ads:
UNIVERSIDADE FEDERAL DO PARANÁ
SETOR DE CIÊNCIAS AGRÁRIAS
DEPARTAMENTO DE SOLOS E ENGENHARIA AGRÍCOLA
AJUSTE E AVALIAÇÃO DE UM MODELO DE BALANÇO HÍDRICO
DECENDIAL E ESTUDO DOS LIMITES DE SUA UTILIZAÇÃO EM
ALGUMAS LOCALIDADES NO ESTADO DO PARANÁ
CURITIBA
2005
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
SIGUIFRID GOMES
AJUSTE E AVALIAÇÃO DE UM MODELO DE BALANÇO HÍDRICO
DECENDIAL E ESTUDO DOS LIMITES DE SUA UTILIZAÇÃO EM
ALGUMAS LOCALIDADES NO ESTADO DO PARANÁ
Dissertação apresentada como requisito parcial à
obtenção do grau de Mestre em Agronomia, curso de
Pós-Graduação em Agronomia, área de concentração
em Ciência do Solo, Universidade Federal do Paraná.
Orientador: Prof. Dr. Jorge Luiz Moretti de Souza
CURITIBA
2005
ads:
ii
Gomes, Siguifrid
Ajuste e avaliação de um modelo de balanço hídrico decendial e
estudo dos limites de sua utilização em algumas localidades no estado do
Paraná / Siguifrid Gomes. - Curitiba, 2005.
xv, 103 f.
Orientador: Jorge Luiz Moretti de Souza.
Dissertação (Mestrado em Agronomia) – Setor de Ciências
Agrárias, Universidade Federal do Paraná.
1. Balanço hidrológico – Métodos de simulação. 2. Irrigação
agrícola - Métodos. 3. Hidrologia – Modelos. 4. Solos – Umidade.
5. Ciclo hidrológico. I. Título.
CDU 631.67.001.573(816.2)
iii
À minha família
que nestes anos suportou a privação de tempo e atenção
sem perder a ternura, a amizade e o companheirismo.
Seu apoio, amor e a harmonia me conduziu aqui
Dedico
iv
AGRADECIMENTOS
– A UFPR/Setor de Ciências Agrárias/Departamento de Solos e Engenharia Agrícola e ao
Curso de pós-graduação em Ciencia do Solo por ter me acolhido como aluno de mestrado.
– Especiais ao Departamento de Solos e Eng. Agrícola por ter considerado possível que eu
conciliasse a docência e o curso de mestrado.
– Ao professor e orientador Dr. Jorge Luis Moretti de Souza, um agradecimento especial, pelo
apoio, orientação, motivação e acompanhamento do trabalho.
– Agradeço ao SIMEPAR e ao IAPAR por disponibilizar prontamente dados climáticos
essenciais para a realização deste trabalho.
– Agradeço aos meus familiares pela compreensão que tiveram comigo, principalmente nos
momentos em que estive ausente do seu convívio estudando, lendo, pesquisando e
escrevendo este trabalho.
SUMÁRIO
LISTA DE TABELAS...........................................................................................................viii
LISTA DE FIGURAS...............................................................................................................x
LISTA DE SÍMBOLOS.........................................................................................................xii
RESUMO................................................................................................................................xiv
ABSTRACT ............................................................................................................................xv
1 INTRODUÇÃO ....................................................................................................................1
2 OBJETIVO GERAL............................................................................................................3
2.1 OBJETIVOS ESPECÍFICOS...........................................................................................3
3 REVISÃO BIBLIOGRÁFICA............................................................................................4
3.1 USO DA ÁGUA NO MUNDO..........................................................................................4
3.1.1 Uso da água no Brasil.......................................................................................................5
3.2 BALANÇO HÍDRICO......................................................................................................6
3.2.1 Definição e caracterização................................................................................................6
3.2.2 Balanço hídrico quanto à escala temporal........................................................................7
3.2.3 Procedimentos para determinar o balanço hídrico ...........................................................8
3.2.4 Metodologias de determinação do balanço hídrico........................................................10
3.2.5 Balanço hídrico de THORNTHWAITE & MATHER (1955) .......................................11
3.3 MODELOS COMPUTACIONAIS QUE CONSIDERAM A REALIZAÇÃO DE UM
BALANÇO HÍDRICO PARA A AGRICULTURA IRRIGADA ......................................13
3.4 CONSIDERAÇÕES SOBRE AS COMPONENTES PRECIPITAÇÃO E EVAPO-
TRANSPIRAÇÃO DO BALANÇO HÍDRICO...................................................................16
3.4.1 Precipitação pluvial ou chuva.........................................................................................16
3.4.2 Evapotranspiração ..........................................................................................................17
3.4.3 Chuva e evapotranspiração prováveis ............................................................................20
3.4.4 Armazenamento de água no solo....................................................................................22
3.5 PROCESSO DE SIMULAÇÃO.....................................................................................25
3.5.1 Números aleatórios ou randômicos ................................................................................25
vi
4 MATERIAL E MÉTODOS...............................................................................................28
4.1 PRINCIPAIS ETAPAS DE DESENVOLVIMENTO DO TRABALHO...................28
4.2 BALANÇO HÍDRICO CLIMATOLÓGICO DECENDIAL......................................28
4.2.1 Equações de armazenamento de água no solo................................................................31
4.2.2 Verificação do processo de geração de Números Aleatórios do Visual Basic (macro) do
programa Microsoft Excel 2000 (primeira etapa).....................................................................34
4.3 VERIFICAÇÃO DO MÓDULO “BALANÇO HÍDRICO CLIMATOLÓGICO
DECENDIAL” APÓS AS MODIFICAÇÕES (Segunda e Terceira etapas)....................38
4.3.1 Descrição da área de estudo............................................................................................38
4.3.2 Levantamento, organização e tratamento dos dados climáticos.....................................40
4.3.3 Teste de aderência e determinação da chuva e ETo provável ........................................42
4.3.4 Parâmetros físico-hídricos do solo .................................................................................46
4.3.5 Resumo das opções utilizadas para verificar o módulo “Balanço hídrico climatológico
decendial” após as modificações, com os dados de Ponta Grossa-PR (Terceira etapa)...........48
4.4 CENÁRIO PARA AVALIAR OS LIMITES DE UTILIZAÇÃO DO MÓDULO
“BALANÇO HÍDRICO CLIMATOLÓGICO” DECENDIAL (Quarta etapa)...............49
5 RESULTADOS E DISCUSSÃO .......................................................................................51
5.1 VERIFICAÇÃO DO PROCESSO DE GERAÇÃO DE NÚMEROS ALEATÓRIOS
DO VISUAL BASIC (MACROS) DO MICROSOFT EXCEL 2000 (Primeira etapa)........51
5.1.1 Teste das séries para aleatoriedade.................................................................................51
5.1.2 Avaliação do gráfico de dispersão das seqüências de NA ..............................................54
5.1.3 Teste do Chi-quadrado....................................................................................................55
5.2 ESTIMATIVA DOS PARÂMETROS DE ENTRADA PARA SIMULAR O
“BALANÇO HÍDRICO CLIMATOLÓGICO DECENDIAL” (Segunda etapa) ............58
5.2.1 Estimativa da ETo e probabilidade de sua ocorrência....................................................58
5.2.2 Precipitação pluvial e probabilidade de sua ocorrência..................................................61
5.2.3 Contraste entre precipitação e ETo provável a 75%.......................................................65
5.2.4 Parâmetros físico-hídricos dos solos ..............................................................................68
5.3 VERIFICAÇÃO DO MÓDULO “BALANÇO HÍDRICO CLIMATOLÓGICO
DECENDIAL” APÓS AS MODIFICAÇÕES (Terceira etapa).........................................69
5.3.1 Verificação da ETo Simulada.........................................................................................69
5.3.2 Resultados alcançados com as equações de armazenamento de água no solo ...............73
(a) Considerações sobre os resultados alcançados no balanço hídrico para o solo argiloso:...73
(b) Considerações sobre os resultados alcançados no balanço hídrico para o solo arenoso
(CAD = 25 mm): ......................................................................................................................79
vii
5.4 CENÁRIO: AVALIAÇÃO DOS LIMITES DE UTILIZAÇÃO DO MÓDULO
“BALANÇO HÍDRICO CLIMATOLÓGICO DECENDIAL” (Quarta etapa)...............82
5.4.1 Estimativa dos parâmetros decendiais de chuva provável e ETo ...................................83
5.4.2 Avaliação do módulo “Balanço hídrico climatológico decendial” ................................86
6 CONCLUSÃO.....................................................................................................................94
7 REFERÊNCIAS .................................................................................................................96
LISTA DE TABELAS
Tabela 3.1. Consumo per capta mínimo e máximo diário, em litros por habitante por dia (lcd),
verificado pela Organização Mundial de Saúde (OMS) em áreas rurais de países em
desenvolvimento..........................................................................................................................5
Tabela 3.2. Disponibilidade percentual e per capta de água no Brasil, por bacia hidrográfica,
com a respectiva área..................................................................................................................6
Tabela 4.1. Composição granulométrica dos solos selecionados para as análises de simulação
no módulo “Balanço Hídrico Climatológico Decendial”.........................................................47
Tabela 4.2. Manejo de irrigações suplementares utilizadas nas análises de simulação. ..........49
Tabela 5.1. Valores de z padronizado calculado e número total de séries (V) nas 30 seqüências
de NA (S) gerados no módulo Visual Basic (macro)................................................................51
Tabela 5.2. Distribuição de freqüência dos valores de z padronizado das 30 seqüências de NA
gerados no módulo Visual Basic (macros) do Microsoft Excel 2000. .....................................52
Tabela 5.3. Resultado das análises do teste das séries para aleatoriedade considerando oito
níveis de significância estatística e valores de z padronizado calculado..................................53
Tabela 5.4. Teste de Chi-quadrado para as 30 seqüências de NA considerando quatro níveis de
probabilidade. ...........................................................................................................................56
Tabela 5.5. Parâmetros estatísticos decendiais da ETo, obtidos nas análises de teste de
aderência, a 5% de significância, com as distribuições de probabilidade Normal (N),
Triangular (T), Uniforme (U), Exponencial (E) e Gama (G), e cálculo da ETo provável a 75%
de probabilidade para Ponta Grossa. ........................................................................................59
Tabela 5.6. Parâmetros estatísticos decendiais da precipitação, obtidos nas análises de teste de
aderência, a 5% de significância, com as distribuições de probabilidade Normal (N),
Triangular (T), Uniforme (U), Exponencial (E) e Gama (G), e cálculo da precipitação
provável a 75% de probabilidade para Ponta Grossa. ..............................................................62
Tabela 5.7. Parâmetros físico-hídricos estimados pelo programa SPLINTEX e capacidade de
água disponível (CAD) estimada para dois solos possuindo classes de textura argilosa e
arenosa, considerando a densidade de solo de 1,3 g·cm
–3
, densidade de partícula de 2,65 g·cm
–3
e 50 cm de profundidade efetiva do sistema radicular. ............................................................68
Tabela 5.8. Área acumulada sob a curva de distribuição Normal teórica (SPIEGEL, 1993) e
obtida com a distribuição de freqüência da ETc decendial estimada no módulo balanço hídrico
do modelo MORETTI com o algoritmo original e modificado. ...............................................70
Tabela 5.9. Parâmetros estatísticos para os 10.000 anos de ETo decendial simulada
empregando módulo “Balanço hídrico climatológico decendial” do modelo MORETTI
original e considerando as modificações propostas neste trabalho. .........................................72
ix
Tabela 5.10. Valores médios de irrigação (I), evapotranspiração real (ER), deficiência (DEF),
excedente (EXC) e freqüência de irrigações no ano (Fi), obtidos de 10.000 simulações do
“Balanço hídrico climatológico decendial” do modelo MORETTI, para as localidade de Ponta
Grossa, considerando solo com textura ARGILOSA (CAD = 65,0 mm), fração p igual 0,5,
coeficiente de cultivo igual a 1,0, seis manejos de irrigação (Tabela 4.2), e cinco equações de
armazenamento de água no solo: Co-senoidal; Exponencial de THORNTHWAITE &
MATHER (1955); Potencial de primeira ordem de RIJTEMA & ABOUKHALED (1975);
BRAGA (1982) e Potencial de segunda ordem........................................................................74
Tabela 5.11. Valores médios de irrigação (I), evapotranspiração real (ER), deficiência (DEF),
excedente (EXC) e freqüência de irrigações no ano (Fi), obtidos de 10.000 simulações do
“Balanço hídrico climatológico decendial” do modelo MORETTI, para as localidade de Ponta
Grossa, considerando solo com textura ARENOSA (CAD = 25,0 mm), fração p igual 0,5,
coeficiente de cultivo igual a 1,0, seis manejos de irrigação (Tabela 4.2), e cinco equações de
armazenamento de água no solo: Co-senoidal; Exponencial de THORNTHWAITE &
MATHER (1955); Potencial de primeira ordem de RIJTEMA & ABOUKHALED (1975);
BRAGA (1982) e Potencial de segunda ordem........................................................................80
Tabela 5.12. Parâmetros estatísticos, média e desvio padrão da ETo estimada, e chuva a 75%
de probabilidade para quatro localidades no estado do Paraná. ...............................................84
Tabela 5.13. Média e desvio padrão dos valores anuais de DEF, ER e I simulados para a
região de Apucarana-PR considerando solo argiloso com CAD de 20 a 100 mm, manejo de
irrigação 1 e equação Co-senoidal de estimativa do armazenamento e negativo acumulado. .87
Tabela 5.14. Média e desvio padrão dos valores anuais de DEF, ER e I simulados para a
região de Cascavel-PR considerando solo argiloso com CAD de 20 a 100 mm, manejo de
irrigação 1 e equação Co-senoidal de estimativa do armazenamento e negativo acumulado. .87
Tabela 5.15. Média e desvio padrão dos valores anuais de DEF, ER e I simulados para a
região de Morretes-PR considerando solo argiloso com CAD de 20 a 100 mm, , manejo de
irrigação 1 e equação Co-senoidal de estimativa do armazenamento e negativo acumulado. .88
Tabela 5.16. Média e desvio padrão dos valores anuais de DEF, ER e I simulados para a
região de Ponta Grossa-PR considerando solo argiloso com CAD de 20 a 100 mm, , manejo
de irrigação 1 e equação Co-senoidal de estimativa do armazenamento e negativo acumulado.
..................................................................................................................................................88
Tabela 5.17. Deficiência decendial média (DEFm – mm/decêndio) e variação percentual dos
valores de DEF, ER e I (%) entre os incrementos de AD no solo, obtidos com os dados das
Tabela 5.13 a 5.16 para as regiões de Apucarana, Cascavel, Morretes e Ponta Grossa...........92
LISTA DE FIGURAS
Figura 4.1 – Fluxograma contendo a estrutura lógica de algumas partes do módulo “Balanço
hídrico climatológico decendial” do modelo MORETTI..........................................................30
Figura 4.2 – Mapa contendo a localização da cidade de Ponta Grossa-PR..............................39
Figura 5.1 – (a) Freqüência relativa e (b) freqüência relativa acumulada dos valores de z
padronizado calculado para 30 seqüências de NA, seguindo a metodologia proposta por
SPIEGEL(1993). ......................................................................................................................52
Figura 5.2 – Gráficos de dispersão da (a) melhor e (b) pior seqüência de NA identificadas por
intermédio do Teste das Séries para Aleatoriedade..................................................................54
Figura 5.3 – Gráfico de distribuição de freqüência para a (a) melhor e (b) pior seqüência de
NA identificada por meio do Teste das Séries para Aleatoriedade...........................................55
Figura 5.4 – (a) Freqüência relativa e (b) freqüência relativa acumulada dos valores de Chi-
quadrado obtidos para as 30 seqüências de NA gerados no módulo Visual Basic do Microsoft
Excel 2000. ...............................................................................................................................56
Figura 5.5 – Curva de tendência do menor valor, maior valor e média da ETo estimada com o
método THORNTHWAITE (1948) e valores de ETo a 75% de probabilidade, obtidos com a
distribuição de melhor ajuste para Ponta Grossa-PR. ..............................................................60
Figura 5.6 – Probabilidade de ocorrer um valor maior ou igual à ETo média de Ponta Grossa-
PR, baseando-se em uma série de 50 anos de dados (1954–2004), considerando a distribuição
de probabilidade de melhor ajuste............................................................................................60
Figura 5.8 – Chuva decendial provável (75%) e probabilidade de ausência de precipitação
(P = 0) para uma série climática média de 44 anos em Ponta Grossa-PR................................63
Figura 5.9 – Probabilidade de ocorrência da precipitação média para a região de Ponta Grossa,
considerando a distribuição de probabilidade de melhor ajuste pelo teste de Kolmogorov-
Smirnov. ...................................................................................................................................65
Figura 5.10 – Valores médios decendiais de ETo e chuva para a região de Ponta Grossa-PR.65
Figura 5.11 – Valores decendiais de chuva provável e evapotranspiração de referência (ETo)
média e provável a 75%, para a região de Ponta Grossa-PR....................................................66
Figura 5.12 – Distribuição de freqüência da ETc decendial simulada pelo processo original de
geração de NA do modelo MORETTI, para os decêndios 18 (a) e 29 (b), e sugerido por este
trabalho para o decêndio 18 (c) e 29 (d)...................................................................................69
Figura 5.13 – Valores médios de irrigação (I), evapotranspiração real (ER) e deficiência
(DEF), obtidos de 10.000 simulações do “Balanço hídrico climatológico decendial” do
modelo MORETTI, para as localidade de Ponta Grossa, considerando solo com textura
ARGILOSA (CAD = 65,0 mm), fração p igual 0,5, coeficiente de cultivo igual a 1,0, seis
manejos de irrigação (Tabela 4.2), e cinco equações de armazenamento de água no solo. .....75
xi
Figura 5.14 – Valores médios de irrigação (I), evapotranspiração real (ER) e deficiência
(DEF), obtidos de 10.000 simulações do “Balanço hídrico climatológico decendial” do
modelo MORETTI, para as localidade de Ponta Grossa, considerando solo com textura
ARENOSA (CAD = 25,0 mm), fração p igual 0,5, coeficiente de cultivo igual a 1,0, seis
manejos de irrigação (Tabela 4.2), e cinco equações de armazenamento de água no solo. .....81
Figura 5.15 – Valores decendiais de ETo média estimada pelo método de THORNTHWAITE
(1948) e chuva provável (75%) estimada com a distribuição de probabilidade de melhor
ajuste, para as localidades: (a) Apucarana, (b) Cascavel, (c) Morretes e (d) Ponta Grossa.....85
Figura 5.16 – Valores médios anuais de (a) DEF, (b) ER e (c) I, obtidos em 10.000 simulações
com o módulo “Balanço hídrico climatológico decendial” do MORETTI, para quatro
localidades no Paraná, considerando valores de AD de 10 mm a 50 mm, manejo de irrigação 1
e equação Co-senoidal de estimativa do armazenamento e negativo acumulado. ...................89
LISTA DE SÍMBOLOS
Símbolo Descrição Umidade
CAD
Capacidade de água disponível ...................................................................... mm
U
CC
Umidade do solo na capacidade de campo com base em peso ...................... %
U
PMP
Umidade do solo no ponto de murcha permanente com base em peso .......... %
da
Densidade aparente do solo ............................................................................ g.cm
–3
z
Profundidade efetiva do sistema radicular ou profundidade alcançada por
80% das raízes da cultura ...............................................................................
mm
AD
Água disponível no d-ésimo decêndio ........................................................... mm
p
d
Fração de AD no solo para a cultura no d-ésimo decêndio ............................ adimensional
p
Fração de água disponível no solo para a cultura .......................................... adimensional
ETp
Evapotranspiração potencial .......................................................................... mm
ETo
Evapotranspiração de referência .................................................................... mm
ETm
Evapotranspiração máxima ............................................................................ mm
ER
Evapotranspiração real ................................................................................... mm
ARM
Armazenamento de água no solo ................................................................... mm
L
Negativo acumulado ....................................................................................... mm
e
Base dos logaritmos naturais .......................................................................... 2,718281828
Kc
Coeficiente de cultivo .................................................................................... adimensional
IAF
Índice de área foliar ........................................................................................ adimensional
NA
Números Aleatórios ....................................................................................... adimensional
Teste das séries para aleatoriedade
V
Total de séries da seqüência ........................................................................... adimensional
N
1
Número de séries formado por valores maiores que a mediana ..................... adimensional
N
2
Número de séries com valores abaixo da mediana ........................................ adimensional
µ
v
Média de V ..................................................................................................... adimensional
σ
v
Desvio padrão de V ........................................................................................ adimensional
z
Valor para distribuição normal padronizado .................................................. adimensional
Teste de Chi-quadrado
k
Número de classes .......................................................................................... adimensional
N
Número total de NA da seqüência (10.000) ................................................... adimensional
Fo
i
Freqüência observada em cada i-ésima classe ............................................... adimensional
n
i
Número de NA em cada i-ésima classe .......................................................... adimensional
Fe
i
Freqüência esperada em cada i-ésima classe ................................................. adimensional
Fo
i
Freqüência observada em cada i-ésima classe ............................................... adimensional
χ
²
Valor de Qui-quadrado calculado .................................................................. adimensional
GL
Número de grau de liberdade ......................................................................... adimensional
p
Número de parâmetros da distribuição uniforme sob teste ............................ adimensional
Procedimento de tabulação dos dados climáticos
T
d
Temperatura média no d-ésimo decêndio ......................................................
o
C
T
id
Temperatura média do i-ésimo dia do d-ésimo decêndio ..............................
o
C
P
d
Precipitação acumulada no d-ésimo decêndio ............................................... mm/decêndio
P
id
Precipitação do i-ésimo dia do d-ésimo decêndio .......................................... mm/dia
n
d
Número de dias do d-ésimo decêndio ............................................................ adimensional
ETo
d
Evapotranspiração de referência no d-ésimo decêndio .................................. mm/decêndio
n
d
Número de dias do d-ésimo decêndio ............................................................ adimensional
T
d
Temperatura média do ar do d-ésimo decêndio ............................................. ºC
N
d
Fotoperíodo no último dia do d-ésimo decêndio ............................................ h
I
Índice de calor da região ................................................................................ adimensional
xiii
a
Função cúbica do índice de calor da região .................................................... adimensional
T
i
Temperatura média normal do i-ésimo mês do ano ....................................... °C
H
d
Ângulo horário de nascimento do sol no último dia do d-ésimo decêndio .... graus
δ
d
Declinação do sol no último dia do d-ésimo decêndio ................................... graus
φ
Latitude da estação climatológica onde os dados foram coletados ................ graus
Dj
d
Dia juliano ...................................................................................................... dias
Teste de aderência e determinação da chuva e ETo provável
Dmax
Valor crítico para a estatística de Kolmogorov-Smirnov ............................... adimensional
F’(x) Função de distribuição de probabilidade teórica ............................................ adimensional
F(x) Função de distribuição de probabilidade observada ....................................... adimensional
Dmax
Valor crítico Dmax da estatística de Kolmogorov-Smirnov .......................... adimensional
N
Número total de anos da série histórica .......................................................... adimensional
Po
Probabilidade de ocorrência de ausência de precipitação nos d-ésimos
decêndios da série histórica ............................................................................
%
D(x) Distribuição cumulativa teórica, onde os parâmetros são estimados na
ausência de zeros ............................................................................................
%
N
zeros
Número total de d-ésimos decêndios com valores nulos na série histórica .... adimensional
Funções de distribuição cumulativa de probabilidade F(x)
F(x) Função distribuição de probabilidade ............................................................. adimensional
x
Altura de chuva ou ETo no decêndio considerado ......................................... mm
Função distribuição de probabilidade Normal
µ
Média da população ........................................................................................ mm
σ
Desvio padrão da população ........................................................................... mm
π Constante numérica “pi” ................................................................................. 3,141592654
Função distribuição de probabilidade Gama
α
Parâmetro de forma ........................................................................................ adimensional
β
Parâmetro de escala. ....................................................................................... adimensional
Γ(
α
)
Função Gama .................................................................................................. adimensional
x
Altura média de chuva ou ETo maior que 1 mm ............................................ mm
Função distribuição de probabilidade Triangular
a
Menor valor da série de dados ........................................................................ mm
b
Maior valor da série de dados ......................................................................... mm
m
Valor modal da série de dados ........................................................................ mm
Função distribuição de probabilidade uniforme
a
Menor valor da série de dados ........................................................................ mm
b
Maior valor da série de dados ......................................................................... mm
Parâmetros físico-hídricos do solo
θ
Umidade do solo ............................................................................................. cm
3
/cm
3
|
Φ
m
|
Potencial mátrico da água no solo .................................................................. cm
θ
r
Umidade residual ............................................................................................ cm
3
/cm
3
θ
s
Umidade de saturação ..................................................................................... cm
3
/cm
3
α
, m, n
Parâmetros de ajuste da curva de retenção de água no solo ........................... adimensional
AJUSTE E AVALIAÇÃO DE UM MODELO DE BALANÇO HÍDRICO
DECENDIAL E ESTUDO DOS LIMITES DE SUA UTILIZAÇÃO EM
ALGUMAS LOCALIDADES NO ESTADO DO PARANÁ
AUTOR: SIGUIFRID GOMES
ORIENTADOR: Prof. Dr. JORGE LUIZ MORETTI DE SOUZA
RESUMO
O desenvolvimento e a validação de um modelo para a simulação de balanço hídrico geralmente
envolvem atividades complexas que demandam um tempo considerável entre a sua idealização e o
cumprimento de sua função. Portanto, a adaptação de modelos já desenvolvidos constitui uma
alternativa interessante. O objetivo principal deste trabalho foi ajustar e analisar o módulo
“Balanço hídrico climatológico decendial” (SOUZA, 2001) para o planejamento da irrigação de
culturas agrícolas. A dinâmica das principais componentes do balanço hídrico foi estudada para a
região de Ponta Grossa-PR considerando cinco equações de estimativa do armazenamento de água
no solo, duas classes de textura do solo e seis manejos de irrigação. Os valores médios das
componentes simuladas para o solo argiloso com as equações Potenciais de Primeira e Segunda
Ordem apresentaram melhor ajuste aos valores simulados com a equação Co-Senoidal,
considerada como padrão (DOURADO NETO & JONG VAN LIER, 1993). As equações
Exponencial e BRAGA (1982) não apresentaram bons resultados quando foi prevista a irrigação
ao longo do ano para a mesma região e solo. O solo arenoso não retornou resultados satisfatórios
devido à periodicidade do balanço hídrico e ao baixo valor de água disponível (AD). A qualidade
das seqüências de números aleatórios do Microsoft Excel (macros) também foi avaliada aplicando
testes estatísticos paramétricos e não paramétricos. Os resultados mostraram que as seqüências
geradas podem ser consideradas aleatórias para fins de modelagem agrícola. Dois algoritmos,
original e modificado (proposto), foram comparados e mostraram que as alterações no algoritmo
original refletiram um avanço. Os limites de utilização do módulo balanço hídrico foram
estudados para um solo argiloso em Apucarana, Cascavel, Morretes e Ponta Grossa sob 17
condições de AD. As análises mostraram que os valores simulados de irrigação, evapotranspiração
real e deficiência para Apucarana, Cascavel e Ponta Grossa foram consistentes quando a fração de
AD foi numericamente maior ou igual à evapotranspiração de referência decendial (ETo). Essa
correlação não foi observada para Morretes-PR.
