80 58 62 55 90 57 80
�̂�̂
535
526
521
497
492
480
462
429
408
362
336
327
294
261
268
244
227
234
216
240
260
268
281
316
337
322
357
416
447
471
471
525
528
525
526
546
86 89 80 72 77 80 60 73 82 63 72 55 59 46 46 53 49 52 56 53 55 64 72 66 76 76 68 83 86 102
101 97 77 86 94 71
62 75 62 57 59 78 46 62 56 51 60 55 48 43 37 43 38 31 40 33 36 46 57 42 59 59 64 59 72 57 65 52 65 69 64 55�̂
Pesq. agropec. bras., Brasília, v.39, n.12, p.1157-1166, dez. 2004
Distribuição de probabilidade da radiação solar global 1163
Figura 1. Isolinhas da radiação solar global média decendial, em cal cm-2 dia-1, de cada mês e decêndio no Estadodo Rio Grande do Sul.
Pesq. agropec. bras., Brasília, v.39, n.12, p.1157-1166, dez. 2004
A. Cargnelutti Filho et al.1164
Figura 2. Isolinhas da radiação solar global média decendial, em cal cm-2 dia-1, de cada mês e decêndio no Estado do RioGrande do Sul.
Pesq. agropec. bras., Brasília, v.39, n.12, p.1157-1166, dez. 2004
Distribuição de probabilidade da radiação solar global 1165
Figura 3. Isolinhas da radiação solar global média decendial, em cal cm-2 dia-1, de cada mês e decêndio no Estado do RioGrande do Sul.
Pesq. agropec. bras., Brasília, v.39, n.12, p.1157-1166, dez. 2004
A. Cargnelutti Filho et al.1166
Conclusão
Os dados de radiação solar global média decendial seajustam às funções de distribuições de probabilidadenormal, log-normal, gama, gumbel e weibull e apresen-tam melhor ajuste à função de distribuição de probabili-dade normal.
Agradecimento
Ao conselho Nacional de Desenvolvimento Científi-co e Tecnológico, pela concessão de bolsa a RonaldoMatzenauer.
Referências
ASSAD, E.D.; CASTRO, L.H.R. Análise freqüêncial da pluviometriapara a estação de Sete Lagoas, MG. Pesquisa AgropecuáriaBrasileira, v.26, p.397-402, 1991.
ASSIS, F.N. de. Ajuste da função gama aos totais semanais de chuvade Pelotas, RS. Revista Brasileira de Agrometeorologia, v.1, p.131-136, 1993.
ASSIS, F.N. de. Modelagem da ocorrência e da quantidade dechuva e de dias secos em Piracicaba, SP e Pelotas, RS, 1991.134p.Tese (Doutorado) - Escola Superior de Agricultura Luiz deQueiroz, Piracicaba.
ASSIS, F.N. de; ARRUDA, H.V. de; PEREIRA, A.R. Aplicações deestatística à climatologia: teoria e prática. Pelotas: UFPEL, 1996.161p.
ÁVILA, A.M.H.; BERLATO, M.A.; SILVA, J.B.; FONTANA, D.C.Probabilidade de ocorrência de precipitação pluvial mensal igual oumaior que a evapotranspiração potencial para a estação de crescimentodas culturas de primavera-verão no Estado do Rio Grande do Sul.Pesquisa Agropecuária Gaúcha, v.2, p.149-154, 1996.
BERGAMASCHI, H.; GUADAGNIN, M.R.; CARDOSO, L.S.;SILVA,M.I.G. Clima da Estação Experimental da UFRGS eregião de abrangência. Porto Alegre: UFRGS, 2003. 78p.
BERLATO, M.A. Modelo de relação entre o rendimento degrãos da soja e o déficit hídrico para o Estado do Rio Grande doSul. 1987. 93p. Tese (Doutorado) - Instituto Nacional de PesquisasEspaciais, São José dos Campos.
BOTELHO, V.A.V.A.; MORAIS, A.R. Estimativas dos parâmetrosda distribuição gama de dados pluviométricos do Município de Lavras,Estado de Minas Gerais. Ciência e Agrotecnologia, v.23, p.697-706, 1999.
BURIOL, G.A.; ESTEFANEL, V.; ANDRIOLO, J.L.;MATZENAUER, R.; TAZZO, I.F. Disponibilidade de radiação solarpara o cultivo do tomateiro durante o inverno no Estado do Rio Grandedo Sul. Pesquisa Agropecuária Gaúcha, v.6, p113-120, 2000a.
BURIOL, G.A.; HELDWEIN, A.B.; ESTEFANEL, V.;MATZENAUER, R.; MARCON, I.A. Condições térmicas parao cultivo do pepineiro na região do baixo vale do Taquari, RS:1. Temperaturas baixas limitantes. Pesquisa Agropecuária Gaúcha,v.6, p.205-213, 2000b.
BURIOL, G.A.; HELDWEIN, A.B.; ESTEFANEL, V.;MATZENAUER, R.; MARCON, I.A. Condições térmicas para ocultivo do pepineiro na região do baixo vale do Taquari, RS:2. Temperatura máxima e soma térmica. Pesquisa AgropecuáriaGaúcha, v.6, p.215-223, 2000c.
BURIOL, G.A.; HELDWEIN, A.B.; ESTEFANEL, V.;MATZENAUER, R.; MARCON, I.A. Probabilidade de ocorrênciade valores de radiação solar prejudiciais ao cultivo do pepineiro naregião do baixo vale do Taquari, RS. Pesquisa AgropecuáriaGaúcha, v.7, p.97-104, 2001.
CAMPOS, H. de. Estatística experimental não-paramétrica. 4.ed.Piracicaba: Departamento de Matemática e Estatística - ESALQ,1983. 349p.
CASTRO, R. Distribuição probabilística da freqüência deprecipitação na região de Botucatu-SP. 1996. 101p. Dissertação(Mestrado) - Universidade Estadual Paulista, Botucatu.
CATALUNHA, M.J.; SEDIYAMA, G.C.; LEAL, B.G.; SOARES,C.P.B.; RIBEIRO, A. Aplicação de cinco funções densidade deprobabilidade a séries de precipitação pluvial no Estado de MinasGerais. Revista Brasileira de Agrometeorologia, v.10, p.153-162,2002.
INSTITUTO DE PESQUISAS AGRONÔMICAS. Seção deEcologia Agrícola. Atlas Agroclimático do Estado do Rio Grandedo Sul. Porto Alegre, 1989.
MORETTIN, P.A.; BUSSAB, W.O. Estatística básica. 5.ed. SãoPaulo: Saraiva, 2004. 526p.
MOTA, F.S.; ROSSKOFF, J.L.C.; SILVA, J.B. Probabilidade deocorrência de dias com temperaturas iguais ou superiores a 35°C noflorescimento do arroz no Rio Grande do Sul. Revista Brasileira deAgrometeorologia, v.7, p.147-149, 1999.
ROSENBERG, N.J. Microclimate: the biological environmet. NewYork: Hohn Wiley & Sons, 1974. 315p.
SLATER, P.N. Remote sensing, optics and optical systems.Massachussets: Addison-Wesley, 1980. 575p.
SPIEGEL, R.A.; SCHILLER, J.; SRINIVASAN, R.A. Probabilidadee estatística. 2.ed. Porto Alegre: Bookman, 2004. 398p.
Recebido em 26 de junho de 2004 e aprovado em 3 de setembro de 2004