Autor: Manoel M. C. Meira

Este exercício usa como base de dados uma única tabela com dados meteorológicos diários coletados desde o ano de 1902 pelo Departamento de Engenharia de Biossistemas, da Escola Superior de Agricultura “Luiz de Queiroz” - Universidade de São Paulo (LEB/ESALQ/USP).

À série de dados original foram acrescidos os campos Estiagem (variável que categoriza o dia por grupo de “dias seguidos de seca”), Semestre (categoriza o semestre, 1 ou 2), ElNino (categoriza por intensidade do fenômeno El Niño), e Estacao (indica a estação climática: Verão 22/12-20/3, Outono 21/3-20/6, Inverno 21/6-22/9, e Primavera 23/9-21/12). Versões atualizadas da tabela no formato csv e xlsx estão disponíveis no GitHub.

Nesse sentido, algumas abordagens para tratamento dos dados e extração de informações foram realizadas. Para as duas próximas análises a serem apresentadas, utilizei a linguagem R, conforme código disponível no Posit. Inicialmente, buscou-se conhecer a Temperatura Média Anual ao longo do tempo. Este dado, entretanto, só começou a ser registrado a partir de 1917. Os dados foram então agrupados por ano e a média do grupo foi registrada graficamente. Além disso, foi usada uma linha de tendência suavizada (LOESS - Locally Estimated Scatterplot Smoothing) como técnica de regressão não linear, ajustando a curva aos dados de forma a identificar uma tendência nos valores do gráfico, conforme Figura 1. Verifica-se uma tendência crescente (> 1 ºC) na temperatura média registrada na cidade até 2025.

Figura 1. Temperatura média anual (ºC) para a cidade de Piracicaba/SP.

Em seguida, foram verificadas as temperaturas médias por estação conforme Figura 2. Os dados anuais de temperatura média foram então agrupados e plotados em boxplot. Verifica-se que a maior amplitude térmica ocorre na estação de inverno, enquanto em média, a amplitude térmica anual não ultrapassa 10 ºC.

Figura 2. Temperatura média anual (ºC) por estação do ano para a cidade de Piracicaba/SP.

Outras análises foram performadas por meio da linguagem Python, através do Google Colab. Dessa forma, verificou-se a precipitação acumulada por ano a partir da base de dados, conforme Figura 3.

Figura 3. Precipitação acumulada por ano.

Os dados foram então classificados entre os mais secos, médios e chuvosos, conforme Figura 4. Os anos do 1º tercil foram classificados como secos, os do 2º tercil como médios e os do 3º tercil como chuvosos. Assim, é possível observar períodos mais chuvosos e secos, como a maior concentração de anos chuvosos na década de 90.

Figura 4. Classificação dos anos em função da precipitação. Os anos estão organizados em chuvosos, secos e médios.