Palavras-chave: Modelagem, Simulação, Balanço Hídrico Climatológico, Irrigação, Equações de
Armazenamento
ADJUSTMENT AND EVALUATION OF DECADE WATER BALANCE
MODEL AND THE STUDY OF THE LIMITS FOR IT UTILIZATION IN
SOME LOCALITIES IN PARANÁ STATE.
AUTHOR: SIGUIFRID GOMES
SUPERVISER: Prof. Dr. JORGE LUIZ MORETTI DE SOUZA
ABSTRACT
The development and the validation of a new simulated water balance model frequently composed
for complex activities that demand a considerable time between idealization and compliment of its
function. Therefore, the adaptation of models already developed constitutes an interesting
alternative. The main objective of this work was to adjust and analyze the Module “Decade
Climatologic Water Balance” (SOUZA, 2001) to the planning of irrigation on agricultural crops.
The dynamic of main components of water balance was studied in Ponta Grossa-PR region
considering five equations to estimate the soil water storage, two soil texture classes and six
irrigation managements. The average values of the components simulated with first and second-
rate equations considering the clayey soil showed to be adequate to the values simulated with the
Co-senoidal equation, considered as pattern (DOURADO NETO & JONG VAN LIER, 1993).
The exponential and BRAGA (1982) equations did not present good results when were expected
decade irrigations alongside of the year to the same region and soil. The sandy soil did not return
satisfactory results due to the periodicity of the water balance and little value of able water (AW)
in the soil profile. The quality of the random number sequences of the Microsoft Excel (macros)
was evaluated through parametric and no-parametric statistic tests. The results showed that the
sequences produced can to be considered randomic to agricultural modeling. The original and
modified (proposed) algorithm were compared and showed that the changes in the original
algorithm reflect an advance. The limit of utilization of the water balance model was studied for
clayed soil to Apucarana, Cascavel, Ponta Grossa and Morretes under 17 conditions of AW. The
analyses showed that the simulated values of irrigation, crop evapotranspiration and deficiency to
Apucarana, Cascavel and Ponta Grossa were coherent when the fraction of AW was numerically
equal or bigger than reference evapotranspiration (ETo). This correlation wasn’t observed to
Morretes-PR.
Key-words: modeling, simulation, climatologic water balance, irrigation, storage equations.
1 INTRODUÇÃO
A condição da disponibilidade de água no mundo é preocupante, estima-se que em 30
anos cerca de 5,5 bilhões de pessoas estarão vivendo em áreas com moderada ou séria falta de
água (POPULATION REFERENCE BUREAU, 1997). Tal afirmativa torna-se ainda mais
preocupante, quando verifica-se na literatura a projeção de um incremento de 45% na
população no período entre 2004 a 2050 (POPULATION REFERENCE BUREAU, 2004),
enquanto que o volume de água disponível permanecerá inalterado.
A condição privilegiada do Brasil quanto à disponibilidade hídrica serviu por muito
tempo como base para o desperdício. No entanto, a disponibilidade hídrica efetiva é
intimamente dependente da distribuição da água no território. O território brasileiro apresenta
mais de 73% da água doce concentrada na região amazônica, que é habitada por menos de 5%
da população do país. As concentrações populacional, industrial e agrícola, determinam os
locais de maior demanda hídrica (SETTI, 2001).
Dentre os principais consumidores, o meio agrícola apresenta-se como o maior usuário
de água, especialmente a irrigação de culturas agrícolas (SETTI, 2001). A adoção de lâminas
de irrigação e turnos de rega pré-determinados pelos agricultores é parcialmente responsável
pela diminuição na eficiência do uso da água nos campos irrigados. Por outro lado, a irrigação
é um fator importante para minimizar os riscos de deficiência hídrica no solo e elevar a
produtividade das culturas. Sendo assim, é fundamental planejar e tornar mais eficiente o uso
da água para a irrigação (RASSINI, 2002).
O planejamento do uso da água de irrigação por balanço hídrico, empregando
evapotranspiração e chuva provável, pode reduzir os erros de estimativa dos parâmetros
hídricos do solo (armazenamento, deficiência e excesso) para níveis tecnicamente aceitáveis.
O acompanhamento das condições de armazenamento de água no solo associado ao
entendimento das necessidades da cultura, podem ser uma alternativa para o estabelecimento
de estratégias de manejo do uso eficiente das reservas de água do solo (SEDIYAMA, 1987;
CINTRA et al, 2000; SOUZA, 2001; FRIZZONE et al., 2005). Segundo DOURADO NETO
2
& JONG VAN LIER (1993), o monitoramento do armazenamento e das entradas e saídas de
água no solo, assim como a definição dos períodos com provável deficiência hídrica, podem
ser realizados de forma eficiente aplicando a metodologia proposta por THORNTHWAITE &
MATHER (1955).
A adoção de equações de estimativa do armazenamento de água no solo aplicadas a
um balanço hídrico THORNTHWAITE & MATHER (1955) é uma opção barata para estimar
a condição de umidade do solo e retorna valores com precisão aceitável para o planejamento
das atividades agrícolas. O monitoramento do armazenamento, estimado por modelos
matemático-estatísticos, dá subsídios para a avaliação dos excessos e deficiências de água no
solo (LIBARDI, 1995). A intensidade e o período de ocorrência de deficiências hídricas no
solo são elementos importantes também para a definição das áreas e épocas mais indicadas
para a semeadura das culturas (WREGE, 1999).
O desenvolvimento e a utilização de modelos de simulação do balanço hídrico para o
planejamento das atividades agrícolas têm se intensificado nos últimos anos. Com o advento
da informática as dificuldades operacionais, principalmente para a solução de equações
complexas e para o tratamento, associação e utilização de grandes seqüências de dados, vêm
sendo desconsideradas como obstáculos. A evolução das técnicas de programação e o
surgimento de linguagens de programação mais acessíveis, associadas a grande capacidade de
processamento dos computadores pessoais, estão permitindo a evolução da modelagem.
No entanto, apesar das facilidades criadas, o desenvolvimento e validação de um novo
modelo de simulação ainda é algo complexo e demanda um tempo considerável entre a sua
idealização e o cumprimento da função a que se destina. Por outro lado, a utilização de
modelos de simulação já desenvolvidos muitas vezes é dificultada, pois cada modelo
geralmente é desenvolvido direcionado para uma finalidade particular, apresentando
especificidades que geralmente inviabilizam sua utilização. Quando o modelo permite a sua
adaptação, seja pelo arranjo dos seus dados e opções ou pela inserção de novos módulos ou
procedimentos, a utilização de modelos já desenvolvidos constitui uma alternativa
interessante.
2 OBJETIVO GERAL
O presente trabalho tem como objetivo geral ajustar e analisar um modelo de
simulação de “balanço hídrico climatológico decendial” voltado ao planejamento da irrigação
de culturas agrícolas e estudar os limites de sua utilização para diferentes condições climáticas
e de armazenamento da água no solo, em algumas localidades situadas em regiões distintas no
Estado do Paraná.
2.1 OBJETIVOS ESPECÍFICOS
– Avaliar o gerador de números aleatórios do módulo Visual Basic (macros) do programa
Microsoft Excel 2000 para fins de modelagem agrícola;
– Identificar a função densidade de probabilidade que melhor se ajusta aos dados decendiais
normais de evapotranspiração potencial e precipitação pluvial (chuva) determinando suas
respectivas alturas prováveis, para servir de entrada no “Balanço hídrico climatológico
decendial”;
– Comparar a dinâmica do armazenamento e deficiência de água em dois tipos de solo
(argiloso e arenoso), na região de Ponta Grossa, utilizando cinco equações de estimativa do
armazenamento de água no solo em um balanço hídrico climatológico para fins agrícolas;
– Avaliar os limites de utilização do modelo “Balanço hídrico climatológico decendial” para
as localidades de Apucarana, Cascavel, Morretes e Ponta Grossa sob diferentes condições
de armazenamento da água no solo.
3 REVISÃO BIBLIOGRÁFICA
3.1 USO DA ÁGUA NO MUNDO
O conhecimento dos parâmetros do ciclo hidrológico é importante para o
gerenciamento dos diversos usos da água, independente da escala geográfica. Da mesma
forma, a delimitação das vazões requeridas aos usuários, nos diferentes setores da economia,
auxilia na tomada de decisão quanto à exploração da água.
No mundo, o maior usuário de água é o setor agrícola, seguido pela indústria e pelo
abastecimento público. A agricultura utiliza 70,1% do volume total captado e o setor
industrial, em torno de 20%. Os diversos usos da água podem ser classificados em consuntivo
ou não consuntivo. Considera-se que uma atividade é consuntiva quando parte da água
captada é consumida no processo, ou seja, quando o volume de efluentes for menor que o
volume total captado (SETTI, 2001).
Ao se considerar o volume efetivamente consumido, a agricultura desponta como o
mais consuntivo dos usos, consumindo 93,4% do volume total captado de rios, lagos e
aqüíferos (SHIKLOMANOV, 1997; SETTI, 2001).
É sabido que o consumo per capta de água é diretamente proporcional ao grau de
desenvolvimento do país. A situação do Brasil, incluído na região da América Latina e
Caribe, é considerada privilegiada dentre os países em desenvolvimento. Na África o
consumo diário de água é de 15 a 35 litros para cada habitante, enquanto que na América
Latina e Caribe este valor fica em torno de 70 a 190 litros. A Tabela 3.1 apresenta o consumo
per capta diário de água, em litros por habitante por dia, descrito pela Organização Mundial
de Saúde (OMS) para áreas rurais de países em desenvolvimento.
5
Tabela 3.1.Consumo per capta mínimo e máximo diário, em litros por habitante por dia (lcd),
verificado pela Organização Mundial de Saúde (OMS) em áreas rurais de países em
desenvolvimento.
Mínimo Máximo
Região da OMS
(L⋅habitante
–1
⋅dia
–1
) (L⋅habitante
–1
⋅dia
–1
)
África 15 35
Sudeste da Ásia 30 70
Pacífico Ocidental 30 95
Mediterrâneo Oriental 40 85
Argélia, Marrocos e Turquia 20 65
América Latina e Caribe 70 190
Média anual nos países em desenvolvimento 35 90
Fonte: SETTI (2001)
3.1.1 Uso da água no Brasil
Os principais usuários de água no país são os setores agrícola, industrial e
abastecimento público. Do volume total de água captada, o setor agrícola responde por 72,5%
(33,8 km
3
·ano
–1
) do consumo total (CHRISTOFIDIS, 1999). Os setores de abastecimento
público e industrial captam, respectivamente, 18% e 9,5% da água doce no Brasil (SRH,
1998; LIMA, 2000).
O território brasileiro possui um cenário diverso quanto à disponibilidade hídrica. Tal
diversidade é resultante das suas dimensões continentais.
A partir de 1950 houve um aumento desordenado da urbanização, industrialização e
expansão agrícola no país, interferindo na demanda por recursos hídricos. A migração da
população do campo para os grandes centros urbanos tem aumentado a pressão sobre os
cursos de água em determinadas regiões do território brasileiro. O incremento na demanda
hídrica localizada, especialmente nos grandes centros, associada à degradação da qualidade da
água, decorrente da falta de coleta e tratamento dos efluentes, tem elevado progressivamente a
pressão sobre alguns corpos de água.
A agricultura irrigada constitui-se no principal usuário de água no Brasil. A água é, em
termos agronômicos, insumo de importância capital na elevação da produtividade de sistemas
agrícolas e pecuários. O aumento da população e a melhoria da condição econômica da
mesma exigem uma agricultura mais eficiente e menos alheia às variações climáticas. Neste
ponto, o incremento na área irrigada no país, “implementado por um intenso programa de
irrigação em várias áreas do seu território (MARTINS JÚNIOR & BARRETO, 2003)”, pode
resultar desses dois fatores.
6
O Brasil apresenta 29,6 milhões de hectares de terras com potencial de irrigação,
excluindo as bacias hidrográficas do Amazonas e do Tocantins, na região norte. Em 1998,
apenas 2,87 milhões de hectares eram irrigados no território nacional (CHRISTOFIDIS, 1999;
LOIOLA & SOUZA, 2001). Conforme a Tabela 3.2, cerca de 80% da disponibilidade hídrica
do Brasil concentra-se nas bacias hidrográficas do Tocantins e Amazônia, que cobrem perto
de 55% do território. Assim, um quinto da água disponível no Brasil deverá suprir a demanda
de mais de 29 milhões de hectares irrigáveis e, concomitantemente, todos os outros usos
supracitados.
Tabela 3.2. Disponibilidade percentual e per capta de água no Brasil, por bacia hidrográfica,
com a respectiva área.
Área Disponibilidade hídrica Disponibilidade Per capita
Bacia hidrográfica
(%)
(Km
3
⋅ ano
–1
)
(%)
(m
3
⋅ habitante
–1
⋅ano
-1
)
Amazônica 45,8 4206 73,2 628.940
Tocantins 8,9 372 6,5 106.220
Atlântico norte/nordeste 12,1 285 5,0 9.130
São Francisco 7,4 90 1,6 7.660
Atlântico Leste 6,4 137 2,4 3.820
Paraguai 4,3 41 0,7 22.340
Paraná 10,3 347 6,0 6.950
Uruguai 2,1 131 2,3 34.100
Atlântico sudeste 2,6 136 2,4 10.910
Total 100 5.745 100 —
Fonte: SETTI (2001).
Neste contexto é interessante observar a importância do desenvolvimento e
aprimoramento de técnicas que visem racionalizar e planejar o uso dos recursos hídricos,
como é o caso do balanço hídrico, destinadas a diversas atividades agrícolas, principalmente
para a irrigação, que representa a maior parcela de uso consuntivo.
3.2 BALANÇO HÍDRICO
3.2.1 Definição e caracterização
Balanço hídrico é um sistema contábil de monitoramento da água no solo (TUCCI,
1997) e resulta da aplicação do princípio da conservação de massa para a água em um volume
de solo (PEREIRA et al., 1997). Permite observar a dinâmica da água no solo a partir do
armazenamento, deficiência e excedentes hídricos (THORNTHWAITE, 1946;
THORNTHWAITE, 1948; CAMARGO & CAMARGO, 2000).
7
O balanço hídrico é o método mais eficiente para quantificar o potencial hídrico de
uma região, pois considera a interação entre os fatores edáfico e climático. O fator edáfico
interfere no armazenamento de água do solo e o climático, por sua vez, é representado pela
precipitação pluvial e evapotranspiração (AMORIM NETO, 1989; MOSTER et al., 2003).
O balanço hídrico é uma ferramenta utilizada em diversas áreas do conhecimento tais
como a agrícola (PEREIRA et al., 1997; CINTRA et al, 2000), florestal (MOSTER et al,
2003) e hidrológica (TUCCI, 1997; CÂMARA, 1999; RODRÍGUES ANIDO, 2002). Na
atividade agrícola, algumas práticas estão diretamente relacionadas com o balanço hídrico.
Entre elas pode-se mencionar o manejo e mobilização do solo, irrigação, práticas fito-
sanitárias, colheita, entre outros (OMETTO, 1981; PEREIRA et al., 1997; TUCCI 1997;
SOUZA, 2001;).
Além da atividade agrícola, a exploração florestal também utiliza a contabilidade
hídrica, especialmente nas práticas de manejo do solo e para zoneamento de espécies. Em
estudos de hidrologia, o balanço hídrico é um indicador da influencia do uso do solo sobre o
funcionamento hidrológico de uma bacia hidrográfica (CÂMARA, 1999; RODRÍGUES
ANIDO, 2002).
De acordo com TUCCI (1997), o balanço hídrico de bacias hidrográficas geralmente
visa estimar a evapotranspiração baseando-se em dados de precipitação, evaporação e
escorrimento superficial e profundo. É considerado teoricamente preciso para estimativa da
evapotranspiração de lagos ou represas, relacionando as dimensões do reservatório, vazão e
precipitação pluvial em uma equação de continuidade.
Na área geográfica, o balanço hídrico foi utilizado por WILLMOTT et al. (1985)
como ferramenta para fundamentar seus trabalhos. Produziram-se cartas de armazenamento
de água no solo, cobertura de neve e evapotranspiração real.
3.2.2 Balanço hídrico quanto à escala temporal
Quanto a escala, os balanços hídricos podem ser classificados em seqüencial
(contínuo) e cíclicos (PEREIRA et al., 1997). Ambos os balanços apresentam particularidades
matemáticas para a sua determinação, no entanto, de forma geral, são bastante semelhantes.
O balanço hídrico cíclico utiliza normalmente dados médios da região, ou seja, dados
climatológicos normais (OMETTO, 1981). Ele reflete a condição normal do local e despreza
8
as eventualidades do tempo atmosférico. Sua utilização é mais intensa em estudos
climatológicos onde, evidentemente, a finalidade é a descrição do clima e não do tempo
meteorológico.
O balanço hídrico seqüencial ou contínuo normalmente é realizado para períodos
pequenos de tempo e demonstra a variação da condição hídrica do local. Quanto menor for o
período de estudo, maior será a interferência das variações do tempo meteorológico. Esta
contabilidade permite verificar a flutuação hídrica em solo agrícola e, consequentemente,
possibilita o manejo da irrigação.
O balanço hídrico pode ser realizado para diversos períodos de tempo, variando de
horas a anos. As escalas de tempo mais utilizadas estão entre a diária e a anual. A escolha de
uma ou outra escala temporal depende especialmente da finalidade da contabilidade hídrica.
Estudos geológicos e climáticos utilizam com freqüência as escalas anual e mensal,
respectivamente. O monitoramento do armazenamento de água no solo para fins
irrigacionistas, considera normalmente períodos de 1 a 10 dias, dependendo das condições
climáticas e capacidade de armazenamento de água dos solos da região. Inúmeros são os
autores que consideram períodos de 1, 5, 7 e 10 dias em trabalhos científicos na área agrícola
(BRAGA, 1982; SANTOS & ANDRE, 1992; CINTRA et al, 2000; SOUZA, 2001; SOUZA
& FRIZZONE, 2003; PACHECHENICK, 2004; PACHECHENICK et al. (2004). TRENTIN,
2005; MARQUES, 2005). A sensibilidade da cultura ao estresse hídrico interfere na escolha
da periodicidade do balanço. A disponibilidade de dados climáticos em escala igual ou mais
detalhada que a do balanço hídrico, também pode limitar a escolha de uma ou outra
periodicidade (OMETTO, 1981; TUBELLIS, 1986; PEREIRA et al., 1997).
3.2.3 Procedimentos para determinar o balanço hídrico
O balanço hídrico pondera as componentes: precipitação, evaporação,
evapotranspiração, escoamento superficial e subterrâneo (TUCCI, 1997). Baseando-se nos
componentes citados, diferentes procedimentos podem ser realizados para determinar o
balanço hídrico, que pode ser classificado em superficial, aerológico, isotópico, balanços
energéticos, balanços hídricos de superfícies líquidas, modelos matemáticos, balanços hídrico
agrícola e climatológico. As principais características de cada modelo são explicitadas a
baixo:
9
(a) Balanço hídrico superficial: Utiliza-se da relação de continuidade entre os termos
precipitação, evapotranspiração e escoamento;
(b) Balanço hídrico aerológico: Utiliza dados climatológicos para estabelecer a conservação
de massa na atmosfera. Calcula a diferença efetiva entre a precipitação e a evaporação.
Este tipo de método apresenta limitação quanto á disponibilidade de dados;
(c) Balanço hídrico isotópico: Utiliza-se das propriedades químicas da água para determinar
a sua fonte e quantificar cada componente do sistema. A água apresenta um tipo particular
de isótopos para cada fonte específica (TUCCI, 1997), o que ajuda a compreender os
processos hídricos em sub-superfície. Os isótopos de um elemento químico possuem
mesmo número atômico e massa diferente. A diferença de massa é provocada pela
variação do número de nêutrons do elemento (SILVEIRA & SILVA JÚNIOR, 1998). O
processo de evaporação, metabolismo das plantas, mudanças climáticas e reações com o
solo e as rochas, na atmosfera (chuva) e, ou, em sub-superfície (lençol freático),
modificam a composição atômica da água (CLARK & FRITZ, 1997). Os isótopos mais
utilizados em estudos hidrológicos no Brasil são
18
O,
2
H e
3
H, especialmente porque são
os principais constituintes da água. (SILVEIRA & SIVA JÚNIOR, 1998);
(d) Balanços energéticos: Através do balanço de calor disponível na superfície considerada,
determina-se a evaporação ou a evapotranspiração, componentes essenciais do balanço
hídrico. É empregado principalmente em lagos, reservatórios ou trechos de rios;
(e) Balanço hídrico por modelos matemáticos: Os modelos matemáticos destinados ao
balanço hídrico utilizam equações para estimar, no tempo e no espaço, os principais
fenômenos envolvidos na dinâmica hídrica do sistema;
(f) Balanço hídrico agrícola: É direcionado à determinação da necessidade ou
disponibilidade hídrica real aos cultivos agrícolas (TEIXEIRA & LAGES, 1996). O
objetivo mais comum do balanço hídrico agrícola é quantificar o volume a ser irrigado
para manutenção da umidade do solo cultivado próximo da capacidade de campo;
(g) Balanço hídrico climatológico: O balanço hídrico climatológico é a contabilidade hídrica
no solo (THORNTHWAITE, 1948) para fins climatológicos, ou seja, para classificação
climática (THORNTHWAITE & MATHER, 1955; OMETTO, 1981; PEREIRA et al.,
1997). Com ele delimitam-se intervalos de deficiências e excedentes hídricos para a região
em estudo.
10
3.2.4 Metodologias de determinação do balanço hídrico
Para CAMARGO & PEREIRA (1990) e SOUZA (2001), uma outra classificação de
modelos de balanços hídricos pode ser obtida, quando o objetivo do monitoramento for
quantificar as necessidades de água das culturas nos seus estágios de desenvolvimento.
Assim, são eles:
(a) Modelos pedológicos: A condição hídrica do solo é monitorada baseando-se no teor de
umidade, determinada por diferentes métodos;
(b) Modelos físicos: Baseia-se na relação entre teor de umidade e tensão de água no solo.
Assim, a umidade pode ser acompanhada indiretamente, através da tensão de água no
solo. Um dos instrumentos mais utilizados para a avaliação da umidade em solos agrícolas
é o tensiômetro. Os tensiômetros são os únicos instrumentos que fornecem medidas
diretas de tensão;
(c) Modelos fisiológicos: Os modelos fisiológicos relacionam a deficiência de água no solo
com as reações da planta. Desta forma, a planta se torna instrumento de monitoramento da
condição hídrica do solo;
(d) Modelos irrigacionistas: Utiliza valores de ETo determinados por meio de algum método
de estimativa (Tanque Classe A, Thornthwaite, Penman, entre outros) e coeficiente de
cultivo (Kc) da cultura para determinar a lâmina de água a ser aplicada no solo (ETc). O
objetivo principal consiste na manutenção da condição hídrica ideal para a planta, ou seja,
a umidade da capacidade de campo (CC);
(e) Modelos climatológicos: Os modelos climatológicos de realização do balanço hídrico
consideram a precipitação e a evapotranspiração da cultura para determinar potenciais
deficiências hídricas e realizar a suplementação de forma racional.
A escolha do modelo de balanço hídrico mais adequado é determinada principalmente
pelo grau de conhecimento do sistema solo/planta/atmosfera (SOUZA, 2001). Modelos mais
complexos são mais exigentes em dados do solo, cultura e atmosfera, o que pode inviabilizar
a sua utilização.
O balanço hídrico climatológico é utilizado em inúmeros trabalhos científicos, sendo
adaptado às necessidades de cada área do conhecimento. THORNTHWAITE (1948) classifica
11
o balanço hídrico climatológico como uma ferramenta para obtenção de dados indispensáveis
em trabalhos e pesquisas agrometeorológicas (CAMARGO & CAMARGO, 2000).
Em geral, o balanço hídrico climatológico é realizado com os dados climáticos
normais da região, as normais climatológicas que estabelecem a condição do clima local. No
entanto, nada impede que o mesmo seja determinado a partir de dados instantâneos. A
metodologia mais freqüente de balanço hídrico é a de THORNTHWAITE & MATHER
(1955). Autores como FONTANA et al. (1998), FRANKE (1997), MARIN et al. (2000) e
SOUZA (2001) adotaram essa metodologia de balanço hídrico climatológico em diversas
modalidades de monitoramento.
As normais climatológicas de um local correspondem aos dados climáticos médios,
obtidos a partir de uma série histórica. Recomenda-se, para dados de precipitação pluvial,
uma série histórica maior que 30 anos, para obtenção de normais confiáveis (PEREIRA et al.,
2002).
3.2.5 Balanço hídrico de THORNTHWAITE & MATHER (1955)
O processo mais utilizado de contabilidade hídrica no solo para fins agrícolas é o de
THORNTHWAITE & MATHER (1955) (WILLMOTT et al., 1985; DOURADO NETO &
VAN LIER, 1993; CAMARGO & CAMARGO, 2000). De acordo com PEREIRA &
CAMARGO (1989), o método tem se mostrado eficiente para programar e definir diversas
atividades agrícolas.
O balanço hídrico proposto por THORNTHWAITE & MATHER (1955) é um método
que permite a estimativa da evapotranspiração, sendo que o volume de água armazenada no
solo determina a taxa de evapotranspiração real. Quanto mais seco estiver o solo, mais difícil
será a evapotranspiração.
3.2.5.1 Processo de cálculo do balanço hídrico de THORNTHWAITE & MATHER
(1955)
O balanço hídrico proposto por THORNTHWAITE & MATHER (1955) consiste em
um quadro com colunas, onde são dispostos valores de precipitação (P) e evapotranspiração
(ET), podendo variar da escala diária até mensal. A partir destas duas colunas e com o valor
da capacidade de água disponível (CAD) apropriada ao tipo de planta cultivada e solo, o
balanço hídrico climatológico fornece as estimativas, em milímetros, da evapotranspiração
12
real (ER), deficiência hídrica (DEF), excedente hídrico (EXC) e armazenamento de água no
solo (ARM). Maiores informações sobre o preenchimento da planilha de cálculo do balanço
hídrico climatológico poderá ser encontrada em OMETTO (1981), TUBELLIS (1986) e
PEREIRA et al. (1997).
3.2.5.2 Componentes do balanço hídrico
O balanço hídrico contabiliza entradas e saídas de água num dado volume de solo
vegetado. A entrada da água no sistema pode ser subdividida em irrigação (I), precipitação
pluvial ou chuva (P), orvalho (O), ascensão capilar (AC), escoamento superficial (ES
E
) e
drenagem lateral (DL
E
). A saída, por sua vez, ocorre por evapotranspiração (ET), drenagem
lateral (DL
S
) e profunda (DP), e escoamento superficial (ES
S
) (OMETTO, 1981; PEREIRA et
al, 1997). O balanço hídrico segue o princípio de conservação de massa, assim, o somatório
de todas as suas componentes deverá ser nulo.
ARMESDPDLETDLESACOPI
SSEE
±
=
−
−
−
−
+++++
Em sistemas agrícolas, uma componente do balanço hídrico deve ser considerada na
contabilidade quando interferir no armazenamento (ARM) da água no solo, ou ainda, quando
puder ser aproveitada pelas plantas (OMETTO, 1981). Assim, pode-se encontrar na literatura
a relação das seguintes afirmações a respeito de algumas componentes do balanço hídrico:
– O orvalho, por exemplo, representa uma contribuição pequena, com um máximo de 0,5
mm⋅dia
-1
em locais úmidos;
– O escoamento superficial de entrada (ES
E
) e de saída (ES
S
), bem como a drenagem lateral
de entrada (DL
E
) e de saída (DL
S
), geralmente tendem a se anular (PEREIRA et al., 1997);
– Como a variação de armazenamento de água ocorre na camada onde se encontra
aproximadamente 80% do sistema radicular da planta (profundidade efetiva) em questão, a
drenagem profunda é contabilizada como excesso (OMETTO, 1981);
– A ascensão capilar pode ser desprezível em solos profundos (PEREIRA et al., 1997).
– A chuva e a evapotranspiração são as componentes de entrada e saída mais importantes de
água do solo. A irrigação representa uma prática de manejo que pode ser adotada ou
suprimida do sistema conforme a necessidade e não é considerada uma componente de
natureza climática.
13
3.3 MODELOS COMPUTACIONAIS QUE CONSIDERAM A REALIZAÇÃO DE UM
BALANÇO HÍDRICO PARA A AGRICULTURA IRRIGADA
De acordo com CASTRO et al. (2002) os programas direcionados ao planejamento
operacional de sistemas de irrigação diferem entre si basicamente pela linguagem de
programação, grau de complexidade do algoritmo, dados requeridos e precisão dos resultados.
D’ANGIOLELLA & VASCONCELLOS (2001) acrescentam que o avanço da informática
permitiu a geração de diversos programas para estimativa da evapotranspiração e para o
cálculo do Balanço Hídrico. CASTRO et al. (2002) citam como exemplo de programas
direcionados ao planejamento operacional da irrigação, aqueles desenvolvidos por
WINDSOR & CHOW (1971), DEAN (1980), TRACY & MARINO (1989), LEME &
CHAUDHRY (1992), PRAJAMWONG et al. (1997) e CASTRO (2001).
Os parágrafos a seguir apresentam uma série de modelos computacionais que foram
desenvolvidos visando auxiliar a realização de projetos, planejamento e, ou, manejo da
agricultura irrigada, e que de alguma forma consideram a realização de um balanço hídrico
em seu interior.
O Modelo Tobruk desenvolvido por CASTRO (2001), contraria a maioria dos
programas de planejamento da irrigação, pois determina iterativamente a lâmina de irrigação
que proporciona o maior retorno econômico e não a máxima produção física. O programa foi
desenvolvido em ambiente Windows na linguagem de programação DELPHI 5.0. Os dados
necessários para o processamento são aqueles relacionados à cultura (informações sobre
plantio, coeficiente de cultivo, função água-produção), ao local de irrigação (características
físicas do solo, precipitação e evapotranspiração), ao sistema de irrigação (tipo, lâmina de
projeto, eficiência de irrigação, turno de rega e jornada de trabalho) e as informações sobre
custos e receitas da cultura irrigada.
O programa de balanço hídrico desenvolvido por BARBIERI et al. (1991) foi
empregado por PICINI et al. (1999) na estimativa da disponibilidade hídrica do solo. A
estrutura do modelo desenvolvido pelos autores segue a metodologia de THORNTHWAITE
& MATHER (1955) para dados normais e seqüenciais agrupados em períodos mensais ou
decendiais. Os dados de entrada para o programa são: a capacidade de água disponível (CAD),
dada em função das características físico-hídricas do solo (umidade de capacidade de campo,
ponto de murcha permanente, densidade global do solo), precipitação e a evapotranspiração.
14
D’ANGIOLELLA & VASCONCELLOS (2001) elaboraram planilhas de cálculo do
balanço hídrico climatológico conforme a metodologia de THORNTHWAITE & MATHER
(1955). Essa ferramenta foi desenvolvida em ambiente Microsoft Excel 2000 e possibilita
estimar a evapotranspiração potencial por cinco diferentes métodos, a citar:
THORNTHWAITE (1948), Tanque Classe A, Penman-Monteith, Hargreaves & Samani,
Blaney & Criddle. Além da precipitação, os dados de entrada para a realização do Balanço
Hídrico variam conforme o método de estimativa da evapotranspiração potencial. A
estimativa da evapotranspiração e o calculo do balanço hídrico também podem ser realizados
com o Modelo Cropwat 7.0 da FAO (D’ANGIOLELLA & VASCONCELLOS, 2001).
O Modelo SARRA-Br (Sistema de Análise Regional do Risco Agroclimático-Brasil)
foi baseado no SARRA proposto por FOREST & CLOPES (1994) e possui um módulo para
simulação do balanço hídrico diário denominado BRASDHC (Brasil – Diagnóstico Hídrico
das Culturas). O BRASDHC é derivado do modelo BIP ou BIPODE desenvolvido por
FOREST (1984), testado por ASSAD (1986) e modificado por FRÉTEAUD et al. (1987),
VAKSMANN (1990) e AFFHOLDER (1995). As principais variáveis e dados de entrada são:
CAD (capacidade de água disponível), profundidade máxima do sistema radicular e do solo,
lâmina infiltrada, evapotranspiração de referência e índice de área foliar (IAF). O modelo
apresenta como resultados os dados diários de evapotranspiração real e evapotranspiração sem
restrição de água no solo, profundidade da frente de umedecimento do solo, armazenamento e
a percolação (AFFHOLDER et al., 1997)
SARMA et al. (1980) desenvolveram um programa que calcula a evapotranspiração
diária como resíduo da equação do balanço hídrico. O perfil de umidade do solo, obtido com
valores tensiométricos medidos no campo, bem como a curva característica do solo (tensão vs.
conteúdo de água), são utilizados como entrada para o modelo. O programa avalia o efeito da
precipitação e da irrigação durante os períodos de observação e também calcula a perda de
água por drenagem profunda. O programa é capaz de calcular a umidade potencial, o
conteúdo de umidade e a condutividade hidráulica do solo para a profundidade que os
tensiômetros foram instalados e para a camada entre dois pontos de medida. A infiltração por
chuva ou irrigação, juntamente com a retenção superficial e o escorrimento superficial
também podem ser determinados pelo software.
15
MARQUES (2005) desenvolveu um modelo computacional em DELPHI 7.0 que
possibilita determinar o risco econômico em culturas irrigadas, simulando situações de
implantação e manejo da irrigação e suas conseqüências econômicas. Além de uma série de
características econômicas, o modelo também considera as características da cultura e realiza
o balanço hídrico, onde são estimadas as lâminas brutas mensais de irrigação mediante o
cálculo diário das irrigações necessárias. A autora destaca também a importância da
informática na agricultura e relaciona alguns programas que se destacam na área de irrigação.
Dentre eles estão os desenvolvidos por VAN LIER & DOURADO NETO (1991), MOREIRA
& TORRES FILHO (1993), HERNANDEZ et al. (1995), MARQUES et al. (2002),
SRIVASTAVA et al. (2003).
SOUZA (2001) desenvolveu, em linguagem Visual Basic (macros), um modelo
denominado “Modelo para a análise de risco econômico aplicado ao planejamento de projetos
de irrigação para a cultura do cafeeiro (MORETTI)”, que possibilita a composição de cenários
a partir da seleção de sistemas de irrigação, criação de manejos de irrigação, seleção de fontes
de energia (diesel e elétrica), escolha entre tipos de tarifação da energia elétrica e realização
da estimativa de um custo de produção para a irrigação de culturas perenes entre outras
opções. O Modelo é constituído por módulos, dentre eles o modulo “Balanço hídrico
climatológico decendial” possibilita a simulação de 10.000 anos de balanço hídrico com base
em dados edafo-climáticos inseridos pelo usuário. Os principais dados de entrada no módulo
são as umidades de capacidade de campo e ponto de murcha permanente, o fator p de água
disponível no solo, a profundidade do sistema radicular, os parâmetros estatísticos da chuva e
ETo e o coeficiente de cultivo. A evapotranspiração é simulada por diferentes distribuições de
probabilidade baseando-se na metodologia de Monte Carlo. Também possibilita a escolha de
modelos estatísticos de estimativa do armazenamento em função do negativo acumulado.
Considerando o modelo como um todo, a realização do balanço hídrico tem a finalidade de
quantificar: a irrigação necessária em função do manejo da irrigação; o custo com energia
para bombear a quantidade de água a ser irrigada; o custo com água para irrigação; e a
produtividade alcançada com a cultura, simulada por meio de uma função de produção que
leva em consideração a deficiência hídrica.
16
3.4 CONSIDERAÇÕES SOBRE AS COMPONENTES PRECIPITAÇÃO E EVAPO-
TRANSPIRAÇÃO DO BALANÇO HÍDRICO
As formas de entrada e saída de água mais representativas da dinâmica da água do
solo agrícola são a precipitação, especialmente na forma de chuva ou precipitação pluvial, e a
evapotranspiração. Estas duas componentes são fundamentais para a realização do balanço
hídrico na maioria dos modelos relacionados no item anterior. Algumas considerações e
particularidades destas duas componentes, além de considerações sobre armazenamento da
água no solo, estão relacionadas nos próximos subitens.
3.4.1 Precipitação pluvial ou chuva
A precipitação pluvial, mais conhecida como chuva, representa o retorno da água, na
forma líquida, da atmosfera para o solo. A condensação do vapor de água, evaporado e
transpirado para a atmosfera, inicia na presença de núcleos de condensação devido à saturação
do ar por resfriamento ou descompressão adiabática (TUBELIS & NASCIMENTO, 1986;
PEREIRA et al., 2002).
A ocorrência da chuva varia, conforme o clima, de região para região. É um fenômeno
aleatório, pois apresenta quantidade e distribuição variáveis de uma região para outra. A
disponibilidade de séries históricas locais possibilita a representação da precipitação por
modelos, em termos probabilísticos. Estes modelos apresentam-se úteis em diversas
atividades agrícolas, tais como: semeadura, preparo do solo, irrigação, colheita, proteção e
conservação de solos, dimensionamento de reservatórios, entre outros (OLIVEIRA et al,
1997; RIBEIRO & LUNARDI, 1997a, RIBEIRO & LUNARDI, 1997b; SOUZA, 2001).
Dentre as formas de precipitação atmosférica, a chuva é a mais importante, sendo o
principal suprimento de água em cultivos agrícolas. Para SILVA et al. (1998), a chuva,
juntamente com a evapotranspiração, são elementos agroclimáticos que definem a
produtividade das culturas. CAMARGO & CAMARGO (2000) classificam a chuva e a
evapotranspiração potencial como elementos meteorológicos de sentidos opostos. Para
QUEIROZ (2001), o suprimento das exigências hídricas é essencial para a obtenção de altas
produtividades e estabilidade no rendimento das espécies cultivadas.
Em geral, na agricultura, além da quantidade e intensidade, o mais importante é a
freqüência de ocorrência do fenômeno, ou seja, o número de eventos no intervalo de tempo
17
(ASSIS, 1991). A avaliação quantitativa da precipitação regional é importante para a
produção vegetal, manejo dos recursos hídricos e avaliação ambiental.
O padrão pluviométrico de uma região pode ser descrito, com certo grau de precisão, a
partir de séries históricas consistentes, ou seja, com um número mínimo de dados (CASTRO,
1994). Para ASSIS et al. (1996), uma série consistente de dados pluviométricos deve ter mais
de 30 anos.
Estatisticamente, a precipitação pluviométrica não se distribui em torno da
precipitação média, mas sim de forma irregular (BARGER & THOM, 1949; KREPPER et al.,
1989
;
RIBEIRO & LUNARDI, 1997b). Estudos probabilísticos têm sido realizados a fim de
prever a tendência da precipitação. Utilizam-se para isso as freqüências observadas obtidas
das séries históricas ou de modelos teóricos (ASSIS, 1991).
3.4.2 Evapotranspiração
O termo Evapotranspiração corresponde ao somatório dos fenômenos de evaporação e
transpiração em superfícies naturais.
A evaporação consiste num processo físico, diretamente relacionado à disponibilidade
de energia na superfície considerada. A principal fonte de energia para suprir a demanda da
evapotranspiração é a radiação solar (OMETTO, 1981). A energia advectiva também é uma
importante fonte de energia para a evapotranspiração, pois transfere calor sensível e energia
latente da área seca para o campo de estudo (CAMARGO & CAMARGO, 2000).
A transpiração é um fenômeno biológico, determinado não somente pelas condições
energéticas do sistema, mas também por características do próprio vegetal. A transpiração é
diretamente proporcional ao armazenamento de água no solo. Em condições de atmosfera
deficiente em água, um vegetal transpira potencialmente quando houver umidade suficiente
no solo (OMETTO, 1981; MOTA, 1989; PEREIRA et al., 1997; PEREIRA et al., 2002).
Para MATHER (1958), a introdução do conceito de evapotranspiração potencial por
THORNTHWAITE & WILM (1944) foi o mais significativo avanço no entendimento da
umidade como elemento do clima. THORNTHWAITE & WILM (1944) pretendiam
representar com a evapotranspiração potencial, a necessidade de água da vegetação, de forma
similar a precipitação pluvial. (CAMARGO & CAMARGO, 2000)
18
A evapotranspiração potencial (ETp) é definida como a perda de água para a
atmosfera, por uma superfície natural, sem restrição hídrica para transpiração e evaporação no
solo (OMETTO, 1981; TUBELLIS & NASCIMENTO, 1986; PEREIRA et al., 1997;
CAMARGO & CAMARGO, 2000). Para PENMAN (1956), a expressão Evaporação natural
representa melhor o elemento meteorológico ETp. DOOREMBOS & PRUITT (1975),
estabeleceram a grama batatais (Paspalum notatum Flugge) como cobertura vegetal
padronizada para o solo, e denominaram a ETp sob esta condição de evapotranspiração de
referência (ETo).
Quanto menor o armazenamento de água no solo, maior será a limitação imposta pela
planta e pelo solo á evapotranspiração, que será menor que á potencial. A evapotranspiração
real (ER) é a perda de água de uma superfície natural, em qualquer condição de umidade e de
cobertura vegetal (PEREIRA et al., 1997; CAMARGO & CAMARGO, 2000). A
evapotranspiração real é um caso especial da evapotranspiração potencial. A
evapotranspiração em sistemas agrícolas normalmente não é potencial, devido a variações de
umidade e cobertura do solo. Os campos agrícolas não promovem também uma cobertura
homogênea ao solo durante todo o ciclo de cultivo, ou seja, há variação no índice de área
foliar (IAF) e no coeficiente de cultivo (Kc).
O índice de área foliar (IAF) expressa a relação entre as áreas foliar e a área ocupada
pela planta e tem relação direta com a evapotranspiração. O coeficiente de cultivo (Kc) é a
relação entre a evapotranspiração da cultura (ETc) sem deficiência hídrica, em qualquer
estádio de desenvolvimento e a evapotranspiração de referência (ETo) correspondente
(DOORENBOS & PRUITT, 1977; CAMARGO & PEREIRA, 1990).
A condição de umidade de solos com cobertura natural ou sob cultivos agrícolas,
normalmente é determinada pelo regime pluviométrico da região. Desta forma, há uma
variação do armazenamento de água, tanto maior quanto mais energia estiver disponível no
dossel das plantas. Este somatório de características faz com que não sejam satisfeitas as
condições padrão, determinadas para a expressão da evapotranspiração potencial. Assim,
denomina-se evapotranspiração da cultura ou evapotranspiração máxima de cultura (ETc), a
quantidade de água utilizada por uma cultura, em qualquer fase de desenvolvimento, sem
restrição hídrica. Nos cultivos agrícolas, quando a condição hídrica não é satisfeita, ocorre a
evapotranspiração real da cultura (PEREIRA et al., 2002).
19
3.4.2.1 Determinação da Evapotranspiração de referência ou potencial
A evapotranspiração de referência (ETo) pode ser medida com lisímetros ou
evapotranspirômetros, ou ainda estimada, por modelos teóricos embasados no clima, solo e
planta. A coleta de dados diários de evapotranspiração é onerosa e trabalhosa, no entanto é
essencial para suprir as necessidades de dados para aferição dos modelos de estimativa, e
determinar o consumo de água das culturas de interesse. A coleta destes dados normalmente é
feita em estações meteorológicas de institutos de pesquisa (CAMARGO, 1966; OMETTO,
1981; SOUZA, 2001).
Diversos métodos de estimativa da evapotranspiração potencial para fins
climatológicos são citados na literatura. DOORENBOS & PRUITT (1977) relacionaram 31
modelos de estimativa da ETo. SEDIYAMA (1987) apontou a existência de mais de 50
métodos de cálculo, descrevendo os 10 mais utilizados na época. PEREIRA et al. (1997)
detalharam 17 métodos de estimativa da evapotranspiração de referência e os distribuiu nas
categorias: empírico, aerodinâmico, balanço de energia, combinado e correlação dos
turbilhões.
Mediante a apreciação de inúmeros trabalhos de pesquisa envolvendo a estimativa da
ETo, SOUZA (2001) destaca que é interessante observar o número de vezes em que os
métodos de Thornthwaite, Tanque Classe A, Penman e Penman-Monteith foram utilizados.
Os métodos de Thornthwaite e Tanque Classe A são utilizados com freqüência devido à
simplicidade e rapidez nos cálculos, no entanto, a precisão e exatidão das suas estimativas
dependem muito do local e da época do ano em que foram realizados os trabalhos. Os
métodos de Penman e Penman-Monteith são utilizados por serem mais consistentes e terem
condições de estimar melhor a ETo na escala diária. No entanto, o grande número de
informações climáticas necessárias mostra-se como o principal empecilho para o emprego
generalizado dos mesmos, já que em algumas regiões brasileiras não é possível encontrar nem
dados de temperatura.
O método de Thornthwaite tem sido bastante criticado por utilizar apenas a
temperatura do ar como variável independente, no entanto, PEREIRA et al. (1997) comenta
que a crítica é injusta, pois inúmeros outros métodos utilizam apenas a temperatura como
condicionante da ETo.
20
3.4.3 Chuva e evapotranspiração prováveis
A chuva ou precipitação provável é a lâmina mínima de precipitação atmosférica,
principalmente na forma de chuva ou precipitação pluvial, estimada por meio de uma função
densidade de probabilidade, que ocorre a um determinado nível de probabilidade estatística
(FRIZZONE, 1979; ARAUJO et al., 2001; SOUZA, 2001; OLIVEIRA & CARVALHO,
2003;). Segundo CASTRO et al. (1994) a utilização da precipitação média no
dimensionamento de projetos agrícolas no Brasil e comum e este fato constitui-se em um
risco para o produtor.
A adoção da chuva provável é recomendada para proporcionar um planejamento e
dimensionamento mais adequado dos sistemas de irrigação, pois os valores médios
apresentam coeficientes de variação maiores que 100%, não constituindo uma boa referência
para essa componente climática (DOOREMBOS & PRUITT, 1977; BERNARDO, 1989;
SAMPAIO et al., 1999; SAMPAIO et al., 2000; OLIVEIRA & CARVALHO, 2003). Para
VILLELA & MATTOS (1975) e ARAUJO et al. (2001) os valores de chuva provável
também são de extrema importância para o dimensionamento de vertedouros de barragens,
canais, galerias pluviais, bueiros e barragens de abastecimento de água.
A evapotranspiração provável é a lâmina máxima de evapotranspiração, estimada por
uma função densidade de probabilidade, que pode ser igualada ou superada para um
determinado nível de probabilidade estatística (SOUZA, 2001). Os valores prováveis de
evapotranspiração são normalmente maiores que as médias.
BASTOS et al. (1994) exemplificam que o conhecimento de diferentes níveis de
probabilidade de um evento meteorológico, como a ETo de um determinado local, possibilita
ao projetista quantificar a vazão necessária para irrigar uma determinada área, escolhendo
para tal valores representativos e confiáveis de ETo, de acordo com o retorno econômico e
social preconizado para o projeto em questão.
3.4.3.1 Distribuições de probabilidade
(a) Chuva
A precipitação pluvial decendial normalmente segue a distribuição de probabilidade
gama. A bibliografia é contundente em apontar essa distribuição de probabilidade para a
chuva em períodos curtos de tempo. THOM (1958), SILVA (1987) e ASSIS et al. (1996)
21
comentam que a função gama possui bom ajuste para a chuva mensal ou agrupada em
períodos menores. De acordo com CASTRO (1994) a tendência da precipitação pluvial pode
ser adequadamente representada pela distribuição gama incompleta, pois pode ocorrer a
ausência de chuva (precipitação zero). SAAD (1990) também verificou que a distribuição
gama foi adequada para explicar a distribuição da precipitação da região de Piracicaba-SP
para períodos de cinco, dez, quinze e trinta dias.
(b) Evapotranspiração
Para SILVA (1987) a distribuição Gumbel de freqüência é a que melhor representa a
tendência da evapotranspiração máxima de referência, temperatura máxima e mínima. Por
outro lado, para esse mesmo autor, a temperatura média mensal segue a função densidade de
probabilidade normal. A distribuição Gumbel é frequentemente adotada para valores
climáticos extremos (BACK, 1996). BASTOS et al (1994) também ajustaram a distribuição
Gumbel a dados diários e acumulados de 2 a 7 dias de evapotranspiração potencial máxima
para Teresina-PI. FIETZ & URCHEI (2002), estudando a distribuição de freqüência da
evapotranspiração de referência em períodos de 5, 10, 15, 20, 25 e 30 dias para a região de
Dourados-MS, encontraram bom ajuste a distribuição normal pelo teste de Kolmogorov-
Smirnov a 5% de significância estatística.
3.4.3.2 Nível de probabilidade para chuva e ETo
Para JENSEN (1983), os valores de probabilidade são variáveis e podem ser
adotados considerando o risco econômico de redução na qualidade e quantidade de produção
decorrente da deficiência hídrica causada pela supervalorização das alturas de precipitação.
Esse princípio também pode ser adotado para valores de evapotranspiração provável,
considerando-se um nível de probabilidade equivalente ao selecionado para a precipitação
provável.
CASTRO et al. (2002) visando determinar a lâmina ótima de irrigação com o
programa Tobruk utilizou o nível de 80% de probabilidade para estimar a precipitação e
evapotranspiração prováveis. BERNARDO (1989) destaca que o nível de probabilidade mais
adequado para trabalhos com precipitação provável em meio agrícola não deve ser inferior a
75% ou 80%, ou seja, uma lâmina mínima de água que pode ocorrer em 3 anos, de uma
seqüência de 4 anos. Diversos outros autores, como FRIZZONE et al. (1985), CUNHA et al.
(1997), RIBEIRO & LUNARDI (1997a) e FRIZZONE et al. (2005) destacam o nível de
probabilidade de 75 % para estimar a chuva provável ou de projeto.
22
3.4.4 Armazenamento de água no solo
A quantidade de água retida no perfil do solo é importante para o desenvolvimento dos
vegetais. A água fica retida na superfície das partículas do solo. Solos com textura arenosa
apresentam menor capacidade de retenção de água, quando comparado a solos argilosos e
siltosos. Esta propriedade é função da superfície específica dos constituintes do solo.
A lâmina de água armazenada no solo também é função da profundidade do perfil (z),
que por sua vez determina a dimensão do volume de controle. Quanto mais profundo o solo,
mais água será retida. Em cultivos agrícolas, normalmente as culturas exploram diferentes
horizontes, em função do seu sistema radicular, conferindo uma variação contínua ao
armazenamento (OMETTO, 1981; TUBELIS & NASCIMENTO, 1986; PEREIRA et al.,
1997).
Do volume total de água armazenada no solo, a porção de água capilar compreendida
entre as umidades de capacidade de campo e ponto de murcha permanente é denominada
CAD (BERNARDO, 1989). Entretanto, devido à variação no poder de extração de água do
solo pelos vegetais, apenas uma fração (p) (RIJTEMA & ABOUKHALED, 1975;
DOURADO NETO & JONG VAN LIER, 1993) da CAD é prontamente disponível para as
plantas absorverem sem prejuízo no crescimento. Esta porção é denominada água disponível
(AD) (PEREIRA et al., 1997).
Para a determinação da capacidade de água disponível (CAD), num dado volume de
solo, é necessário conhecer a densidade aparente do solo, a profundidade do perfil explorado
pelas raízes, bem como a umidade na capacidade de campo e ponto de murcha permanente
(PEREIRA et al., 1997).
A umidade da capacidade de campo (
θ
cc
) representa o máximo teor de água retido no
solo contra a força da gravidade. Na prática, a
θ
cc
é alcançada com a saturação e drenagem do
excesso de água do perfil do solo. Em solos permeáveis de textura média, a condição de
capacidade de campo ocorre aproximadamente 2 a 3 dias após uma chuva ou irrigação
(REICHARDT, 1988; SOUZA, 2001).
Ponto de murcha permanente (
θ
pmp
) é o limite mínimo de umidade do solo em que as
plantas se mantêm murchas e não retomam a turgidez quando restabelecida a condição hídrica
favorável à sobrevivência das mesmas (VEIHMEYER & HENDRICKSON, 1949).
23
O armazenamento de água em um determinado tipo de solo ao longo do tempo pode
ser estimado por meio da realização de um balanço hídrico, tendo-se as medidas de
evapotranspiração e precipitação pluvial. Desta forma, a água disponível (AD) será uma
função da quantidade e distribuição da chuva ao longo do ciclo da cultura, da taxa de
infiltração, CAD e do tipo de cultura. A infiltração e a CAD relacionam-se com a porosidade
do solo. A infiltração é favorecida pelos macroporos e a retenção pelos microporos
(SANTANA & NAIME, 1978; SOUZA, 2001).
3.4.4.1 Medida e estimativa do armazenamento
O armazenamento da água no solo pode ser medido diretamente no campo ou
estimado a partir de dados meteorológicos. A estimativa do conteúdo de água no solo pode ser
feita por meio de vários métodos (tensiométrico, elétrico, dispersão de nêutrons e secagem).
A estimativa do armazenamento da água no solo pode ser realizada também a partir de
uma série de modelos (equações) que são apresentados na bibliografia. Dentre eles,
certamente a equação de THORNTHWAITE & MATHER (1955) é a mais utilizada para a
estimativa do conteúdo de água armazenada no solo. Inúmeros são os trabalhos que utilizaram
este método para monitoramento da água no solo.
Outro modelo estatístico para estimativa do armazenamento e negativo acumulado é o
desenvolvido e aplicado por BRAGA (1982) em um balanço hídrico modificado, quando
caracterizou a seca agronômica para a região de Laguna-SC. Esse autor, seguindo as
considerações de RIJITEMA & ABOUKHALED (1975), também propôs que a perda de água
ocorre linearmente durante a retirada da água disponível (AD) do solo, ou seja, na zona
úmida; e exponencial, conforme THORNTHWAITE & MATHER (1955), para a zona seca,
ou seja, para armazenamentos menores que (1 – AD) ⋅ CAD.
DOURADO NETO & VAN LIER (1993) visando identificar os melhores modelos de
estimativa do armazenamento em função do negativo acumulado e vice-versa, realizaram um
estudo envolvendo a comparação de 11 modelos estatísticos – funções matemáticas. São eles:
THORNTHWAITE & MATHER (1955); BRAGA (1982); Potencial de primeira ordem
(RIJITEMA & ABOUKHALED, 1975); Potencial de segunda ordem; Potencial de terceira
ordem; Cúbico; Logarítmico; Co-senoidal; Potencial de primeira ordem-senoidal; Potencial de
segunda ordem-senoidal; Senoidal-quadrático e Senoidal-logarítmico. Baseando-se em 14
condições formuladas a partir do conhecimento empírico do processo de evapotranspiração na
24
camada compreendida pelo sistema radicular, os autores concluíram que o método mais
eficiente na estimativa do armazenamento foi o Co-senoidal, sendo recomendado para
cálculos de balanço hídrico.
SOUZA (2001) contempla em seu modelo a equação exponencial
(THORNTHWAITE & MATHER, 1955) e Potencial de primeira ordem (RIJITEMA &
ABOUKHALED, 1975), a qual denomina de linear-exponencial.
3.4.4.2 Modelo SPLINTEX
A estimativa do volume total de água armazenada no solo nos modelos de balanço
hídrico necessita das umidades de capacidade de campo e ponto de murcha permanente, além
da profundidade efetiva do sistema radicular e densidade do solo. Estes dados são
fundamentais para calcular a capacidade de água disponível (CAD) de um determinado solo.
A estimativa das propriedades hidráulicas de um solo por funções de pedotransferência
para o cálculo da capacidade de campo (θ
cc
) e ponto de murcha permanente (θ
pmp
), não tem a
mesma precisão dos resultados medidos, porém é uma alternativa simplificada, rápida e barata
para a resolução de problemas hidrológicos (SIQUEIRA & PREVEDELLO, 2005
1
).
O programa numérico de pedotransferência SPLINTEX (PREVEDELLO, 2002
2
)
determina, para a curva de retenção de água no solo, os parâmetros independentes alfa (α),
umidade residual (θ
r
), umidade de saturação (θ
s
), “eme” (m) e “ene” (n) do modelo de VAN
GENUCHTEN (1980). A obtenção destes parâmetros possibilita a estimativa dos valores de
θ
cc
e θ
pmp
com o referido modelo. O programa SPLINTEX assume que a curva de distribuição
acumulada das classes de textura tem a mesma forma da curva de retenção de água no solo.
Com isso, é possível transladar uma curva na outra utilizando a função spline cúbica e o
algoritmo de ARYA & PARIS (1981).
Ao considerar o tamanho e a distribuição de partículas e não de poros, o modelo pode
assumir desvios na curva de retenção de água no solo. Esses desvios são minimizados quando
o usuário possui um ponto experimental da curva de retenção. Em caso negativo, o programa
1
SIQUEIRA A.B.C.; PREVEDELLO, C.L. Estimativa das propriedades hidráulicas de solos brasileiros por
funções de pedotransferência: uma análise comparativa. Comunicação pessoal, 2005.
2
PREVEDELLO, C.L. Programa SPLINTEX para estimar a curva de retenção de água a partir da
granulometria (composição) do solo – Versão 1.0. Publicação em meio magnético. Comunicação pessoal,
2002.
25
assume uma correção automática baseada na relação da umidade retida na tensão de 330 cm
de coluna de água com os teores de silte + argila, conforme ARRUDA et al. (1987).
Os dados mínimos para a utilização do programa são as porcentagens acumuladas das
classes de textura, densidade do solo e de partícula. Para uma melhor qualidade dos
parâmetros obtidos pode ser inserida a umidade de saturação medida e um ponto experimental
da curva de saturação.
3.5 PROCESSO DE SIMULAÇÃO
Em modelos de balanço hídrico, como o desenvolvido por SOUZA (2001), é comum a
utilização do processo de simulação visando a estimativa dos componentes do balanço hídrico
seqüencial a partir de uma pequena série de dados edafo-climáticos de entrada. As simulações
são importantes para permitir a realização de estudos de casos e cenários de interesse. No
entanto, para ser confiável o processo de simulação necessita a princípio de um bom processo
de geração de números aleatórios ou randômicos.
3.5.1 Números aleatórios ou randômicos
A importância dos números aleatórios (NA) para a modelagem em diversas áreas do
conhecimento é indiscutível. Para o processo de simulação de Monte Carlo, um dos mais
empregados, a qualidade dos NA é fundamental independente do objeto de estudo.
Inúmeras pesquisas utilizam tabelas específicas ou softwares simples para obter NA.
No entanto, as tabelas de números aleatórios estão caindo em desuso pelo fácil acesso ao
processamento eletrônico e pela necessidade de seqüências cada vez mais extensas de dados.
Qualquer sistema de simulação em computador que envolva aleatoriedade necessitará
da geração de números aleatórios em grande número. A avaliação do gerador de números
aleatórios é importante porque muitos procedimentos estatísticos fazem uso de números
randômicos (McCULLOUGH & WILSON, 1999).
Tipicamente, todo o aleatório requerido por um modelo é simulado por um gerador de
número aleatório (GNA). Um GNA produz como saída uma seqüência de variáveis aleatórias
independentes e distribuídas uniformemente no intervalo contínuo de 0 a 1. (L’ECUYER,
1998).
26
Os números aleatórios podem ser transformados, conforme a necessidade, em
variáveis aleatórias de diferentes distribuições de probabilidade, tais como a normal,
exponencial, poisson, binomial, geométrica, uniforme discreta, entre outras (L’ECUYER,
1998; RODRIGUES ANIDO, 2002).
A validade do método de transformação é fortemente dependente da qualidade das
seqüências de números aleatórios utilizada. Normalmente, a suposição de qualidade dos dados
é falsa, pois em geral, os geradores de números aleatórios são programas determinísticos que
retornam seqüências determinísticas que apenas aparentam ser aleatórias (L’ECUYER, 1998).
A forma mais conveniente de gerar números aleatórios para simulação estocástica
parece ser via algoritmos determinísticos com base matemática sólida. Estes algoritmos
produzem seqüências de números que não podem ser considerados aleatórios por completo,
mas parecem comportar-se como tais em um determinado intervalo. Assim, a seqüência
gerada é chamada pseudo-aleatória e o programa que á produz o gerador de números pseudo-
aleatórios (L’ECUYER, 1998).
Para CODDINGTON (1997) pode-se enumerar nove condições que deveriam ser
observadas nas seqüências obtidas por geradores de números pseudo-randômicos ideais. São
elas: apresentar NA distribuídos de forma homogênea dentro do intervalo considerado; não
apresentarem correlação entre os valores; nunca se repetirem; satisfazer algum teste estatístico
para números aleatórios; ser reproduzível; ser o mesmo em outro computador; possibilitar
mudança ou ajuste para um determinado valor inicial (semente); ser dividido facilmente em
seqüências menores; ser construída rapidamente usando a menor memória computacional
possível. O exato cumprimento de todos os requisitos é impossível, no entanto, para fins
práticos, buscam-se seqüências com período de repetição maior que o tamanho da série
requerida e correlações pequenas o bastante para que não afetem os dados gerados.
McCULLOUGH & WILSON (1999) considerou em seu trabalho que o gerador de
números aleatórios do Excel não é adequado frente aos testes DIEHARD. No entanto, a
bateria de testes DIEHARD é considerada criteriosa, ou seja, analisa os dados com grau
aprofundado de detalhamento. Por outro lado, o gerador de números aleatórios do Microsoft
Excel 2000 foi aprovado na bateria de testes de KNUTH que apresenta característica menos
restritiva quanto às qualidades da série de NA gerada. Maiores detalhes sobre os testes
empregados nas baterias de testes de KNUTH e DIEHARD podem ser obtidos no trabalho de
McCULLOUGH & WILSON (1999).
27
Várias metodologias são empregadas de acordo com a literatura para a avaliação da
aleatoriedade de amostras e série de dados. Dentre elas a teoria das séries (teste não
paramétrico) e o teste χ² (paramétrico).
Para SPIEGEL (1993) o teste não paramétrico baseado na teoria das séries é capaz de
avaliar uma seqüência de números e inferir se a mesma pode ser considerada aleatória ou não
para um determinado nível de significância estatística. RODRIGUES ANIDO (2002)
empregando o teste χ² na comparação de quatro métodos de geração de números aleatórios
com distribuição uniforme, verificou que a função Rand (aleatório) da biblioteca da
linguagem C é superior a do Matlab, resíduo e resíduo alterado. Nesse mesmo trabalho, o
autor emprega a análise visual dos dados em gráfico de dispersão e histograma de freqüência.
Com estas análises empíricas o autor buscou identificar concentração e periodicidade nos
valores gerados.
RODRIGUES ANIDO (2002) salienta que é importante considerar no método do
resíduo a escolha da semente (seed) e dos parâmetros
α
e M, pois os números aleatórios
gerados dependem principalmente destas condições. A semente corresponde ao valor inicial
do gerador de números aleatórios e o valor M – 1 o valor final. O parâmetro M deverá ser
extremamente longo para que a seqüência não se repita no decorrer da simulação
(L’ECUYER, 1998). O parâmetro
α
é um número entre 0 e M.
4 MATERIAL E MÉTODOS
4.1 PRINCIPAIS ETAPAS DE DESENVOLVIMENTO DO TRABALHO
Após desvincular o módulo “Balanço hídrico climatológico decendial” de outros
módulos existentes no modelo MORETTI e incrementá-lo com a introdução de mais três
equações de armazenamento de água no solo, o presente trabalho foi desenvolvido seguindo
as seguintes etapas:
• Primeira etapa: Avaliar a qualidade das seqüências de números aleatórios produzidas pelo
gerador de números aleatórios do Visual Basic (Macro) do Microsoft Excel 2000 (função
Rnd e a instrução Randomize), empregando três testes estatísticos;
• Segunda etapa: Estimar os parâmetros climáticos e físico-hídricos de entrada para simular
o “Balanço hídrico climatológico decendial”, ou seja: (a) levantar e organizar dados
climáticos de Ponta Grossa; (b) estimar a evapotranspiração de referência decendial (ETo);
(c) determinar os parâmetros estatísticos, ajustar curvas e estimar os valores de ETo e chuva
a 75% de probabilidade; (d) compor e caracterizar os parâmetros físico-hídricos do solo que
irão determinar o armazenamento da água no solo;
• Terceira etapa: Verificar o módulo “Balanço hídrico climatológico decendial” após as
modificações, observando-se a dinâmica do armazenamento e deficiência de água em dois
tipos de solo (arenoso e argiloso) na região de Ponta Grossa;
• Quarta etapa: Mediante algumas constatações sobre a dinâmica do armazenamento
(Terceira etapa), foram compostos cenários visando estudar os limites de utilização do
modelo “Balanço hídrico climatológico decendial” para diferentes condições climáticas
(quatro localidades no Estado do Paraná) e de armazenamento de água em um solo argiloso
(CAD variando de 20 mm a 100 mm).
4.2 BALANÇO HÍDRICO CLIMATOLÓGICO DECENDIAL
O programa utilizado para fazer as análises de balanço hídrico consistiu em uma
adaptação do módulo “Balanço hídrico climatológico decendial”, extraído do “Modelo para a
análise de risco econômico aplicado ao planejamento de projetos de irrigação para a cultura
do cafeeiro (MORETTI)”.
29
O MORETTI foi desenvolvido por SOUZA (2001) e a sua utilização justificou-se no
presente trabalho pelos seguintes motivos:
– Os bons resultados obtidos por alguns autores (SOUZA, 2001; SOUZA & FRIZZONE,
2003; COSTA, 2004; PACHECHENIK, 2004; PACHECHENIK et al., 2004; TRENTIN,
2005) que já o utilizaram em seus trabalhos para realizar uma série de análises;
– Linguagem de programação acessível: Visual Basic (Macros) aplicada à planilha eletrônica
Microsoft Excel 2000;
– Disponibilidade de acesso ao código fonte do módulo “Balanço hídrico climatológico
decendial” do MORETTI;
– Facilidade de acesso ao autor, o que se traduz no maior entendimento a cerca do
funcionamento do programa;
– O programa adaptou uma metodologia consagrada, proposta por THORNTHWAITE &
MATHER (1955), e permite a realização de um balanço hídrico decendial irrigacionista ao
longo de todo o ano para qualquer tipo de cultura;
– O módulo “Balanço hídrico climatológico decendial” permite: trabalhar com dados
agrupados em decêndios; entrar com valores de precipitação provável; simular
evapotranspiração de referência (ETo); considerar a realização de irrigação nas análises; e
determinar o armazenamento (ARM) de um solo específico em função da fração (p) de água
disponível, dos parâmetros físico-hídricos e equações de armazenamento de água no solo.
A Figura 4.1 apresenta um fluxograma simplificado contendo a estrutura lógica de
algumas partes do módulo “Balanço hídrico climatológico decendial” do modelo MORETTI.
Referente ao armazenamento de água no solo, a capacidade de água disponível (CAD)
no módulo é determinada com a Equação 4.1,
dazUUCAD
PMPCC
⋅
⋅−⋅= )(01,0 (4.1)
sendo, CAD é a capacidade de água disponível (mm); U
CC
a umidade do solo na capacidade de campo
com base em peso (%); U
PMP
a umidade do solo no ponto de murcha permanente com base em peso
(%); da densidade aparente do solo (g.cm
–3
); z a profundidade efetiva do sistema radicular ou
profundidade alcançada por 80% das raízes (BERNARDO, 1989) da cultura (mm).
Os valores de água disponível (AD) no solo foram determinados com a Equação 4.2. A
fração p corresponde à capacidade de água disponível do solo que a planta pode consumir
antes que se configure um déficit hídrico na mesma (RIJTEMA & ABOUKHALED, 1975).
30
AD
d
= CAD · p
d
(4.2)
sendo, AD
d
a água disponível no d-ésimo decêndio (mm); p
d
a fração de água disponível no solo para
a cultura no d-ésimo decêndio (adimensional); CAD a capacidade de água disponível no solo (mm).
Figura 4.1 – Fluxograma contendo a estrutura lógica de algumas partes do módulo “Balanço
hídrico climatológico decendial” do modelo MORETTI
ns’ = 0
ns’ = ns’+1 F
V
vu’ = vu’+1
F
Análise do “Balanço
hídrico climatológico
decendial seqüencial”
Saída dos resultados:
– Balanço hídrico do ns-ésimo ano simulado;
– Gráfico do ns-ésimo ano de balanço hídrico
simulado;
– Parâmetros estatísticos anuais dos componentes
do Balanço hídrico climatológico decendial
seqüencial;
– Parâmetros estatísticos decendiais dos compo-
nentes do Balanço hídrico climatológico
decendial seqüencial
Fim
Leitura das opções e dados para análise:
– Propriedade;
– Função para estimativa do armazenamento e
negativo acumulado da água no solo;
– Propriedades físico-hídricas do solo para
determinação do armazenamento;
– Ano agrícola;
– Parâmetros para simulação da ETo;
– Função para simulação da ETo;
– Coeficiente de cultivo (Kc),
– Opção Kc medido/estimado;
– Precipitação pluvial;
– Manejo da irrigação;
– Número de simulações (ns)
ns’ >Opção ns
Para cada ns-ésimo balanço hídrico
climatológico decendial determina os
i-ésimos valores decendiais de:
ETc
i(ns)
– evapotranspiração da cultura;
ER
i(ns)
– evapotranspiração real;
I
i(ns)
– irrigação;
Def
i(ns)
– deficiência hídrica.
Início
Dados para identificação do local e realização das
análises:
– Especificação das opções existentes dentro das caixas de
identificação (região ou local, armazenamento,
precipitação, manejo da irrigação, evapotranspiração,
coeficiente de cultivo e propriedade);
– Dados gerais referentes ao local/propriedade (nome da
propriedade, proprietário, local, latitude, tipo de solo);
– Valores decendiais da Precipitação Provável;
– Parâmetros decendiais para simulação e estimativa da
evapotranspiração de referência (ETo)
– Valores de coeficientes de cultivo (Kc);
– Manejo da irrigação empregado;
– Dados das propriedades físico-hídricas para o cálculo do
armazenamento da água no solo;
– Balanço hídrico climatológico decendial cíclico;
– Balanço hídrico climatológico decendial seqüencial
(simula uma série de anos);
Análise do “Balanço
Hídrico Climatológico
Decendial Cíclico”
31
Na adaptação do módulo “Balanço hídrico climatológico decendial”, os formulários e
códigos fonte foram desvinculados do programa original, possibilitando que o mesmo ficasse
independente. O módulo original contempla somente as equações Exponencial
(THORNTHWAITE & MATHER, 1948) e Potencial de primeira ordem (RIJTEMA &
ABOUKHALED, 1975), para estimar o armazenamento e negativo acumulado. As adaptações
realizadas no código fonte consistiram basicamente na inclusão de mais três equações de
armazenamento de água no solo (BRAGA, 1982; Potencial de segunda ordem; Co-senoidal),
verificação do processo de geração de números aleatórios e composição de rotinas para a
determinação dos parâmetros estatísticos decêndiais dos componentes do balanço hídrico.
4.2.1 Equações de armazenamento de água no solo
As equações de armazenamento de água no solo podem ser classificadas em dois
grupos, em função do conceito de fração p e água disponível (AD) introduzido por RIJTEMA
& ABOUKHALED (1975):
– Nos modelos que não adotam o conceito de fração p, qualquer retirada de água no solo
constitui déficit, como é o caso da equação de THORNTHWAITE & MATHER (1955);
– Para os modelos que consideram a fração p e água disponível (AD), somente ocorre o déficit
quando o armazenamento da água no solo for menor que CAD
⋅
(1 – p). Desta forma,
observa-se a ocorrência de déficit quando a evapotranspiração real (ER) for menor que a da
cultura (ETc), indicando restrição à retirada de água do solo. Nestes modelos verificam-se
duas situações a cerca da condição hídrica do solo, uma úmida e outra seca, como é o caso
das equações de RIJTEMA & ABOUKHALED (1975), BRAGA (1982), Potencial de
segunda ordem e Co-senoidal.
A zona úmida compreende a condição na qual o armazenamento é superior a
CAD⋅(1 – p) que, conceitualmente, não constitui restrição hídrica para a cultura. As
estimativas do armazenamento (ARM) e negativo acumulado (L) na região úmida são obtidas
com as Equações 4.3 e 4.4, sendo:
para a condição CAD ⋅ (1 – p)
⋅
< ARM ≤ CAD ou 0 ≤ L < (CAD ⋅ p), tem-se:
ARMCADL −=
(4.3)
LCADARM
−
= (4.4)
sendo, L o negativo acumulado (mm); CAD a capacidade de água disponível (mm); ARM o
armazenamento de água no solo (mm) no decêndio; e p a fração de água disponível no solo.
32
Para a zona seca, ou seja, quando o armazenamento de água no solo é menor que
CAD ⋅ (1 – p) consideram-se os modelos apresentados nos Itens 4.2.1.1 a 4.2.1.2.
4.2.1.1 Equação Exponencial de THORNTHWAITE & MATHER (1955)
As equações para a estimativa do armazenamento e negativo acumulado apresentadas
por THORNTHWAITE & MATHER (1955) são aplicadas independentemente da condição
hídrica do solo. São elas,
⎟
⎠
⎞
⎜
⎝
⎛
⋅−=
CAD
ARM
CADL ln (4.5)
⎟
⎠
⎞
⎜
⎝
⎛
−
⋅=
CAD
L
eCADARM
(4.6)
sendo, CAD a capacidade de água disponível (mm); ARM o armazenamento de água do solo (mm); L o
valor do negativo acumulado no decêndio (mm);
4.2.1.2 Equações de BRAGA (1982)
Para ARM ≤ CAD · (1 – p),
()
⎥
⎦
⎤
⎢
⎣
⎡
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−⋅
−⋅=
pCAD
ARM
pCADL
1
ln (4.7)
ou quando L ≥ CAD · p,
()
⎟
⎠
⎞
⎜
⎝
⎛
−
⋅−⋅=
CAD
L
p
epCADARM 1 (4.8)
sendo, L o negativo acumulado (mm); CAD a capacidade de água disponível (mm); ARM o
armazenamento de água no solo (mm) no decêndio; p a fração de água disponível no solo no decêndio.
4.2.1.3 Equação Potencial de primeira ordem de RIJTEMA & ABOUKHALED (1975)
A equação Potencial de primeira ordem (DOURADO NETO & JONG VAN LIER,
1993) é uma adaptação da equação exponencial de THORTHWAITE & MATHER (1948)
para considerar a fração de água disponível no solo (fração p) e melhor estimar e representar
as condições de armazenamento de água no solo para as culturas.
33
Para ARM ≤ CAD · (1 – p),
⎥
⎦
⎤
⎢
⎣
⎡
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−⋅
−−=
)1(
ln).1(
pCAD
ARM
ppCADL (4.9)
ou quando L ≥ CAD · p,
⎥
⎦
⎤
⎢
⎣
⎡
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−
⋅
⎟
⎠
⎞
⎜
⎝
⎛
−
⋅−⋅=
)1(
1
)1(
pCAD
L
p
epCADARM (4.10)
sendo, L é o negativo acumulado (mm); CAD a capacidade de água disponível (mm); ARM o
armazenamento de água no solo (mm) no decêndio; p a fração de água disponível no solo.
4.2.1.4 Equação Potencial de segunda ordem
()
()
⎥
⎦
⎤
⎢
⎣
⎡
+
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−⋅−⋅
⋅
−
−
⋅= p
ARMCADp
ARMp
CADL
12
ln
2
1
(4.11)
()
()
Y
Y
e
eCADp
ARM
+
⋅⋅−⋅
=
1
12
(4.12)
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−
−
⋅
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−=
p
p
CAD
L
Y
1
2
(4.13)
sendo, L é o negativo acumulado (mm); CAD a capacidade de água disponível (mm); ARM o
armazenamento de água no solo (mm) no decêndio; p a fração de água disponível no solo.
4.2.1.5 Equação “Co-senoidal”
()
()
⎪
⎭
⎪
⎬
⎫
⎪
⎩
⎪
⎨
⎧
⎥
⎦
⎤
⎢
⎣
⎡
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
⋅−
−⋅⋅−⋅+⋅=
CADp
ARM
tgppCADL
1
1
2
1
2
π
π
(4.14)
()
()
⎪
⎭
⎪
⎬
⎫
⎪
⎩
⎪
⎨
⎧
⎥
⎥
⎦
⎤
⎢
⎢
⎣
⎡
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
⋅−
⋅−
⋅−⋅⋅−=
CADp
pCADL
arctgCADpARM
12
2
11
π
π
(4.15)
sendo, L é o negativo acumulado (mm); CAD a capacidade de água disponível (mm); ARM o
armazenamento de água no solo (mm) no decêndio; p a fração de água disponível no solo.
34
4.2.2 Verificação do processo de geração de Números Aleatórios do Visual Basic (macro)
do programa Microsoft Excel 2000 (primeira etapa)
O processo de geração dos números aleatórios do módulo Visual Basic (Macro) do
Microsoft Excel 2000 foi realizado com a função Rnd, a instrução Randomize e o comando
For, baseando-se no seguinte procedimento,
Sub GNA()
With ActiveSheet
Randomize 'O valor retornado pelo cronômetro do sistema é utilizado
como semente.
For j = 1 To 30
For i = 1 To 10.000
Xi = Rnd
.Cells(2 + i, 2).Value = Xi
Next i
Next j
End With
End Sub
A instrução Randomize(number) foi disposta no procedimento para que seja utilizada
apenas uma semente inicial para toda a seqüência de aleatórios gerados – o módulo “Balanço
hídrico climatológico decendial” utiliza a instrução para cada número aleatório gerado. A
função Rnd gera o número aleatório e x
i
é a variável aleatória gerada no intervalo entre 0 e 1.
O processo de verificação do gerador de números aleatórios do Módulo Visual Basic
(macros) do programa Microsoft Excel 2000 foi realizado com 30 seqüências de 10.000
números aleatórios, uma vez que o módulo “Balanço hídrico climatológico decendial”
permite a realização de até 10.000 anos simulados.
O gerador de números aleatórios do módulo Visual Basic (Microsoft Excel 2000) foi
avaliado quanto à qualidade da série retornada, aplicando-se:
(a) Teste empírico: constitui-se no “Teste da análise visual” da distribuição dos dados em
gráfico de dispersão e histograma de freqüência a fim de detectar tendências;
(b) Matemático (estatístico): Constituiu-se na aplicação do “Teste das séries para
aleatoriedade”, conforme disposto em SPIEGEL (1993); e do “Teste de Chi-quadrado”,
baseando-se em ASSIS et al. (1996) e PEREIRA JUNIOR et al., (2002).
O processamento dos testes foi realizado na planilha eletrônica Microsoft Excel 2000 e a
geração da série de números aleatórios no Visual Basic (macro).
35
4.2.2.1 Análise visual em gráfico de dispersão
A metodologia empregada no “Teste de análise visual” consistiu na observação da
distribuição de 10.000 números aleatórios em um gráfico de dispersão e histograma de
freqüência. Esta técnica visa avaliar a existência de tendências e foi aplicada somente à
melhor e pior seqüência verificada no “Teste das séries para aleatoriedade” (Item 4.2.2.2).
4.2.2.2 Teste das séries para aleatoriedade
O “Teste das séries para aleatoriedade” é não paramétrico e destina-se a avaliar a
aleatoriedade de seqüências de números aleatórios (NA). A metodologia do teste consiste em:
(a) classificar e quantificar o número de séries da seqüência de aleatórios em dois grupos
denominado, maior (N
1
) e menor (N
2
) que a mediana; (b) determinar a média e o desvio
padrão das seqüências de N
1
e N
2
; e (c) avaliar a significância estatística do valor z calculado
da distribuição normal padronizada das seqüências de N
1
e N
2
.
Assumiu-se como normal a distribuição de freqüência de V para as 30 seqüências de
10.000 números aleatórias gerados, pois em testes realizados a priori, verificou-se que o valor
de V (Equação 4.16) foi maior que 8, conforme recomendação de SPIEGEL (1993),
21
NNV += (4.16)
sendo, V o total de séries da seqüência (adimensional); N
1
o número de séries formada por valores
maiores que a mediana (adimensional), N
2
o número de séries com valores abaixo da mediana
(adimensional).
A média e a variância das amostras N
1
e N
2
geradas foram calculadas conforme as
Equações 4.17 e 4.18, respectivamente,
1
2
21
21
+
+
+
=
NN
NN
v
µ
(4.17)
()
()( )
1
22
21
2
21
212121
2
−+⋅+
−
−⋅⋅⋅⋅
=
NNNN
NNNNNN
v
σ
(4.18)
sendo,
µ
v
a média de V; e
σ
v
o desvio padrão de V.
Aplicando-se a média e o desvio padrão na Equação 4.19 obteve-se o valor z da
distribuição normal padronizada,
36
v
v
V
z
σ
µ
−
=
(4.19)
sendo, z o valor para distribuição normal padronizado.
Os 30 valores de “z padronizado calculado” foram analisados individualmente para os
níveis de 1%, 5%, 10%, 20%, 40%, 60%, 80% e 90% de probabilidade, aplicando-se um
“Teste de hipótese bilateral”. Assumiu-se o caráter aleatório da seqüência de números quando
o valor de
z calculado ficou no intervalo de z padronizado, correspondente ao nível de
significância considerado. Assim, rejeitou-se
H
1
e a hipótese de nulidade (H
0
) foi aceita.
Diante da grande variabilidade de valores de
z padronizado nas 30 seqüências de
números aleatórios (
NA), obteve-se a distribuição de freqüência dos mesmos com a finalidade
de encontrar o seu valor mais provável.
4.2.2.3 Teste de Chi-quadrado
O “Teste Qui-quadrado” é um teste de aderência que visa determinar o grau de
associação de uma série de dados (distribuição de probabilidade desconhecida) a uma
distribuição de probabilidade específica, considerando um determinado nível de
probabilidade. A aplicação do teste foi realizada seguindo as recomendações de ASSIS
et al.
(1996).
A Equação 4.20 foi utilizada para determinar o número de classes da distribuição de
freqüência,
k = 5 · log N (4.20)
sendo, k o número de classes; N o total de números na seqüência de números aleatórios (10.000).
A freqüência observada em cada classe foi determinada conforme a Equação 4.21,
N
n
Fo
i
i
= (4.21)
sendo, Fo
i
a freqüência observada em cada i-ésima classe (adimensional); n
i
o número de NA em cada
i-ésima classe (adimensional); e N o número total de NA da seqüência (adimensional).
Considerando que os dados das seqüências de números aleatórios seguem uma
distribuição uniforme, a freqüência teórica de cada classe foi determinada conforme a
Equação 4.22,
37
k
N
Fe
i
= (4.22)
sendo, Fe
i
a freqüência esperada em cada i-ésima classe (adimensional); N o total de números
aleatórios da seqüência (adimensional); e k o número de classes (adimensional).
O valor qui-quadrado de cada seqüência de
NA foi obtido com a Equação 4.23,
conforme as recomendações da ASSIS
et al. (1996),
()
∑
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−
=
k
i
ii
Fe
FeFo
1
2
χ
(4.23)
sendo,
χ
² o valor de Qui-quadrado calculado (adimensional); k o número de classes (adimensional);
Fo
i
a freqüência observada na i-ésima classe; Fe
i
a freqüência esperada em cada i-ésima classe.
Empregou-se a Equação 4.24 para determinar o número de graus de liberdade (GL),
1−−= pkGL (4.24)
sendo, GL o número de grau de liberdade (adimensional); k o número de classes (adimensional); e p o
número de parâmetros da distribuição uniforme (adimensional). A distribuição uniforme possui dois
parâmetros, o maior valor e o menor valor de toda a seqüência de NA.
Considerando três níveis de probabilidade estatística (
α
), 1%, 5% e 10%, aplicou-se o
Teste de Qui-quadrado para as 30 seqüências de número aleatório (
NA). A seqüência de NA
foi considerada possuindo distribuição de probabilidade Uniforme quando
χ²
calculado
< χ²
tabelado
,
para o nível de probabilidade selecionado. Nesse caso, considera-se que houve concordância
estatística entre freqüência observada e esperada, ou seja, a hipótese de nulidade (
H
0
) é tida
como verdadeira.
38
4.3 VERIFICAÇÃO DO MÓDULO “BALANÇO HÍDRICO CLIMATOLÓGICO
DECENDIAL” APÓS AS MODIFICAÇÕES (Segunda e Terceira etapas)
A verificação do “Balanço hídrico climatológico decendial”, após a inclusão de mais
três equações de armazenamento de água no solo e aferição do processo de geração dos
números aleatórios, foi realizada com os dados climáticos da cidade de Ponta Grossa,
considerando os seguintes passos:
– Levantamento e organização de dados climáticos de Ponta Grossa em decêndios, estimativa
da evapotranspiração de referência (
ETo) decendial e a determinação de alguns parâmetros
estatísticos (tendência e dispersão) para os mesmos;
– Identificação da função densidade de probabilidade que melhor se ajusta aos dados
decendiais da
ETo e precipitação pluvial (chuva), determinando os valores que ocorrem a
75% de probabilidade;
– Composição e caracterização dos parâmetros físico-hídricos do solo que irão determinar o
armazenamento da água no solo;
– Comparar a dinâmica do armazenamento e deficiência de água nos solos estudados, para
Ponta Grossa, utilizando as cinco equações de armazenamento de água no solo dispostas no
módulo “Balanço hídrico climatológico decendial”, após as modificações. É importante
observar que a equação Co-senoidal será utilizada como parâmetro de avaliação sobre o
desempenho das demais equações (Exponencial; Potencial de Primeira Ordem; BRAGA,
1982, Potencial de segunda ordem). Este procedimento baseia-se nos resultados
encontrados por DOURADO NETO & JONG VAN LIER (1993), quando testaram
quatorze condições necessárias à aceitação de equações para estimativa do armazenamento
em função do negativo acumulado.
4.3.1 Descrição da área de estudo
O presente trabalho foi realizado com uma série de 50 anos de dados climáticos do
município de Ponta Grossa - PR, que se encontra localizada na Região Centro-leste do Estado
do Paraná, fazendo divisa com os municípios de Castro (Norte), Palmeira e Teixeira Soares
(Sul), Campo Largo (Leste), Tibagi e Ipiranga (Oeste). O município apresenta expressiva
aptidão agrícola e se encontra próxima do campus de Ciências Agrárias da Universidade
Federal do Paraná (Figura 4.2).
39
Figura 4.2 – Mapa contendo a localização da cidade de Ponta Grossa-PR.
40
4.3.2 Levantamento, organização e tratamento dos dados climáticos
Os dados climáticos utilizados foram coletados na estação climatológica de Ponta
Grossa-PR e foram fornecidos pelo instituto SIMEPAR (Sistema Meteorológico do Paraná).
A localização da estação climatológica, por coordenada geográfica terrestre, é: 25,2164° Sul;
50,0167° Oeste Greenwich e altitude de 880 metros.
Foram utilizados no presente trabalho os valores de 50 anos e 4 meses de dados
climáticos diários de temperatura média do ar e precipitação pluvial.
4.3.2.1 Procedimento de tabulação dos dados climáticos
A tabulação dos dados climáticos diários foi realizada em planilha eletrônica Microsoft
Excel
2000, e constituiu no agrupamento dos mesmos em decêndios para todos os anos da
série.
Os decêndios foram definidos como grupos de dez dias corridos de dados climáticos
para todos os dias do ano. O último decêndio do ano foi formado com 5 ou 6 dias dependendo
se o ano era bissexto ou não.
As Equações 4.25 e 4.26 apresentam, em termos matemáticos, como procedeu-se o
agrupamento dos valores decendiais de temperatura e precipitação, respectivamente,
∑
=
=
d
n
i
d
id
d
n
T
T
1
(4.25)
∑
=
=
d
n
i
idd
PP
1
(4.26)
sendo, T
d
a temperatura média no d-ésimo decêndio (°C); T
id
a temperatura média do i-ésimo dia do
d-ésimo decêndio (°C); P
d
a precipitação acumulada no d-ésimo decêndio (mm/decêndio); P
id
a
precipitação do i-ésimo dia do d-ésimo decêndio (mm/dia); n
d
o número de dias do d-ésimo decêndio
(adimensional) – n
d
é igual a 10 do 1° ao 36° decêndios e 5 ou 6 para 37° decêndio, em função do ano
ser bissexto ou não; d é o número de decêndios no ano (adimensional) – 1 a 37. A ausência de leituras
de temperatura (T
id
) ou precipitação (P
id
) em pelo menos um i-ésimo dia fez com que o valor o d-
ésimo decêndio fosse descartado.
41
4.3.2.2 Estimativa da evapotranspiração de referência
A estimativa da evapotranspiração de referência foi realizada conforme a metodologia
de THORNTHWAITE (1948), descrita por PEREIRA
et al. (1997). Originalmente o método
de THORNTHWAITE (1948) estima a evapotranspiração de referência (
ETo) para um mês
com 30 dias de duração e 12 horas de fotoperíodo, considerando a temperatura média mensal.
No entanto, seguindo o procedimento de SOUZA
et al. (1994), a estimativa da
evapotranspiração de referência decendial (
ETo
d
) foi realizada empregando-se a temperatura
média dos
d-ésimos decêndios da localidade considerada, conforme está apresentado na
Equação 4.27.
A equação de estimativa da evapotranspiração de referência (
ETo) foi adaptada para
retornar o valor acumulado de
ETo no decêndio, corrigida para o fotoperíodo e número de
dias do decêndio (
ETo
d
),
a
ddd
d
I
TnN
ETo
⎟
⎠
⎞
⎜
⎝
⎛
⋅
⋅⋅⋅=
10
16
3012
, para
T
d
> 0
o
C (4.27)
sendo, ETo
d
a evapotranspiração de referência no d-ésimo decêndio (mm.decêndio
-1
); n
d
o número de
dias do d-ésimo decêndio (adimensional) – n
d
é igual a 10 do 1° ao 36° decêndios e 5 ou 6 para 37°
decêndio; T
d
a temperatura média do ar do d-ésimo decêndio (ºC); N
d
o fotoperíodo no último dia do
d-ésimo decêndio (h); I o índice de calor da região (Equação 4.28); a a função cúbica do índice de
calor da região (Equação 4.29).
O índice de calor da região (I) e a sua função cúbica (a) foram determinados,
respectivamente, pelas Equações 4.28 e 4.29. A temperatura considerada foi a decendial
normal, obtida pela média aritmética de todos os decêndios disponíveis na série de dados
climáticos.
()
∑
=
⋅=
12
1
514,1
2,0
i
i
TI , para T
i
> 0
o
C (4.28)
49239,0107912,11071,71075,6
22537
+⋅⋅+⋅⋅−⋅⋅=
−−−
IIIa (4.29)
sendo, I o índice de calor da região (adimensional); T
i
a temperatura média normal do i-ésimo mês do
ano (°C) – média aritmética dos decêndios do mês; a a função cúbica do índice de calor da região
(adimensional);
42
O cálculo do fotoperíodo (N) foi realizado seguindo a metodologia apresentada por
OMETTO (1981) e PEREIRA
et al. (2002), conforme a Equação 4.30,
()
15
2
15
2
1
tgΦtgδcosH
N
dd
d
⋅−⋅
=
⋅
=
−
(4.30)
sendo, N
d
o fotoperíodo no último dia de cada d-ésimo decêndio (h); H
d
o ângulo horário de
nascimento do sol no último dia do d-ésimo decêndio (graus);
δ
d
a declinação do sol no último dia do
d-ésimo decêndio (graus);
φ
a latitude da estação climatológica onde os dados foram coletados
(25,2164° Sul).
A declinação solar foi obtida com a Equação 4.31, seguindo as recomendações de
PEREIRA et al. (2000),
()
⎥
⎦
⎤
⎢
⎣
⎡
−⋅
⋅=
365
80360
45,23
d
d
Dj
senδ
(4.31)
sendo,
δ
d
a declinação do sol para o último dia do d-ésimo decêndio (graus); Dj
d
dia juliano (dias) –
último dia do d-ésimo decêndio no calendário Juliano (1º de Janeiro é igual a 1 e 31 de dezembro igual
a 365, para o ano não bissexto).
4.3.3 Teste de aderência e determinação da chuva e ETo provável
As análises de distribuição de freqüência e teste de aderência para os valores decendiais
de chuva e evapotranspiração de referência (
ETo) foram realizadas com o módulo “Análise
Estatística” do modelo MORETTI (SOUZA, 2001). Aplicou-se o teste de Kolmogorov-
Smirnov a 5% de probabilidade considerando as distribuições de probabilidade teóricas,
gama, normal, exponencial, triangular e uniforme. A aplicação do teste visou determinar os
parâmetros da distribuição de melhor ajuste aos dados de chuva e
ETo, ou seja, encontrar os
parâmetros, alfa, beta, média, desvio padrão, maior valor, menor valor e moda.
O Teste de Kolmogorov-Smirnov consiste em avaliar, por meio de um valor
Dmax
(Equação 4.32), o ajuste entre uma distribuição de freqüência acumulada teórica F’(x) e outra,
F(x)
, proveniente dos dados amostrados.
)()(
'
xFxFMaxDmax −= (4.32)
sendo, Dmax o valor crítico para a estatística de Kolmogorov-Smirnov; F’(x) a função de distribuição
de probabilidade teórica; F(x) a função de distribuição de probabilidade observada.
43
Se a condição Dmax
calculado
< Dmax
tabelado
for verdadeira, aceita-se a hipótese de que os
valores da amostra ajustam-se bem à distribuição de probabilidade ao nível de 5% de
significância. Caso contrário rejeita-se a hipótese.
O valor de
Dmax
tabelado
é estimado no módulo “Análise Estatística” utilizando-se as
Equações 4.33 e 4.34 (SOUZA, 2001),
para
N < 16,
ND ln 2388,0971,0
max
⋅
−
= (4.33)
para
N ≥ 16,
N
D
37,1
max
= (4.34)
sendo, Dmax o valor crítico Dmax da estatística de Kolmogorov-Smirnov; e N o número de elementos
da amostra (adimensional) – o módulo “Análise estatística” estima o valor de Dmax
tabelado
conforme a
estatística de Kolmogorov-Smirnov apresentada por ASSIS et al. (1996), a 5% de probabilidade.
De posse dos parâmetros da melhor distribuição de freqüência obtidos no módulo
“Análise Estatística” do modelo MORETTI, avaliou-se em uma planilha eletrônica (Microsoft
Excel
2000) a ocorrência da chuva e ETo decendial a 75% de probabilidade para os 37
decêndios ao longo do ano, ou seja:
– para a chuva, considerou-se a ocorrência de um valor que tenha 75% de probabilidade de ser
igualado ou superado (75% acima da curva);
– para a
ETo, considerou-se a ocorrência de um valor que tenha 25% de probabilidade de ser
igualado ou superado (75% abaixo da curva) (SAAD, 1990).
Procedimentos adotados para estimar a chuva e
ETo provável a 75%:
(a) Os valores de chuva e ETo foram agrupados conforme as Equações 4.25 e 4.26,
respectivamente;
(b) Na estimativa da chuva provável a 75%, como algumas das distribuições analisadas não
admitem valores nulos, adotou-se o conceito de distribuição mista, conforme as
recomendações de ASSIS
et al. (1996). Assim, determinou-se a função cumulativa de
probabilidade F(x) em duas partes, uma com os valores nulos e a outra com os valores
maiores ou iguais a 1 mm/decêndio, conforme a Equação 4.35.
44
()
)(1)( xDPPxF
oo
⋅
−
+= (4.35)
sendo, F(x) a função cumulativa de probabilidade da distribuição mista; Po a probabilidade de
ocorrência de valores nulos (zeros); D(x) a distribuição cumulativa teórica, onde os parâmetros são
estimados na ausência de zeros.
A probabilidade de ocorrência de zeros (ausência de precipitação – P
o
) foi determinada com a
Equação 4.36, conforme as recomendações de ASSIS et al. (1996). Consideraram-se como
nulos todos os valores de chuva menores que 1 mm.
100
1
⋅
+
=
N
N
P
zeros
o
(4.36)
sendo, P
o
a probabilidade de ocorrência de ausência de precipitação nos d-ésimos decêndios da série
histórica (%), N
zeros
o número total de d-ésimos decêndios com valores nulos na série histórica
(adimensional); e N número total de anos da série histórica.
(c) Na estimativa da ETo provável, como não existem valores nulos estimados, a função
cumulativa de probabilidade resultou,
)()( xDxF = (4.35)
sendo, F(x) a função cumulativa de probabilidade da distribuição; D(x) a distribuição cumulativa
teórica.
(d) Nos d-ésimos decêndios da série histórica possuindo valores maiores ou iguais a 1
mm/decêndio, com o auxílio do módulo “Análise estatística” do MORETTI, aplicou-se o
teste de aderência de Kolmogorov-Smirnov e determinaram-se os parâmetros da função de
distribuição de probabilidade teórica de melhor ajuste.
(e) Em uma planilha eletrônica (Microsoft Excel 2000), determinou-se por tentativa a chuva e
a ETo provável a 75% considerando a função distribuição de probabilidade de melhor
ajuste.
4.3.3.1 Funções de distribuição cumulativa de probabilidade F(x)
As funções de distribuição cumulativa de probabilidade F(x) utilizadas no módulo
“Análise estatística” do modelo MORETTI são:
45
(a) Distribuição cumulativa de probabilidade normal
()
()
dxexF
x
x
∫
∞−
−
−
⎟
⎠
⎞
⎜
⎝
⎛
⋅⋅
=
2
2
2
2
1
σ
µ
πσ
(4.36)
sendo, F(x) a função distribuição de probabilidade normal ;
µ
a média da população (mm);
σ
é o
desvio padrão da população (mm); x a altura de precipitação ou ETo no decêndio considerado (mm);
π constante numérica “pi”.
(b) Distribuição cumulativa de probabilidade gama
Para x,
α
e
β
> 0,
()
()
()
dxxexF
x
x
∫
−
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−
⋅⋅
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
⋅Γ
=
0
1
1
α
β
α
βα
(4.37)
para x,
α
e
β
≤ 0,
()
0=xF (4.38)
sendo, F(x) a função distribuição de probabilidade gama incompleta;
α
o parâmetro de forma
(adimensional);
β
o parâmetro de escala (adimensional); Γ(
α
) a função gama; e x a altura de chuva ou
ETo (mm) – Para a chuva, valores menores do que 1 mm foram considerados iguais a zero.
(c) Distribuição cumulativa de probabilidade exponencial
A função distribuição de probabilidade exponencial é um caso particular da distribuição
Gama (ASSIS et al., 1996),
para x ≥ 0,
()
Y
exF −=1 sendo
x
x
Y =
(4.39)
para x = 0,
()
0=xF (4.40)
sendo, F(x) a função distribuição de probabilidade exponencial;
x
a altura média de chuva ou ETo
(mm); e x a altura de chuva ou ETo (mm).
46
(d) Distribuição cumulativa de probabilidade triangular
Para a ≤ x < m,
()
()
()( )
amab
ax
xF
−⋅−
−
=
2
(4.41)
para m < x ≤ b,
()
()
()( )
⎟
⎠
⎞
⎜
⎝
⎛
−
−
+
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−⋅−
−
−
⎟
⎠
⎞
⎜
⎝
⎛
−
−
=
ab
mb
mbab
xb
ab
am
xF
2
(4.42)
para x = m,
()
mxF =
(4.43)
sendo, F(x) a função distribuição cumulativa de probabilidade triangular; x a altura de chuva ou ETo
(mm); a o menor valor da série de dados (mm); b o maior valor da série de dados (mm) e m o valor
modal da série de dados (mm).
(e) Distribuição cumulativa de probabilidade uniforme
Para x = a,
()
0=xF (4.44)
para a < x < b,
()
ab
ax
xF
−
−
= (4.45)
para x = b,
()
1=xF (4.46)
sendo, F(x) a função distribuição de probabilidade uniforme; x a altura de precipitação ou ETo no
decêndio considerado (mm); a o menor valor da série de dados (mm), e b o maior valor da série de
dados (mm).
4.3.4 Parâmetros físico-hídricos do solo
Baseando-se no triângulo textural da EMBRAPA (1999) foram obtidos três solos
teóricos com textura arenosa, argilosa e média. Estes compuseram diferentes capacidades de
água disponível (CAD) nas análises de simulação no módulo “Balanço hídrico climatológico
decendial” e permitiram o estudo e a verificação das cinco equações de armazenamento de
água no solo. A Tabela 4.1 relaciona as percentagens de areia, silte e argila para os três solos
considerados para as análises.
47
Tabela 4.1. Composição granulométrica dos solos selecionados para as análises de simulação
no módulo “Balanço Hídrico Climatológico Decendial”.
Textura (%)
Solo Classe de textura*
Areia Silte Argila
01 Argilosa 16 23 61
02 Média 53 22 25
03 Arenosa 70 10 20
Fonte: *EMBRAPA (1999)
4.3.4.1 Determinação da umidade do solo
A determinação dos teores de umidade do solo, com base em volume, na condição de
capacidade de campo (
θ
CC
) e ponto de murcha permanente (
θ
PMP
) foi realizada através do
modelo VAN GENUCHTEN (1980)
3
, citado por REICHARDT (1996), empregando a
Equação 4.47,
mn
m
rs
r
] [ |)|(1
)(
φα
θ
θ
θθ
⋅+
−
+= (4.47)
sendo,
θ
a umidade do solo (cm
3
/cm
3
);
m
φ
o potencial mátrico da água no solo (cm);
θ
r a umidade
residual (cm
3
/cm
3
);
θ
s a umidade de saturação (cm
3
/cm
3
); e
α
, m, n são parâmetros de ajuste da curva
de retenção de água no solo.
Os parâmetros
α
, n e m de ajuste da curva de retenção de água no solo e as umidades de
saturação (
θ
s) e residual (
θ
r) foram estimados com o auxílio do programa SPLINTEX,
desenvolvido por PREVEDELLO (2002). Para permitir a estimativa dos parâmetros
α
, n e m
da curva de retenção da água no solo o programa necessita dos dados de densidade do solo,
densidade de partícula e percentuais acumulados das classes texturais. De acordo com
recomendações de PREVEDELO (2003), adotou-se a densidade do solo igual a 1,3 g.cm
–3
e a
densidade de partícula igual a 2,65 g
·cm
–3
, para os três tipos de solo considerados nas análises
(Tabela 4.1). Os potenciais mátricos de água no solo (
m
φ
) para a determinação das umidades
na
θ
CC
e
θ
PMP
foram de 100 cm e 15.000 cm de coluna de água, respectivamente
(PREVEDELLO, 2003
4
).
3
VAN GENUCHTEN, M. Th. A closed-form equation for predicting the conductivity of unsaturated soils.
Soil Sci. Soc. Am. J., Madison, 44: 892-898, 1980.
4
PREVEDELLO, C.L. Determinação de parâmetros físicos para os solos do Estado do Paraná.
Comunicação pessoal, 2003.
48
4.3.5 Resumo das opções utilizadas para verificar o módulo “Balanço hídrico
climatológico decendial” após as modificações, com os dados de Ponta Grossa-
PR (Terceira etapa)
O levantamento dos dados de entrada no modelo e a escolha das opções necessárias,
foram realizadas seguindo as recomendações de SOUZA (2001). Os itens dispostos abaixo
especificam os principais dados e opções que foram realizados para fazer as análises:
(a) Local: os balanços hídricos foram realizados para a região de Ponta Grossa-PR;
(b) Número de simulações: as análises do balanço hídrico foram realizadas empregando-se
10.000 simulações;
(c) Valores de evapotranspiração:
– Os valores decendiais de ETo que servem de entrada no modelo foram estimados com o
método de THORNTHWAITE (1948), obtidos com os dados de temperatura média do ar da
cidade de Ponta Grossa-PR;
– Optou-se por simular a ETo de todos os decêndios com a distribuição de probabilidade
normal. Assumir que a ETo segue esta distribuição foi necessário porque o módulo
“Balanço hídrico climatológico decendial” não possibilita a escolha de diferentes
distribuições de probabilidade para os decêndios ao longo do ano;
– Para transformar a ETo em Evapotranspiração da Cultura (ETc) ao longo dos decêndios do
ano, foi considerado uma cultura hipotética perene possuindo coeficiente de cultivo (Kc)
igual a 1,0 ao longo de todo o ano;
(d) Os valores de entrada da precipitação provável a 75%, respectiva para cada decêndio,
foram obtidos com os dados climáticos de Ponta Grossa-PR, levando-se em consideração
a distribuição de probabilidade (Gama, Normal, Exponencial, Triangular ou uniforme)
que melhor se ajustou a série decendial de precipitações;
(e) Armazenamento de água no solo:
– As umidades de capacidade de campo (U
CC
) e ponto de murcha permanente (U
PMP
) para
fazer o cálculo da capacidade de água disponível do solo (CAD) (Equação 4.1) foram
estimadas com o programa SPLINTEX a partir dos três tipos de solo considerados na região
de Ponta Grossa (Tabela 4.1). Adotou-se uma profundidade efetiva do sistema radicular
igual a 50 cm;
49
– Os valores de água disponível do solo (AD) (Equação 4.2) foram obtidos no modelo
considerando valores de fração água disponível (p) para uma cultura hipotética, igual a 0,5
ao longo de todo o ano;
– Para estimar o armazenamento de água no solo e, consequentemente, calcular os valores de
“negativo acumulado” no balanço hídrico, foram utilizadas as equações Co-senoidal,
Exponencial (THORNTHWAITE & MATHER, 1955), Potencial de Primeira Ordem
(RIJTEMA & ABOUKHALED, 1975), BRAGA (1982) e Potencial de segunda ordem.
(f) O manejo decendial das irrigações suplementares foi realizado conforme a Tabela 4.2
Tabela 4.2. Manejo de irrigações suplementares utilizadas nas análises de simulação.
Decêndios ao longo do ano
Manejo
1-3 4-6 7-9 10-12 13-15 16-18 19-21 22-24 25-27 28-30 31-33 34-37
Manejo 1
Mane
j
o 2
Mane
j
o 3
Mane
j
o 4
Mane
j
o 5
Mane
j
o 6
Irri
g
a Não irri
g
a
O manejo da irrigação no modelo MORETTI é feito com a utilização de 37 caixas de
seleção, cada uma delas correspondendo a um decêndio. A seleção de uma caixa indica a
permissão da irrigação no respectivo decêndio e a não seleção indica ausência da irrigação. É
importante observar para as opções “irrigar” das caixas de seleção, que o modelo considera a
condição de irrigação suplementar. Desta forma, as irrigações somente são realizadas quando
o armazenamento e a fração da capacidade de água disponível no solo acusarem a
necessidade.
4.4 CENÁRIO PARA AVALIAR OS LIMITES DE UTILIZAÇÃO DO MÓDULO
“BALANÇO HÍDRICO CLIMATOLÓGICO” DECENDIAL (Quarta etapa)
Visando avaliar os limites de utilização do módulo “Balanço hídrico climatológico
decendial”, foi realizado um contraste entre a ETc, chuva provável a 75%, deficiência hídrica
anual (DEF) e a água disponível no solo (AD) para as localidades de Ponta Grossa,
Apucarana, Cascavel e Morretes, sob diferentes condições de armazenamento de água no
solo.
50
Os itens dispostos abaixo especificam os principais dados e opções que foram
realizados para fazer as análises:
(a) Local: os balanços hídricos foram realizados para as cidades paranaenses de Apucarana,
Cascavel, Morretes e Ponta Grossa;
(b) Número de simulações: as análises do balanço hídrico foram realizadas empregando-se
10.000 simulações;
(c) Estimativa dos valores de ETo e chuva provável a 75%:
– Os valores de ETo decendial foram simulados baseando-se na distribuição Normal. Os
valores decendiais de chuva provável a 75% foram estimados baseando-se na distribuição
de probabilidade de melhor ajuste para as quatro localidades. Todo o processo de
determinação da ETo e chuva provável a 75% seguiu os mesmos procedimentos já
indicados nos Itens 4.3.2 e 4.3.3 descritos anteriormente. Para transformar a ETo em
Evapotranspiração da Cultura (ETc) ao longo dos decêndios do ano, foi considerado uma
cultura hipotética perene possuindo coeficiente de cultivo (Kc) igual a 1,0 ao longo de todo
o ano;
(d) Armazenamento de água no solo:
– As umidades de capacidade de campo (U
CC
) e ponto de murcha permanente (U
PMP
) para
fazer o cálculo da capacidade de água disponível (CAD) (Equação 4.1) foram estimadas
com o solo argiloso utilizado para as simulações dos balanços hídricos de Ponta Grossa-PR.
Os 17 valores de CAD, variando de 20 mm e 100 mm em intervalos de 5 mm (20, 25, 30,
35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95 e 100 mm), foram obtidos ajustando-se a
profundidade do sistema radicular;
– Os valores de água disponível do solo (AD) (Equação 4.2) foram obtidos no modelo
considerando a fração água disponível (p) igual a 0,5 para uma cultura hipotética ao longo
de todo o ano;
– Para estimar o armazenamento de água no solo e, consequentemente, calcular os valores de
“negativo acumulado” no balanço hídrico, foi utilizada a equação Co-senoidal;
(e) Empregou-se apenas o manejo que considera o uso da irrigação ao longo de todo o ano
(Manejo 1 da Tabela 4.2);
5 RESULTADOS E DISCUSSÃO
5.1 VERIFICAÇÃO DO PROCESSO DE GERAÇÃO DE NÚMEROS ALEATÓRIOS
DO VISUAL BASIC (MACROS) DO MICROSOFT EXCEL 2000 (Primeira etapa)
5.1.1 Teste das séries para aleatoriedade
Na aplicação do teste das séries para aleatoriedade foram obtidos valores de z
padronizado considerando a média e a variância das variáveis N
1
e N
2
, conforme a
metodologia de SPIEGEL (1993). Foi obtido o número total de séries (V), tanto com valores
menores (N
1
) quanto maiores (N
2
) que a mediana. A Tabela 5.1 apresenta os valores de z
padronizado e V para as 30 séries de NA (números aleatórios) gerados.
Tabela 5.1. Valores de z padronizado calculado e número total de séries (V) nas 30 seqüências
de NA (S) gerados no módulo Visual Basic (macro).
S V z S V z S V z S V z S V z
1 4936 – 1,30 7 5000 – 0,02 13 5072 1,42 19 5075 1,48 25 5002 0,02
2 5021 0,40 8 4986 – 0,30 14 4994 – 0,14 20 4942 – 1,18 26 5046 0,90
3 5016 0,30 9 4995 – 0,12 15 4980 – 0,42 21 4987 – 0,28 27 4958 – 0,86
4 5027 0,52 10 4979 – 0,44 16 4933 – 1,36 22 5000 – 0,02 28 4962 – 0,78
5 4975 – 0,52 11 4866 – 2,70 17 4967 – 0,68 23 4979 – 0,44 29 5057 1,12
6 4968 – 0,66 12 5018 0,34 18 5076 1,50 24 5003 0,04 30 4966 – 0,70
Analisando-se os dados da Tabela 5.1 pode-se observar a ocorrência de valores
negativos e positivos de z padronizado. Valores positivos de z indicam que a seqüência
apresenta muitas subdivisões ou muitas séries. Valores negativos demonstram poucas séries
na seqüência testada. Das 30 seqüências analisadas, observou-se que 19 (63,3%) apresentaram
valores negativos de z calculado. Comparando-se os valores de z em módulo, observou-se que
o maior valor negativo (z = – 2,7) superou em 80% o maior valor positivo (z = +1,50). Quanto
maior o valor de z padronizado, independente do seu sinal, menor a possibilidade da
seqüência ser considerada como aleatória. Ainda com relação aos dados da Tabela 5.1, nota-
se que os valores de z padronizado são maiores quanto mais distante de 5.000 estiver o valor
de V. Isto pode ser observado nas seqüências de número 22 e 11, que apresentaram valores de
z iguais a – 0,02 e – 2,7, respectivamente.
52
Avaliando-se a distribuição de freqüência dos valores de z padronizado da Tabela 5.2,
verifica-se a concentração dos mesmos em torno do valor 0,1, que correspondente na
distribuição de Z padronizado a 92% de significância. Esta concentração fica mais explícita na
Figura 5.1, que relaciona os valores de z padronizado com a sua freqüência relativa de
ocorrência. Pode-se observar também na Figura 5.1 que a distribuição dos valores de z
padronizado calculado tende a uma distribuição normal.
Tabela 5.2. Distribuição de freqüência dos valores de z padronizado das 30 seqüências de NA
gerados no módulo Visual Basic (macros) do Microsoft Excel 2000.
Limite de classe Freqüência (%) Freqüência relativa (%)
Classes
Inferior Superior
Centro de
Classe Por classe Acumulada Por classe Acumulada
1 > – 2,70 ≤ – 1,96 – 2,33 1 1 3 3
2 – 1,96 ≤ – 1,21 – 1,59 2 3 6 10
3 – 1,21 ≤ – 0,47 – 0,84 7 10 23 33
4 – 0,47 ≤ + 0,27 – 0,10 11 21 36 70
5 0,27 ≤ + 1,01 0,64 5 26 16 86
6 1,01 ≤ + 1,76 1,39 4 30 13 100
7 > 1,76 ≤ + 2,50 2,13 0 30 0 100
Soma — — — 30 30 100 100
Obs.: Intervalo de classe (IC) é igual a 0,74, Maior valor absoluto de z foi 2,7; Menor valor de z foi de 0,02.
A Figura 5.1a permite verificar que 94% da freqüência relativa dos valores de z
concentra-se entre o intervalo – 1,59 e 1,76.
(a)
0
10
20
30
40
-2,3 -1,6 -0,8 -0,1 0,64 1,39 2,13
Valor de z padronizado calculado
Freqüência relativa (%).
(b)
0
20
40
60
80
100
-2,3 -1,6 -0,8 -0,1 0,64 1,39 2,13
Valor de z padronizado calculado
Freqüência acumulada (%).
Figura 5.1 – (a) Freqüência relativa e (b) freqüência relativa acumulada dos valores de z
padronizado calculado para 30 seqüências de NA, seguindo a metodologia
proposta por SPIEGEL(1993).
53
Os valores apresentados na Tabela 5.3 foram obtidos a partir da aplicação do teste
estatístico dos valores de z padronizado calculado para as 30 seqüências em 8 níveis de
significância estatística. Analisando-se os resultados observa-se que 29 das 30 seqüências
comportaram-se como aleatórias para os níveis de 1%, 5% e 10% de significância. Assim,
pode-se dizer que as seqüências de NA obtida com o gerador de números aleatórios (GNA) do
módulo Visual Basic do Microsoft Excel 2000 são aleatórias ao nível de 99%, 95% e 90% de
probabilidade pelo Teste das Séries para Aleatoriedade proposto por SPIEGEL (1993).
Tabela 5.3. Resultado das análises do teste das séries para aleatoriedade considerando oito
níveis de significância estatística e valores de z padronizado calculado.
Nível de significância estatística α e os respectivos valores de z padronizado
1% 5% 10% 20% 40% 60% 80% 90%
Seqüência
Valor de z
calculado
2,57 1,96 1,65 1,28 0,84 0,52 0,25 0,13
1 – 1,30
+ + + – – – – –
2 – 0,40
+ + + + + + – –
3 0,30
+ + + + + + – –
4 0,52
+ + + + + – – –
5 – 0,52
+ + + + + – – –
6 – 0,66
+ + + + + – – –
7 – 0,02
+ + + + + + + +
8 – 0,30
+ + + + + + – –
9 – 0,12
+ + + + + + + +
10 – 0,44
+ + + + + + – –
11 – 2,70
– – – – – – – –
12 0,34
+ + + + + + – –
13 1,42
+ + + – – – – –
14 – 0,14
+ + + + + + + –
15 – 0,42
+ + + + + + – –
16 – 1,36
+ + + – – – – –
17 – 0,68
+ + + + + – – –
18 1,50
+ + + – – – – –
19 1,48
+ + + – – – – –
20 – 1,18
+ + + + – – – –
21 – 0,28
+ + + + + + – –
22 – 0,02
+ + + + + + + +
23 – 0,44
+ + + + + + – –
24 0,04
+ + + + + + + +
25 0,02
+ + + + + + + +
26 0,90
+ + + + – – – –
27 – 0,86
+ + + + – – – –
28 – 0,78
+ + + + + – – –
29 1,12
+ + + + – – – –
30 – 0,70
+ + + + + – – –
“+”seqüência é aleatória para o nível de significância considerado (não significativo, aceita-se H
0
); “–” a seqüênci
a
não é aleatória para o nível de significância considerado (significativo, aceita-se H
1
).
Em contra partida, apenas 5 seqüências foram consideradas aleatórias para um nível de
significância de 90%. Observou-se então, que o aumento do nível de significância estatística
54
do teste eleva a possibilidade de aceitar a hipótese de nulidade (H
0
), ou seja, a aleatoriedade
da seqüência. Desta forma, verifica-se que a “dureza” do Teste das Séries para Aleatoriedade
reduz a medida que se aumenta o nível de significância. Assim uma seqüência de NA será tão
melhor quanto menor for o seu valor de z padronizado.
5.1.2 Avaliação do gráfico de dispersão das seqüências de NA
A avaliação das seqüências de NA em gráfico de dispersão pode identificar tendências
assim como heterogeneidade na distribuição dos valores dentro do plano cartesiano. A análise
visual do gráfico de dispersão é um teste empírico citado na bibliografia, porém é subjetivo.
Esta subjetividade do teste faz com que se tenham, muitas vezes, conclusões distintas para um
mesmo grupo de dados. Pode-se dizer que o teste é bastante influenciado pelo pesquisador e
depende da sua capacidade de abstrair tendências e concentrações nos dados.
A Figura 5.2 apresenta o gráfico de dispersão do Teste de análise visual, contendo a
melhor e a pior das 30 seqüências identificadas por meio do Teste das Séries para
Aleatoriedade. Os valores aleatórios apresentaram-se bem distribuídos na área do gráfico em
ambas as situações. Observaram-se áreas com diferentes densidades de pontos e pequenas
regiões vazias. Também foi possível abstrair para as duas seqüências, tendências em algumas
áreas.
Não foi possível determinar a melhor seqüência de NA por meio do Teste de análise
visual, mesmo quando se analisou as condições extremas (melhor e pior seqüência).
(a)
0
0,2
0,4
0,6
0,8
1
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
(b)
0
0,2
0,4
0,6
0,8
1
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Figura 5.2 – Gráficos de dispersão da (a) melhor e (b) pior seqüência de NA identificadas por
intermédio do Teste das Séries para Aleatoriedade.
55
5.1.3 Teste do Chi-quadrado
A Figura 5.3 apresenta a distribuição de freqüência para a melhor e pior seqüência de
NA identificada por meio do Teste das Séries para Aleatoriedade. Analisando-se a Figura 5.3
nota-se que as duas seqüências apresentam pequenas variações de freqüência, sustentando a
hipótese de que as mesmas tendem para uma distribuição Uniforme. A amplitude entre a
maior e menor freqüência de classe foi de 1,05% para a seqüência 22 e 0,86% para a
seqüência 11, que foram respectivamente, a melhor e pior condição pelo Teste das Séries para
Aleatoriedade. Esta constatação contraria a avaliação do Teste das Séries para a Aleatoriedade
e se contrapõe à característica de uniformidade de freqüências, presumida para uma
distribuição de probabilidade uniforme (ASSIS et al., 1996). Baseando-se nos dados da Figura
5.3 observou-se amplitude máxima de 0,75% e mínima de 0,05% entre a melhor e a pior
seqüência de NA.
0
1
2
3
4
5
6
0,025 0,188 0,338 0,487 0,637 0,787 0,937
Centro médio de classe
Freqüência (%)
.
Melhor seqüencia
Pior seqüencia
Figura 5.3 – Gráfico de distribuição de freqüência para a (a) melhor e (b) pior seqüência de
NA identificada por meio do Teste das Séries para Aleatoriedade.
A Tabela 5.4 apresenta os valores de Chi-quadrado obtidos com as seqüências de NA,
considerando que as mesmas seguem uma distribuição Uniforme.
Observou-se expressiva variação nos valores obtidos, o que nos indica conclusões
variadas no teste de chi-quadrado.
O teste revela que apenas 7 das 30 seqüências geradas foram consideradas não
uniformes para algum dos níveis de probabilidade estatística. Assim, pode-se afirmar que o
GNA do Visual Basic gerou seqüências de NA com distribuição uniforme pelo teste de Chi-
quadrado ao nível de significância estatística de 1%, 5% e 10%.
56
Tabela 5.4. Teste de Chi-quadrado para as 30 seqüências de NA considerando quatro níveis de
probabilidade.
Chi-quadrado tabelado Chi-quadrado tabelado
χ²
0,90;17
χ²
0,95;17
χ²
0,99;17
χ²
0,90;17
χ²
0,95;17
χ²
0,99;17
Seqüência
χ²
calculado
24,76 27,58 33,40
Seqüência
χ²
calculado
24,76 27,58 33,40
1 13,20 + + + 16 20,10 + + +
2 30,05 – – + 17 20,44 + + +
3 24,42 + + + 18 20,90 + + +
4 30,65 – – + 19 15,71 + + +
5 16,53 + + + 20 22,75 + + +
6 20,81 + + + 21 23,24 + + +
7 17,26 + + + 22 23,45 + + +
8 26,03 – + + 23 14,40 + + +
9 13,26 + + + 24 21,51 + + +
10 18,67 + + + 25 13,70 + + +
11 23,99 + + + 26 25,59 – + +
12 13,58 + + + 27 26,77 – + +
13 25,40 – + + 28 20,48 + + +
14 16,70 + + + 29 15,36 + + +
15 21,38 + + + 30 36,14 – – –
“+” a seqüência é aleatória para o nível de significância considerado (não significativo, aceita-se H
0
); “–” a
seqüência não é aleatória para o nível de significância considerado (significativo, aceita-se H
1
).
A Figura 5.4 apresenta a distribuição de freqüência relativa e acumulada dos valores de
chi-quadrado determinados conforme a metodologia apresentada por ASSIS et al. (1996) e
relacionados na Tabela 5.4. Analisando a Figura 5.4a não se observa um valor de chi-
quadrado mais freqüente, mas sim uma faixa que vai de 14,52 (α = 63%) a 25,06 (α = 9,3%).
A faixa de valores de Chi-quadrado é suficiente para aceitar que as seqüências são uniformes
para os níveis de probabilidade identificados na Tabela 5.4 (aceita-se a hipótese H
0
).
(a)
0
10
20
30
14,8 18,1 21,4 24,7 27,9 31,2 34,5
Valor de Chi-quadrado calculado
Freqüência relativa (%).
(b)
0
20
40
60
80
100
14,8 18,1 21,4 24,7 27,9 31,2 34,5
Valor de Chi-quadrado calculado
Freqüência acumulada (%).
Figura 5.4 – (a) Freqüência relativa e (b) freqüência relativa acumulada dos valores de Chi-
quadrado obtidos para as 30 seqüências de NA gerados no módulo Visual Basic
do Microsoft Excel 2000.
57
Analisando-se os resultados obtidos com o Teste das Séries para a Aleatoriedade e
Teste de Qui-quadrado, observou-se que ocorreu predominância pela aleatoriedade das
seqüências geradas pelo Módulo Visual Basic do Microsoft Excel 2000.
Os resultados do Teste das Séries para Aleatoriedade empregando níveis de
significância (α) maiores que 40% indicaram que muitas das seqüências não se apresentaram
aleatórias. No entanto, níveis de significância elevados podem resultar na diminuição da
confiança do teste de hipótese, que implica na maior possibilidade de rejeitar a aleatoriedade
da seqüência quando a mesma é verdadeira (erro tipo I).
Inúmeros autores, entre eles SPIEGEL (1993) e ASSIS et al. (1996), reportam que a
única forma de reduzir os erros do tipo I e II é aumentar o tamanho da amostra. O módelo
“Balanço hídrico climatológico decendial” simula até 10.000 balanços hídricos com 37
decêndios cada. Sendo assim, acredita-se que essa seqüência de valores constitui uma amostra
de NA suficiente para atenuar tais erros e grande o bastante para representar com fidelidade as
variáveis simuladas.
A redução da possibilidade de considerar uma seqüência aleatória quando não for (erro
tipo II), pode ser realizada ajustando-se o nível de significância estatística (α), ou seja, o valor
crítico que define as áreas de aceitação da aleatoriedade e não aleatoriedade da seqüência de
NA. Os níveis de confiança estatística de 95% e 99% são os mais recomendados e aplicados
na experimentação agropecuária para testar hipóteses sobre populações contínuas (CAMPOS,
1984).
Considerando-se tais resultados e as recomendações de ASSIS et al.(1996) quanto ao
nível de significância estatística (α) para os testes de hipótese, verificou-se que o módulo
Visual Basic produziu seqüências de números aleatórios aos níveis de 0,05 (α = 5%) e
0,01 (α = 1%).
58
5.2 ESTIMATIVA DOS PARÂMETROS DE ENTRADA PARA SIMULAR O
“BALANÇO HÍDRICO CLIMATOLÓGICO DECENDIAL” (Segunda etapa)
5.2.1 Estimativa da ETo e probabilidade de sua ocorrência
A Tabela 5.5 apresenta para a região de Ponta Grossa, os parâmetros estatísticos
decendiais da ETo obtidos nas análises de teste de aderência com o módulo “Análise
Estatística” do modelo MORETTI, a 5% de significância. Os parâmetros estatísticos
relacionados são: menor valor, maior valor, média, desvio padrão, moda, alfa e beta, assim
como o número de anos disponíveis para cada decêndio do ano. Os valores de ETo a 75% de
probabilidade foram obtidos com a função distribuição de probabilidade de melhor ajuste. A
Figura 5.5 apresenta para a região de Ponta Grossa-PR os respectivos valores decendiais de
ETo média, provável a 75%, maior e menor valor.
Os resultados apresentados na Tabela 5.5 e Figura 5.5 permitem verificar que:
– As distribuições de probabilidade Normal e Gama foram as distribuições que melhor se
ajustaram a ETo estimada para Ponta Grossa. A distribuição Normal ajustou-se bem em 26
decêndios e a Gama a 11 decêndios. As distribuições Uniforme, Exponencial e Triangular
não apresentaram melhor ajuste em nenhum dos decêndios do ano;
– Os resultados obtidos para a distribuição Normal concordam com os encontrados por
CASTRO (1994), que destaca que variáveis sem limite inferior e superior são bem
representadas pela distribuição de probabilidade Normal;
– A amplitude média entre os valores decendiais de ETo provável e média ficou em 2,2 mm
(s = 0,30 mm/decêndio). O maior e o menor valor de amplitude da ETo ao longo do ano
ficou em 3,1 mm e 1,5 mm, respectivamente;
– O maior valor de ETo decendial provável a 75% ficou em 36,7 mm e o menor em 14,1 mm.
O maior valor de ETo média ficou em 34,1 mm e o menor em 12,2 mm;
– Para o período primavera/verão, entre os decêndios 28 (28/09) a 11 (20/04) verificou-se
uma ETo média de 28,32 mm (s = 4,87) e ETo provável a 75% de 30,6 mm (s = 4,91 mm).
No período outono/inverno, entre os decêndios 12 e 27 (21/04 a 27/09) verificou-se uma
ETo média de 15,0 mm (s = 2,69 mm) e ETo provável a 75% de 17,3 mm (s = 2,87 mm);
– A ETo média corresponde, em média, a 90,12% (s = 3,11%) da ETo provável estimada a
75%.
59
Tabela 5.5. Parâmetros estatísticos decendiais da ETo, obtidos nas análises de teste de
aderência, a 5% de significância, com as distribuições de probabilidade Normal (N),
Triangular (T), Uniforme (U), Exponencial (E) e Gama (G), e cálculo da ETo provável a 75%
de probabilidade para Ponta Grossa.
Série Maior Menor
Moda
Média Desvio Parâ- Parâ- D
max
D
max
Melhor ETo
Decêndios
(ano)
Valor
(mm)
Valor
(mm)
(mm)
(mm)
Padrão
(mm)
metro
Alfa
metro
Beta
Tabela-
do 5%
Calcu-
lado
Distri-
buição
Provável
(mm)
1 (01/01 a 10/01)
50 43,5 26,8 36,21 34,12 3,76 84,62 0,40 0,19 0,04 N 36,7
2 (11/01 a 20/01)
50 42,6 26,1 33,32 33,52 3,63 88,89 0,38 0,19 0,08 G 35,8
3 (21/01 a 30/01)
50 40,8 27,6 31,74 34,02 3,10 122,81 0,28 0,19 0,04 N 36,1
4 (31/02 a 09/02)
49 39,5 26,0 31,94 33,07 2,83 138,26 0,24 0,20 0,01 N 35,0
5 (10/02 a 19/02)
49 39,7 24,7 33,17 32,68 3,19 106,16 0,31 0,20 0,03 N 34,8
6 (20/02 a 01/03)
50 38,6 24,3 30,59 31,16 3,11 101,53 0,31 0,19 0,04 N 33,3
7 (02/03 a 11/03)
51 34,9 22,9 29,65 29,62 2,91 103,26 0,29 0,19 0,04 N 31,6
8 (12/03 a 21/03)
51 35,8 23,7 26,01 27,89 2,82 103,73 0,27 0,19 0,07 N 29,8
9 (22/03 a 31/03)
51 32,9 19,4 25,31 26,47 3,01 78,79 0,34 0,19 0,06 G 28,4
10 (01/04 a 10/04)
50 31,1 17,0 24,98 23,76 3,31 51,78 0,46 0,19 0,05 N 26,0
11 (11/04 a 20/04)
50 30,2 14,9 21,57 21,82 3,46 41,02 0,53 0,19 0,03 N 24,2
12 (21/04 a 30/04)
50 27,5 12,9 19,27 18,95 3,39 32,68 0,58 0,19 0,04 N 21,2
13 (01/05 a 10/05)
49 23,1 9,8 17,29 16,56 3,38 23,58 0,70 0,20 0,05 N 18,8
14 (11/05 a 20/05)
49 21,9 5,5 14,72 15,11 3,12 20,60 0,73 0,20 0,03 N 17,2
15 (21/05 a 30/05)
49 20,5 6,4 12,57 13,02 3,06 17,08 0,76 0,20 0,04 N 15,1
16 (31/05 a 09/06)
49 21,5 6,4 11,13 12,44 3,57 12,38 1,01 0,20 0,04 G 14,6
17 (10/06 a 19/06)
49 18,8 4,9 14,42 12,52 2,95 16,53 0,76 0,20 0,02 N 14,5
18 (20/06 a 29/06)
50 18,1 7,2 13,31 12,32 2,67 20,31 0,61 0,19 0,07 N 14,1
19 (30/06 a 09/07)
50 18,3 7,7 12,37 12,72 2,71 21,63 0,59 0,19 0,04 N 14,6
20 (10/07 a 19/07)
49 22,0 6,0 12,98 12,20 3,46 12,53 0,97 0,20 0,03 G 14,3
21 (20/07 a 29/07)
50 19,6 5,1 13,24 12,82 3,69 10,89 1,18 0,19 0,05 N 15,3
22 (30/07 a 08/08)
50 20,9 7,1 13,13 13,97 3,44 16,37 0,85 0,19 0,06 N 16,3
23 (09/08 a 18/08)
50 22,9 7,9 14,43 14,85 3,34 20,56 0,72 0,19 0,03 G 16,9
24 (19/08 a 28/08)
49 23,2 9,1 15,24 16,86 3,42 23,42 0,72 0,20 0,08 N 19,2
25 (29/08 a 07/09)
50 29,8 8,1 14,93 17,50 4,52 15,62 1,12 0,19 0,08 G 20,2
26 (08/09 a 17/09)
49 28,3 10,1 20,37 18,87 3,94 21,50 0,88 0,20 0,08 N 21,5
27 (18/09 a 27/09)
50 29,2 10,5 18,65 19,86 3,93 25,31 0,78 0,19 0,03 G 22,3
28 (28/09 a 07/10)
50 28,9 16,0 20,06 21,24 3,26 44,80 0,47 0,19 0,13 G 23,3
29 (08/10 a 17/10)
50 36,8 14,7 24,35 23,38 4,61 26,88 0,87 0,19 0,03 N 26,5
30 (18/10 a 27/10)
50 32,8 16,7 23,77 24,53 3,71 43,88 0,56 0,19 0,04 N 27,0
31 (28/10 a 06/11)
49 36,6 20,9 23,14 26,26 3,64 55,16 0,48 0,20 0,06 N 28,7
32 (07/11 a 16/11)
48 37,7 20,3 25,71 28,41 4,28 44,36 0,64 0,20 0,06 G 31,2
33 (17/11 a 26/11)
49 37,7 21,9 26,85 29,47 3,67 65,12 0,45 0,20 0,07 G 31,8
34 (27/11 a 06/12)
49 37,5 24,6 33,47 31,11 3,23 92,62 0,34 0,20 0,08 N 33,3
35 (07/12 a 16/12)
50 43,3 26,7 31,90 32,80 3,57 88,52 0,37 0,19 0,03 G 35,1
36 (17/12 a 26/12)
50 39,1 23,2 30,15 32,34 3,39 90,72 0,36 0,19 0,03 N 34,6
37 (27/12 a 31/12)
50 22,9 9,8 17,13 17,07 2,32 51,93 0,33 0,19 0,04 N 18,6
60
0
5
10
15
20
25
30
35
40
45
50
1 4 7 10131619222528313437
Decêndio
ETo (mm)
Média ETo 75%
Maior valo
r
Menor valo
r
Figura 5.5 – Curva de tendência do menor valor, maior valor e média da ETo estimada com o
método THORNTHWAITE (1948) e valores de ETo a 75% de probabilidade,
obtidos com a distribuição de melhor ajuste para Ponta Grossa-PR.
A Figura 5.6 apresenta a probabilidade de ocorrer um valor maior ou igual à média da
ETo para Ponta Grossa-PR, baseando-se em uma série de 50 anos de dados (1954–2004),
considerando a distribuição de probabilidade de melhor ajuste.
0
10
20
30
40
50
60
1 4 7 10131619222528313437
Decêndios
Probabilidade (%) .
Probabilidade da
Eto média.
Figura 5.6 – Probabilidade de ocorrer um valor maior ou igual à ETo média de Ponta Grossa-
PR, baseando-se em uma série de 50 anos de dados (1954–2004), considerando a
distribuição de probabilidade de melhor ajuste.
Mediante os resultados obtidos com o teste de aderência da ETo para Ponta Grossa,
optou-se por realizar as simulações da ETo de todos os decêndios com a distribuição Normal.
Assumir que a ETo de todos os decêndios segue esta distribuição foi necessário porque o
modelo “Balanço hídrico climatológico decendial” não possibilita a escolha de diferentes
distribuições de probabilidade para a simulação da ETo dos decêndios ao longo do ano.
61
5.2.2 Precipitação pluvial e probabilidade de sua ocorrência
Para a determinação da precipitação a 75% de probabilidade foram obtidos os
parâmetros estatísticos das funções de distribuição de probabilidade normal, gama,
exponencial, triangular e uniforme. A Tabela 5.6 apresenta o número de anos válidos da
seqüência disponível de precipitação, bem como os parâmetros estatísticos, menor valor,
maior valor, moda, média, desvio padrão, alfa e beta para cada um dos decêndios do ano. Os
resultados apresentados na referida tabela permitem verificar que:
– As distribuições de probabilidade Gama e Exponencial ajustaram-se melhor a precipitação
de Ponta Grossa, ou seja, 23 e 11 decêndios, respectivamente. A distribuição Normal
ajustou-se bem em 3 decêndios e as distribuições Uniforme e Triangular não apresentaram
melhor ajuste a nenhum dos decêndios do ano.
– As distribuições Gama e Exponencial prevaleceram entre as demais funções testadas para os
dados de Ponta Grossa, apresentando melhor ajuste em 34 dos 37 decêndios. Para ASSIS et
al. (1996) a função distribuição de freqüência Exponencial é um caso particular da
distribuição Gama, o que reforça a hipótese de que essa última descreva com maior
fidelidade os dados decendiais de chuva em Ponta Grossa. Autores como THOM (1958),
CASTRO (1994), SAAD (1990) e ASSIS et al. (1996) reafirmaram essa constatação quando
trabalhavam com dados acumulados de chuva em um curto período de tempo (5, 7, 10, 15 e
30 dias).
– Como a série de precipitação de Ponta Grossa tem aproximadamente 50 anos, a amplitude
entre a média e moda indica que a chuva decendial não deve mesmo se ajustar a distribuição
de probabilidade Normal. Observa-se também que o parâmetro de forma
α
não excedeu a
100 em nenhum dos decêndios, o que de forma isolada, de acordo com THOM (1958) e
FRIZZONE et al. (1985), indica bom ajuste a distribuição de probabilidade Gama.
62
Tabela 5.6. Parâmetros estatísticos decendiais da precipitação, obtidos nas análises de teste de
aderência, a 5% de significância, com as distribuições de probabilidade Normal (N),
Triangular (T), Uniforme (U), Exponencial (E) e Gama (G), e cálculo da precipitação
provável a 75% de probabilidade para Ponta Grossa.
Série Menor
Valor
Maior
Valor
Moda
Média Desvio
padrão
Parâ-
metro
Alfa
Parâ-
metro
Beta
D
max
tabe-
lado
D
max
calcu-
lado
Melhor
distri-
buição
Prob.
Precip.
Zero
Chuva
Provável
Decêndios
(ano) (mm) (mm) (mm) (mm) (mm) (ad.) (ad.) 5% (%) (mm)
1 (01/01 a 10/01)
49 2,6 286,6 20,35 61,21 53,07 1,53 39,91 0,196 0,031 G 2,0 23,9
2 (11/01 a 20/01)
49 1,7 235,5 16,31 59,99 57,38 1,06 56,70 0,196 0,021 E 2,0 16,1
3 (21/01 a 30/01)
50 6,1 211,2 18,92 53,71 38,65 2,04 26,31 0,194 0,049 G 0,0 26,1
4 (31/02 a 09/02)
48 5,5 148,9 68,24 54,33 32,52 2,30 23,65 0,200 0,050 N 2,0 30,8
5 (10/02 a 19/02)
47 4,3 194,8 63,83 58,01 40,57 1,91 30,38 0,200 0,070 G 4,0 24,7
6 (20/02 a 01/03)
49 5,5 155,5 14,88 50,90 36,55 1,69 30,20 0,200 0,050 G 2,0 21,1
7 (02/03 a 11/03)
49 2,0 149,1 29,58 50,93 34,21 1,68 30,33 0,200 0,047 G 3,8 20,1
8 (12/03 a 21/03)
50 1,4 102,9 33,12 44,91 29,32 1,82 24,65 0,190 0,079 G 1,9 19,6
9 (22/03 a 31/03)
47 1,0 180,8 12,24 41,52 41,03 0,92 45,22 0,200 0,060 E 5,9 9,5
10 (01/04 a 10/04)
46 1,2 146,7 10,29 34,46 34,03 1,01 34,20 0,200 0,057 E 7,8 7,1
11 (11/04 a 20/04)
43 3,0 126,1 10,69 37,32 27,77 1,84 20,25 0,210 0,075 G 13,7 10,9
12 (21/04 a 30/04)
42 1,0 182,2 12,32 39,23 38,28 0,99 39,44 0,210 0,030 E 15,7 4,6
13 (01/05 a 10/05)
38 3,2 132,0 12,40 39,31 36,88 1,13 34,78 0,220 0,037 E 22,0 1,6
14 (11/05 a 20/05)
40 1,5 231,1 15,85 56,18 55,30 0,90 62,73 0,220 0,068 E 18,0 5,0
15 (21/05 a 30/05)
39 2,0 228,5 18,18 42,31 47,76 1,03 40,88 0,220 0,063 G 20,0 3,0
16 (31/05 a 09/06)
42 1,1 143,5 10,00 35,64 34,92 1,09 32,56 0,210 0,029 G 14,0 5,6
17 (10/06 a 19/06)
44 1,4 227,9 15,56 46,78 42,42 1,22 38,29 0,210 0,029 G 10,0 11,0
18 (20/06 a 29/06)
43 1,2 179,4 12,34 45,82 42,18 1,04 44,14 0,210 0,039 E 13,7 6,4
19 (30/06 a 09/07)
40 2,5 177,5 13,44 45,71 41,72 1,28 35,81 0,220 0,022 E 19,6 3,2
20 (10/07 a 19/07)
40 1,0 118,4 8,34 34,80 35,17 0,92 38,02 0,220 0,145 G 19,6 2,0
21 (20/07 a 29/07)
41 1,1 184,3 12,55 31,81 37,65 0,85 37,45 0,210 0,026 G 17,6 2,1
22 (30/07 a 08/08)
40 1,0 187,3 12,64 34,38 37,03 0,89 38,62 0,220 0,033 G 19,6 1,8
23 (09/08 a 18/08)
36 1,5 95,40 8,21 28,35 25,04 1,16 24,51 0,230 0,031 G 27,5 0,0
24 (19/08 a 28/08)
38 1,6 128,6 10,67 36,91 31,77 1,15 31,96 0,220 0,075 E 22,0 1,5
25 (29/08 a 07/09)
42 1,8 126,2 9,57 33,32 27,07 1,49 22,38 0,210 0,031 G 15,7 7,0
26 (08/09 a 17/09)
43 1,5 172,0 12,16 51,98 46,15 1,02 51,15 0,210 0,078 E 12,0 8,3
27 (18/09 a 27/09)
42 2,1 159,0 51,13 56,68 40,28 1,88 30,07 0,210 0,048 G 15,7 15,1
28 (28/09 a 07/10)
46 2,4 189,2 14,08 55,51 48,33 1,37 40,44 0,200 0,032 G 7,8 16,2
29 (08/10 a 17/10)
48 3,0 134,2 27,60 42,92 27,09 2,20 19,53 0,200 0,033 G 3,9 19,9
30 (18/10 a 27/10)
50 1,0 121,8 53,85 52,92 29,76 2,31 22,92 0,190 0,057 N 0,0 32,8
31 (28/10 a 06/11)
49 2,0 156,0 11,63 47,13 32,20 1,78 26,50 0,200 0,063 N 0,0 25,4
32 (07/11 a 16/11)
46 2,4 146,6 11,41 42,73 33,79 1,48 28,88 0,200 0,039 G 4,1 15,2
33 (17/11 a 26/11)
46 2,0 164,2 32,41 39,23 34,80 1,25 31,27 0,200 0,068 G 6,0 11,3
34 (27/11 a 06/12)
48 5,8 134,6 13,85 47,58 34,12 1,89 25,18 0,200 0,060 G 2,0 21,2
35 (07/12 a 16/12)
46 4,8 152,8 14,05 47,28 38,73 1,52 31,18 0,200 0,058 E 7,8 9,8
36 (17/12 a 26/12)
50 3,7 166,5 13,88 50,91 40,83 1,51 33,82 0,190 0,049 G 0,0 20,6
37 (27/12 a 31/12)
41 2,3 102,0 8,53 32,47 25,20 1,55 20,97 0,210 0,066 G 17,6 6,1
63
A Figura 5.7 apresenta um contraste entre os valores decendiais de precipitação pluvial
média e provável a 75%. A Figura 5.8 relaciona a chuva decendial provável e a probabilidade
de ausência de chuva para a localidade de Ponta Grossa-PR.
0
10
20
30
40
50
60
70
1 4 7 10131619222528313437
Decêndio
Chuva (mm) .
Chuva Média
Chuva a 75%
Figura 5.7 – Precipitação decendial média e provável a 75%, estimada com a distribuição de
probabilidade de melhor ajuste para a região de Ponta Grossa-PR.
0
5
10
15
20
25
30
35
1 4 7 10131619222528313437
Decêndio
Chuva 75% (mm) .
0
10
20
30
40
50
60
70
Probabilidade (%) .
Chuva 75%
Probabilidade de ausência de c huva (%)
Figura 5.8 – Chuva decendial provável (75%) e probabilidade de ausência de precipitação
(P = 0) para uma série climática média de 44 anos em Ponta Grossa-PR.
64
Os resultados apresentados na Figura 5.7 permitem verificar que:
– A chuva provável a 75% correspondeu, em média, a 26,1% da chuva média decendial. A
diferença média entre chuva provável e chuva média foi de 32,4 mm/decêndio. A maior
amplitude entre as precipitações média e provável foi de 51,2 mm (14º decêndio) e a menor
amplitude foi de 20,1 mm (30º decêndio).
– CASTRO (1994) comenta que a precipitação média é bastante empregada para a realização
de projetos agrícolas no Brasil (RIBEIRO & LUNARDI, 1997b). Diante disso, utilizar a
precipitação média em projetos de irrigação na região de Ponta Grossa pode levar ao sub-
dimensionamento dos sistemas e os técnicos da área devem estar atentos a este fato.
FRIZZONE et al. (1985) corrobora com esses resultados quando comenta que a média
aritmética da precipitação não é representativa, na prática, para projetos, pois considera os
valores extremos da série.
Os resultados apresentados na Figura 5.8 permitem verificar que:
– A região apresenta duas estações, sendo uma chuvosa, entre o 28º e 8º decêndio e, outra
seca, entre o 9º e 27º decêndio, aproximadamente;
– As maiores probabilidades de ausência de precipitação (P = 0) ocorreram entre os decêndios
11 e 27, o que corresponde ao período entre os meses de abril e setembro. Assim, a maior
freqüência de períodos com pequena precipitação ou estiagem concentra-se nas estações de
outono e inverno.
A Figura 5.9 relaciona a probabilidade assumida quando se consideram os valores
médios de precipitação pluvial para a localidade de Ponta Grossa-PR. Apenas os três
decêndios com melhor ajuste a distribuição Normal apresentaram probabilidade de ocorrência
próxima a 50% associada aos seus valores médios. Para o período chuvoso a probabilidade de
ocorrência da precipitação média variou entre 30% e 40%. Dentro do período seco, nove
decêndios apresentaram probabilidade menor que 30% de receber uma chuva igual ou
superior à média. CUNHA et al. (1997) obteve resultados semelhantes ao estudar a chuva
mensal em Bauru-SP, encontrando níveis de 30% a 50% de probabilidade para as
precipitações médias. RIBEIRO & LUNARDI (1997b) e FRIZZONE et al. (1985) também
apresentam dados que justificam os obtidos para a localidade de Ponta Grossa.
65
0
10
20
30
40
50
60
1 4 7 10131619222528313437
Decêndios
Probabilidade (%
)
Probabilidade da
chuva média (%).
Figura 5.9 – Probabilidade de ocorrência da precipitação média para a região de Ponta Grossa,
considerando a distribuição de probabilidade de melhor ajuste pelo teste de
Kolmogorov-Smirnov.
5.2.3 Contraste entre precipitação e ETo provável a 75%
A Figura 5.10 apresenta um contraste entre os dados médios decendiais de ETo e
chuva para a região de Ponta Grossa-PR.
0
10
20
30
40
50
60
70
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37
Decêndios
Chuva, ETo (mm)
ETo Média
Chuva Média
Figura 5.10 – Valores médios decendiais de ETo e chuva para a região de Ponta Grossa-PR.
66
Considerando os dados apresentados na Figura 5.10 pode-se verificar que:
– A maior amplitude entre os valores médios de chuva e ETo foi de 41,1 mm para o decêndio
14 (11/05 a 20/05) e a menor foi de 9,8 mm, para o decêndio 33 (17/11 a 26/11). A
amplitude média ficou em 22,4 mm/decêndio (s = 7,23 mm/decêndio);
– Os valores decendiais médios de ETo e chuva para a região de Ponta Grossa indicaram que
não há deficiência em nenhum decêndio do ano, ou seja, para todos os decêndios ocorreu a
precipitação de uma lâmina de chuva maior que a ETo;
– Desconsiderando a possibilidade de ocorrência de veranicos e adotando apenas os dados
médios de ETo e chuva, observa-se que não há necessidade da instalação de sistemas de
irrigação suplementar, pois há excedentes hídricos em todos os decêndios. Esses excedentes
podem compor o armazenamento de água do solo e mantê-lo nas condições ideais para o
pleno desenvolvimento das culturas;
A Figura 5.11 apresenta um contraste entre os valores de chuva provável e ETo média e
provável, para a região de Ponta Grossa-PR.
0
5
10
15
20
25
30
35
40
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37
Decêndios
Chuva, ETo (mm
)
.
Chuva 75%
ETo 75%
ETo Média
Figura 5.11 – Valores decendiais de chuva provável e evapotranspiração de referência (ETo)
média e provável a 75%, para a região de Ponta Grossa-PR.
67
Analisando-se a Figura 5.11 é possível verificar que:
– Observa-se que a região de Ponta Grossa apresenta deficiência de água para todos os
decêndios do ano, exceto no período entre 18 e 27 de outubro (decêndio 30). A chuva
provável a 75% para o decêndio 30 excedeu em 5,8 mm a ETo provável para o mesmo
período;
– A diferença média entre a ETo e a precipitação pluvial, ambas a 75% de probabilidade, foi
de 12,7 mm/decêndio (s = 4,9 mm/decêndio);
– A deficiência total anual entre chuva e ETo decendial provável foi de 451,9 mm enquanto
que entre a chuva provável e a ETo média foi de 369,4 mm por ano, que representa uma
redução de 18,2% na ETo anual;
– A maior amplitude encontrada foi de 25,4 mm e ocorreu no decêndio 35, entre os dias 7 e
16 de dezembro. A menor amplitude foi de 3,3 mm e ocorreu no decêndio 31 (28/10 a
06/11);
– Os dados de chuva e ETo provável indicam que a região apresenta necessidade de irrigação
suplementar independentemente da época de desenvolvimento da cultura. As condições
climáticas da região de Ponta Grossa possibilitam que as culturas agrícolas respondam
positivamente à instalação de sistemas de irrigação em decorrência da alta probabilidade de
deficiências de água no solo.
As considerações feitas sobre os resultados dispostos nas Figuras 5.10 e 5.11 são
contrastantes, apesar de ambas representarem a chuva e a ETo da região de Ponta Grossa.
Baseando-se em valores médios de chuva e ETo, observou-se que é desnecessária a instalação
de sistemas de irrigação. Por outro lado, ficou evidente a necessidade de irrigação
suplementar contrastando-se os valores prováveis de chuva e ETo. Desta forma, o retorno
econômico de uma determinada cultura e o risco climático e financeiro é que determinarão a
possibilidade e viabilidade da realização de projetos de irrigação na região.
Diante dos resultados e considerações feitas nos parágrafos anteriores, verifica-se
que os valores prováveis de chuva devem ser utilizados como base para as simulações dos
balanços hídricos para fins de planejamento agrícola para a região de Ponta Grossa, pois a
utilização de valores médios de precipitação em estudos de planejamento não mostrou-se
indicada. Resultados semelhantes também foram obtidos por FRIZZONE et al. (1985) e
CUNHA et al. (1997).
68
5.2.4 Parâmetros físico-hídricos dos solos
Os parâmetros físico-hídricos dos solos, obtidos com o auxílio do programa SPLINTEX
(PREVEDELLO, 2002) estão relacionados na Tabela 5.7. Analisando-se esta tabela,
verificou-se que os dados de umidade de saturação (θs) e residual (
θr) estão de acordo com
KLAR (1984), ou seja, os solos com textura mais arenosa possuem maior umidade de
saturação (θs) e os contendo textura argilosa maior umidade residual (
θr).
Tabela 5.7. Parâmetros físico-hídricos estimados pelo programa SPLINTEX e capacidade de
água disponível (CAD) estimada para três solos possuindo classes de textura argilosa, média e
arenosa, considerando a densidade de solo igual a 1,3 g·cm
–3
, densidade de partícula igual a
2,65 g·cm
–3
e 50 cm de profundidade efetiva do sistema radicular.
Argila Silte Areia
α
N m θs θr θ
CC
θ
PMP
CAD
50
Textura
(%) (%) (%)
(cm
–1
) (cm
3
⋅cm
–3
) (mm)
(%)
Argilosa 61 23 16 0,00892 2,9681 0,6631 0,5124 0,3193 0,45 0,32 65,0 100,0
Média 25 22 53 0,01989 2,5269 0,6043 0,5172 0,1364 0,26 0,14 60,0 92,3
Arenosa 20 10 70 0,05679 2,2520 0,5560 0,5340 0,1071 0,16 0,11 25,0 38,5
Os valores de umidade a 100 cm e 15.000 cm de coluna de água obtidos na Equação
4.47, conforme VAN GENUCHTEN (1980), demonstram, respectivamente, as umidades de
capacidade de campo (
θ
CC
) e ponto de murcha permanente (
θ
PMP
). O solo argiloso apresentou
θ
CC
de 0,45 cm
3
⋅cm
–3
ou 45%, enquanto que o solo arenoso apresentou uma
θ
CC
de apenas
0,16 cm
3
·cm
–3
ou 16% de armazenamento na mesma condição. Quando submetido a uma
tensão de 15.000 cm de coluna de água o solo arenoso foi capaz de manter 11% de água. Os
solos de textura média e argilosa mantiveram, respectivamente, 14% e 32% de
θ
PMP
..
O solo argiloso apresentou armazenamento máximo de 65,0 mm, pouco maior que a
CAD do solo com textura média (60,0 mm), considerando um perfil de 50 centímetros de
profundidade. A CAD do solo arenoso foi de 25,0 mm, o que representa menos de 40% da
CAD do solo argiloso. A grande variação da capacidade de água disponível entre os solos
pode resultar na manifestação mais freqüente de deficiências e excessos, principalmente para
os solos mais arenosos.
Como a diferença entre a CAD dos solos de textura argilosa e média ficou em apenas 5
mm, optou-se por descartar o solo de textura média das análises de verificação do módulo
“Balanço hídrico climatológico decendial”, após as modificações.
69
5.3 VERIFICAÇÃO DO MÓDULO “BALANÇO HÍDRICO CLIMATOLÓGICO
DECENDIAL” APÓS AS MODIFICAÇÕES (Terceira etapa)
5.3.1 Verificação da ETo Simulada
A verificação dos resultados obtidos com o módulo “Balanço hídrico climatológico
decendial” do modelo MORETTI, considerando as modificações sugeridas para o gerador de
números aleatórios (NA), foi realizada para os decêndios (18 e 29) que apresentaram o menor
e o maior desvio padrão, respectivamente, para os dados de ETc estimados para a localidade
de Ponta Grossa. A ETc média estimada para o decêndio 18 (20/06 a 29/06) foi de 12,32
mm/decêndio (s = 2,67 mm·decêndio
–1
) e para o decêndio 29 (08/10 a 17/10) foi de 23,38
mm/decêndio (s = 4,61 mm·decêndio
–1
), conforme dados da Tabela 5.5.
A Figura 5.12 apresenta a distribuição de freqüência dos valores simulados de ETc
decendial com a distribuição normal, utilizando o processo: geração de números aleatórios
original do modelo MORETTI, para os decêndios 18 (a) e 29 (b); e o proposto neste trabalho,
para os decêndios 18 (c) e 29 (d).
(a)
0
5
10
15
ETc (mm/decêndio)
Freq (%)
(b)
0
5
10
15
ETc (mm/decêndio)
Freq (%)
(c)
0
5
10
15
20
ETc (mm/decêndio)
Freq (%)
(d)
0
5
10
15
20
ETc (mm/decêndio)
Freq (%)
Figura 5.12 – Distribuição de freqüência da ETc decendial simulada pelo processo original de
geração de NA do modelo MORETTI, para os decêndios 18 (a) e 29 (b), e
sugerido por este trabalho para o decêndio 18 (c) e 29 (d).
70
Analisando-se a Figura 5.12 é possível verificar que:
– A análise visual dos histogramas de freqüência permitiu observar que independente do
processo de geração dos NA e dos parâmetros de simulação (média e desvio padrão), os
valores de ETc apresentaram-se distribuídos proporcionalmente em torno da média;
– A análise visual não foi capaz de identificar o histograma de freqüência mais característico
de uma distribuição normal, pois todos as seqüências simuladas apresentaram valores de
ETc decendial distribuídos conforme a natureza da distribuição normal;
– Os histogramas de freqüência da ETo para os decêndios 18 e 29 apresentaram forma
campanular ou de sino, independentemente do processo de geração de NA empregado para
as simulações.
A Tabela 5.8 apresenta a área acumulada sob as curvas de distribuição de freqüência
dos valores de ETc decendial estimadas pelo módulo balanço hídrico original e modificado do
modelo MORETTI.
Tabela 5.8. Área acumulada sob a curva de distribuição Normal teórica (SPIEGEL, 1993) e
obtida com a distribuição de freqüência da ETc decendial estimada no módulo balanço hídrico
do modelo MORETTI com o algoritmo original e modificado.
18º decêndio (s = 2,67 mm/decêndio) 29º decêndio (s = 4,61 mm/decêndio)
Área da
curva
Normal
Normal
(%)
Original
(%)
Erro¹
(%)
Modificado
(%)
Erro
(%)
Original
(%)
Erro
(%)
Modificado
(%)
Erro
(%)
µ ± σ
68,27 75,17 +10,1 75,31 +10,3 75,14 +10,1 69,72 +2,1
µ ± 2⋅σ
95,45 97,47 +2,1 97,47 +2,1 97,21 +1,8 97,89 +2,6
µ ± 3⋅σ
99,74 99,93 +0,2 99,81 +0,1 99,87 +0,1 99,93 +0,2
Erro acumulado — +12,4 — +12,5 — +12,0 — +4,9
(¹) Erro relativo
Baseando-se nas informações da Tabela 5.8 é possível verificar que:
– Quando comparado a distribuição Normal de probabilidade, o módulo balanço hídrico
original do modelo MORETTI simulou valores de ETc decendial com distribuição de
freqüência apresentando erro acumulado de 12,4% e 12,0% para o decêndio 18 (s = 2,67
mm/decêndio) e 29 (s = 4,61 mm/decêndio), respectivamente;
– O módulo balanço hídrico modificado do modelo MORETTI superestimou a área de
concentração dos valores de ETc simulada. O erro de área acumulado foi de 12,5% para o
decêndio 18 (s = 2,67 mm/decêndio) e 4,9% para o decêndio 29 (s = 4,61 mm/decêndio);
71
– O erro médio da área compreendida sob a curva de distribuição de freqüência dos valores de
ETc decendial simulada com o módulo balanço hídrico original e modificado do modelo
MORETTI foi de 12,2% e 8,7%, respectivamente;
– A distribuição de freqüência da ETc simulada para o decêndio 29 (s = 4,61 mm/decêndio)
com o módulo balanço hídrico modificado, apresentou erro acumulado da área sob a curva
61% menor que o encontrado para o decêndio 18 (s = 2.67 mm/decêndio);
– A variação do desvio padrão de 2,67mm/decêndio para 4,61 mm/decêndio implicou na
redução de 3% no erro acumulado da área sob a curva de distribuição de freqüência da ETo
decendial simulada com o módulo balanço hídrico original;
– A discrepância entre os percentuais assumidos por SPIEGEL (1993) e os obtidos com a
distribuição dos valores de ETc simulada, empregando ambas as formas de simulação
(original e modificada), principalmente no intervalo entre
µ
+
σ
e
µ
–
σ
, pode ser
decorrente do método de transformação dos valores da distribuição uniforme para a
distribuição normal ou, ainda, resultantes de uma série ruim de NA aleatórios gerados. De
acordo com ASSIS et al. (1996), a qualidade da distribuição de freqüência gerada é muito
influenciada pela qualidade da distribuição dos números aleatórios gerados para esse fim.
Segundo SOUZA (2001), o módulo “Balanço hídrico climatológico decendial” utiliza
a seguinte equação para simular os valores contendo uma distribuição normal,
⎟
⎟
⎟
⎟
⎠
⎞
⎜
⎜
⎜
⎜
⎝
⎛
⋅−+⋅=
∑
=
12
2
12
1
n
n
r
n
VS
n
i
ii
σ
µ
σ
(5.1)
sendo, VS
i
o valor simulado;
σ
o desvio padrão da população ou amostra; r
i
o número aleatório
gerado;
µ
a média da população ou amostra; n a quantidade de números aleatórios gerados.
A Tabela 5.9 apresenta os parâmetros estatísticos dos 10.000 anos de ETc simulada
para os decêndios 18 e 29, considerando o algoritmo original e o sugerido neste trabalho
(modificado). Os parâmetros média e desvio padrão, utilizados na simulação dos valores
decêndiais da ETc no modelo estão dispostos na Tabela 5.5.
72
Tabela 5.9. Parâmetros estatísticos para os 10.000 anos de ETo decendial simulada
empregando módulo “Balanço hídrico climatológico decendial” do modelo MORETTI
original e considerando as modificações propostas neste trabalho.
Original Modificado Original Modificado Parâmetros Estatísticos
(mm/decêndio)
18° Decêndio 18° Decêndio 29° Decêndio 29° Decêndio
Menor Valor 3,32 2,60 8,45 4,15
Maior Valor 20,87 22,51 38,49 40,47
Valor Modal 12,56 12,03 22,68 23,27
Média 12,35 12,33 23,36 23,38
Desvio Padrão 2,74 2,70 4,70 4,60
Amplitude de Classe 0,92 1,05 1,58 1,91
Limite Inferior 2,86 2,08 7,66 3,20
Limite Superior 21,33 23,03 39,28 41,43
Considerando-se os dados da Tabela 5.9 pôde-se observar que:
– A diferença entre a ETc média simulada com o código original e modificado foi de 0,02 mm
para os decêndios 18 e 29;
– A maior diferença entre o desvio padrão da ETc simulada e o utilizado como parâmetro
estatístico para as simulações (s = 2,67 mm/decêndio) foi de 2,26% para o decêndio 18 (s =
2,74 mm/decêndio), empregando-se o código original do modelo MORETTI;
– A maior diferença entre a média da ETc simulada e a utilizada como parâmetro estatístico
para as simulações (
µ
= 12,32 mm/decêndio) foi de 0,21% para o decêndio 18 (
µ
= 12,35
mm/decêndio), empregando-se o código original do modelo MORETTI;
– As ETc decendiais simuladas com o módulo balanço hídrico original gerou seqüências de
ETc com desvios de 1,88% a 2,62% e de –0,07% a 2,62% em relação aos parâmetros média
e desvio padrão dos decêndios 18 e 29, respectivamente, empregados na simulação. A rotina
modificada resultou em erros para média e desvio padrão variando de –0,02% a 0,05% e de
–0,29% a 1,05%, respectivamente, quando comparados aos parâmetros estatísticos de ETo
utilizados para a sua simulação. É importante observar que esta comparação foi possível
(ETc = ETo) devido a cultura hipotética possuir valores de Kc = 1 em todos os decêndios ao
longo do ano.
Analisando as considerações anteriores, observou-se que a metodologia modificada
simulou uma seqüência de valores de ETc com menor desvio percentual para a distribuição
normal, assim como, menor variação entre os parâmetros (média e desvio padrão) da
seqüência e os utilizados para sua simulação. É importante salientar, no entanto, que ambas as
metodologias (original e modificada) apresentaram resultados satisfatórios, gerando valores
73
de ETc conforme a distribuição Normal. Desta forma, a adoção de uma ou outra metodologia
não compromete os resultados, no entanto a adoção das modificações constitui um avanço.
5.3.2 Resultados alcançados com as equações de armazenamento de água no solo
As Tabelas 5.10 e 5.11 e as Figuras 5.13 e 5.14 apresentam os valores médios anuais
de irrigação (I), evapotranspiração real (ER) e deficiência (DEF), encontrados em 10.000 anos
simulados aplicando: cinco equações de armazenamento de água no solo, seis manejos de
irrigação no “Balanço hídrico climatológico decendial” e dois tipos de solo (argiloso e
arenoso). Para as mesmas condições, as Tabelas 5.10 e 5.11 também apresentam o excedente
(EXC) e a freqüência de irrigação (Fi), obtidos conforme os respectivos manejos de irrigação.
(a) Considerações sobre os resultados alcançados no balanço hídrico para o solo
argiloso:
– A lâmina de irrigação média de 10.000 anos simulados para a equação Co-senoidal foi de
360 mm/ano (s = 27,07 mm/ano), considerando o manejo de irrigação o ano todo (manejo
1). A menor lâmina de irrigação, 261,27 mm/ano (s = 26,65 mm/ano), foi estimada com a
equação Exponencial e a maior lâmina, 364,08 mm/ano (s = 27,11 mm/ano), foi obtida com
a equação Potencial de Segunda Ordem (Tabela 5.10);
– Considerando o manejo 1 de irrigação e, em relação a equação Co-senoidal, verificou-se
que todas as equações de estimativa do armazenamento em função do negativo acumulado
subestimaram a lâmina de irrigação, exceto a equação Potencial de Segunda Ordem;
– Observou-se que as lâminas de irrigação estimadas com as equações Potenciais de Primeira
e Segunda Ordem apresentaram tendência similar àquele demonstrado pela equação Co-
senoidal para manejos de irrigação 1 a 5. As equações Exponencial e BRAGA (1982)
apresentaram lâminas de irrigação subestimadas com relação a equação Co-senoidal para os
manejos de irrigação 1 a 5 (Figura 5.13a).
– O maior desvio (–27,43%) com relação ao valor de irrigação estimado com a equação Co-
senoidal foi observado empregando-se a equação Exponencial e o manejo 1 de irrigação
(irrigação o ano todo). A equação Potencial de Segunda Ordem superestimou a lâmina de
irrigação para todos os manejos de irrigação, sendo que o maior desvio (6,78%) foi
observado para o manejo 5 (irrigações alternadas de três em três decêndios partindo dos três
primeiros);
74
Tabela 5.10. Valores médios de irrigação (I), evapotranspiração real (ER), deficiência (DEF),
excedente (EXC) e freqüência de irrigações no ano (Fi), obtidos de 10.000 simulações do
“Balanço hídrico climatológico decendial” do modelo MORETTI, para a localidade de Ponta
Grossa, considerando solo com textura ARGILOSA (CAD = 65,0 mm), fração p igual 0,5,
coeficiente de cultivo igual a 1,0, seis manejos de irrigação (Tabela 4.2), e cinco equações de
armazenamento de água no solo: Co-senoidal; Exponencial de
THORNTHWAITE &
MATHER (1955); Potencial de primeira ordem de RIJTEMA & ABOUKHALED (1975);
BRAGA (1982) e Potencial de segunda ordem.
Manejo
Irrigação
Co-senoidal Exponencial
Potencial de
1
a
ordem
Braga (1982)
Potencial de
2ª ordem
Irrigação (I) em mm
1 – Irrigação ano todo
360,00 261,27 354,76 318,96 364,08
2 –
Verão sim/inverno não
199,69 158,97 198,74 178,92 204,38
3 – Inverno sim/verão não
225,67 173,60 225,99 210,74 229,35
4 – Mês não/mês sim
309,14 225,50 306,23 259,46 327,80
5 – Mês Sim/mês não
287,27 213,75 287,25 243,00 306,75
6 – Sem irrigação
0,00 0,00 0,00 0,00 0,00
Evapotranspiração Real (ER) em mm
1 – Irrigação ano todo
816,38 713,09 810,79 770,70 820,56
2 –
Verão sim/inverno não
655,61 610,79 654,56 630,64 660,66
3 – Inverno sim/verão não
692,25 640,18 692,57 677,32 695,94
4 – Mês não/mês sim
770,14 683,76 767,33 719,43 788,81
5 – Mês Sim/mês não
748,81 674,42 748,56 703,39 767,98
6 – Sem irrigação
466,60 466,60 466,60 466,60 466,58
Deficiência (DEF) em mm
1 – Irrigação ano todo
18,73 122,28 24,64 64,63 14,45
2 –
Verão sim/inverno não
179,83 224,76 180,68 204,78 174,82
3 – Inverno sim/verão não
143,46 195,48 142,40 157,64 139,51
4 – Mês não/mês sim
65,17 151,47 67,83 115,92 46,60
5 – Mês Sim/mês não
86,37 160,78 86,95 131,66 67,60
6 – Sem irrigação
369,13 368,90 368,37 368,67 368,76
Excedente (EXC) em mm
1 – Irrigação ano todo
0,03 0,02 0,02 0,02 0,03
2 –
Verão sim/inverno não
0,04 0,04 0,05 0,04 0,04
3 – Inverno sim/verão não
0,02 0,01 0,01 0,02 0,02
4 – Mês não/mês sim
0,03 0,04 0,04 0,04 0,05
5 – Mês Sim/mês não
0,01 0,00 0,01 0,01 0,01
6 – Sem irrigação
0,00 0,00 0,00 0,00 0,00
Freqüência da irrigação (F
i
)
1 – Irrigação ano todo
12 a 17 10 a 14 13 a 20 11 a 18 12 a 17
2 –
Verão sim/inverno não
7 a 12 5 a 10 8 a 13 7 a 13 7 a 11
3 – Inverno sim/verão não
5 a 7 4 a 5 5 a 7 5 a 7 5 a 7
4 – Mês não/mês sim
8 a 12 7a 10 8 a 11 8 a 12 8 a 13
5 – Mês Sim/mês não
7 a 11 6 a 8 6 a 11 8 a 10 7 a 10
6 – Sem irrigação
0 0 0 0 0
75
(a)
0
100
200
300
400
123456
Manejo de irrigação
Irrigação (mm)
Co-senoidal Exponencial
Potencial de 1ª ordem Braga (1982)
Potencial de 2ª ordem
(b)
400
500
600
700
800
900
123456
Manejo de irrigação
ER (mm)
Co-senoidal Exponencial
Potencial de 1ª ordem Braga (1982)
Potencial de 2ª ordem
(c)
0
100
200
300
400
123456
Manejo de irrigação
Deficiência (mm)
Co-senoidal Exponencial
Potencial de 1ª ordem Braga (1982)
Potencial de 2ª ordem
Figura 5.13 – Valores médios de irrigação (I), evapotranspiração real (ER) e deficiência
(DEF), obtidos de 10.000 simulações do “Balanço hídrico climatológico
decendial” do modelo MORETTI, para a localidade de Ponta Grossa,
considerando solo com textura ARGILOSA (CAD = 65,0 mm), fração p igual
0,5, coeficiente de cultivo igual a 1,0, seis manejos de irrigação (Tabela 4.2),
e cinco equações de armazenamento de água no solo.
76
– A ER estimada com a equação Co-senoidal e manejo de irrigação o ano todo (manejo 1) foi
de 816,38 mm/ano (s = 21,18 mm/ano). A ER simulada com a Equação Co-senoidal para o
manejo 6 (sem irrigação) correspondeu a 57,15% da ER estimada para o manejo 1 (irrigação
o ano todo);
– O valor máximo da ER média anual foi de 820,56 mm/ano (s = 21,52 mm/ano), estimada
com a equação Potencial de Segunda Ordem considerando o manejo de irrigação 1
(irrigação o ano todo). O menor valor de ER para o manejo de irrigação 1, foi de 713,09
mm/ano (s = 18,00 mm/ano), simulado com a Equação Exponencial;
– A ER observada para o manejo 6 (sem irrigação) foi de 466,6 mm/ano para todas as
equações de estimativa do armazenamento de água em função do negativo acumulado. O
máximo desvio padrão encontrado para a ER estimada para o solo argiloso (CAD = 65 mm),
sem irrigação, foi de 1,8 mm/ano para a equação de BRAGA (1982);
– Os valores anuais de ER simulados com as equações Potenciais de Primeira e Segunda
Ordem acompanham a tendência dos valores anuais obtidos considerando a equação Co-
senoidal para os seis manejos de irrigação (Figura 5.13c). Esta mesma tendência foi
observada para os valores de DEF anual, devido o relacionamento das variáveis no balanço
hídrico adotado (Figura 5.13b);
– A ER anual média de 10.000 anos de balanços hídricos simulados com as equações
Exponencial e BRAGA (1982), apresentaram a mesma tendência, porém com valores
subestimados considerando-se os dados obtidos com a equação Co-senoidal (Figura 5.13c).
Seguindo a mesma tendência, estas equações também apresentaram para os manejos de
irrigação 1 a 5 valores anuais de DEF simulada maiores que os obtidos com a equação Co-
senoidal (Figura 5.13b);
– O maior valor médio de DEF de água no solo para o manejo 1 (irrigação o ano todo) foi de
122,28 mm/ano (s = 14,22 mm/ano) para a equação Exponencial. O menor valor de
deficiência para o manejo 1, 14,45 mm/ano (s = 12,75 mm/ano), foi estimado pela equação
Potencial de Segunda Ordem. A equação Co-senoidal apresentou uma DEF de 18,73
mm/ano (s = 12,6 mm/ano) empregando-se o manejo de irrigação o ano todo (Tabela 5.10);
– A equação exponencial superestimou a DEF em 552,86% em comparação à DEF estimada
com a equação Co-senoidal para o manejo 1 de irrigação (Tabela 5.10). A equação Potencial
de Segunda Ordem subestimou a deficiência hídrica para os seis manejos de irrigação
simulados. A equação Exponencial apresentou maiores valores de DEF para todos os
77
manejos de irrigação testados. Os menores desvios entre a DEF estimada adotando equação
Co-senoidal e as demais equações, foram observados para o manejo 6 de irrigação (sem
irrigação);
– A deficiência estimada pela equação Co-senoidal para o manejo de irrigação o ano todo foi
de 0,51 mm/decêndio. Avaliando-se os dados decendiais dos balanços hídricos observou-se
que não ocorreram decêndios com irrigação e DEF, pois a fração de AD (32,5
mm/decêndio) foi suficiente para atender a demanda de evapotranspiração média da cultura
hipotética no período (média = 22,58 mm/decêndio; s = 7,8 mm/decêndio);
– Os valores de EXC estimados para o solo argiloso (CAD = 65 mm) foram menores que 0,05
mm/ano para todas as equações de estimativa do armazenamento em função do negativo
acumulado e manejos de irrigação. Estes resultados mostraram-se coerentes com os dados
climáticos da região de Ponta Grossa-PR que demonstram não haver a formação de
excedentes de água no solo mediante a consideração da chuva provável e evapotranspiração
média na escala decendial;
– As equações Co-senoidal e Potencial de Segunda Ordem apresentaram em média 12 a 17
irrigações decendiais por ano simulado. A equação Exponencial apresentou a menor
freqüência de irrigações (10 a 14 irrigações anuais), influenciando a ocorrência de maior
deficiência de água no solo;
– Os valores anuais de I, ER e DEF, obtidos com a simulação do balanço hídrico para o
manejo 6 (sem irrigação), demonstraram que não houve diferenças entre os modelos
estatísticos de estimativa do ARM em função do negativo acumulado quando não se
considerou a realização de irrigação (manejo 6), como pode ser observado na Figura 5.13.
Diante disso, pode ser adotada qualquer uma das cinco equações de estimativa do ARM na
simulação do balanço hídrico para fins climatológicos ou outro que não adote a prática da
irrigação;
– Baseando-se nos valores anuais simulados de I, ER e DEF, observou-se a formação de dois
grupos de equações de estimativa do armazenamento de água no solo em função do
negativo acumulado para fins de planejamento da irrigação, definidos conforme os
resultados da equação Co-senoidal. O primeiro grupo é formado pelas equações Potencial
de Primeira Ordem, Potencial de Segunda Ordem e Co-senoidal, e o segundo pelas
equações Exponencial e BRAGA (1982);
78
– A escolha de uma equação de estimativa do armazenamento do primeiro ou do segundo
grupo irá determinar a qualidade dos dados para o planejamento da irrigação, que por sua
vez influenciará outras variáveis de interesse. Programas como o MORETTI, Tobruk,
BRASDHC entre outros, não têm como objetivo determinar somente as componentes do
balanço hídrico, mas sim utilizar seus resultados como parâmetro para determinar ou
estimar outras variáveis de interesse. No caso do modelo MORETTI, os valores de irrigação
e deficiência simulados do balanço hídrico servem de base para calcular a lâmina de
irrigação e custo com energia e água em função do sistema de irrigação, bem como estimar
o rendimento da cultura a partir de uma função de produção. Com isso, resultados
inconsistentes do balanço hídrico podem gerar dados finais incoerentes com a realidade.
– Baseando-se nos resultados obtidos e nas recomendações de DOURADO NETO & JONG
VAN LIER (1993), observou-se que o emprego de uma das equações pertencentes ao
primeiro grupo (Potencial de Primeira Ordem, Potencial de Segunda Ordem e Co-senoidal)
no módulo balanço hídrico do modelo MORETTI, considerando um solo argiloso (CAD =
65 mm), retornou valores semelhantes e consistes para fins de planejamento da irrigação. As
equações pertencentes ao segundo grupo (Exponencial e BRAGA, 1982) não apresentaram
resultados com a mesma consistência observada nos resultados apresentados pelas equações
do primeiro grupo, porém podem ser empregadas para finalidades de planejamento onde a
irrigação não é considerada.
De forma geral, os resultados obtidos com a simulação do balanço hídrico para a
região de Ponta Grossa-PR considerando um solo argiloso mostraram-se coerentes e
permitiram a identificação de diferenças e semelhanças entre as cinco equações e manejos de
irrigação testados. Observou-se que a equação Potencial de Segunda Ordem apresentou maior
sensibilidade para avaliar a dinâmica da água no solo argiloso. Concordando com as
considerações de RIJTEMA & ABOUKHALED (1975), os resultados obtidos com a
simulação dos balanços hídricos com a equação Exponencial indicaram a menor sensibilidade
deste modelo para estimar o armazenamento e o negativo acumulado sob condições de
irrigação para um solo argiloso e dados climáticos de Ponta Grossa-PR. O modelo
Exponencial resultou valores de ER, DEF, Fi e I com desvio máximo para os valores
simulados considerando a equação Co-senoidal sob todos os manejos de irrigação, exceto para
o manejo 6 (sem irrigação). A Equação de BRAGA (1982) apresentou comportamento similar
ao da equação Exponencial, mesmo considerando a ocorrência de DEF somente quando o
79
ARM for menor que o crítico [CAD · (1 – p)]. As equações Potenciais de Primeira (Linear
Exponencial) e Segunda Ordem foram os modelos que obtiveram os menores desvios em
relação aos dados simulados com o modelo Co-senoidal de estimativa do armazenamento em
função do negativo acumulado.
(b) Considerações sobre os resultados alcançados no balanço hídrico para o solo
arenoso (CAD = 25 mm):
– A magnitude dos valores de DEF para o solo arenoso (CAD = 25 mm) aponta para um
significativo grau de deficiência de água no solo, mesmo empregando-se o manejo de
irrigação o ano todo (manejo 1) para todas as equações de estimativa do armazenamento em
função do negativo acumulado;
– Esperava-se que o solo arenoso apresentasse para o manejo de irrigação 1 (irrigação o ano
todo), armazenamento de água no solo oscilando entre a CAD e o armazenamento crítico
[CAD ⋅ (1 – AD)] para todos os decêndios do ano, que resultaria em valores de DEF
tendendo a zero. No entanto, os valores anuais simulados de DEF oscilaram entre 207,11
mm/ano (equação Potencial de Segunda Ordem) e 245,07 mm/ano (equação Exponencial);
– Observou-se também a ocorrência de irrigação (I) e deficiência (DEF) em um mesmo
decêndio do ano, demonstrando que a CAD do solo arenoso foi insuficiente para suprir as
demandas da ETc, bem como manter a fração mínima de água disponível (AD) armazenada
no solo para a cultura. Os resultados encontrados com a simulação do balanço hídrico no
módulo “Balanço hídrico climatológico decendial” do modelo MORETTI, são importantes e
devem ser observados para qualquer programa de simulação ou cálculo do balanço hídrico
que adote o conceito de reservatórios para o armazenamento da água no solo e apenas uma
irrigação por período (decêndio);
– A freqüência média anual de irrigações decendiais obtida para o solo arenoso foi sempre
superior àquela simulada para o solo argiloso considerando todas as equações de estimativa
do armazenamento e manejos de irrigação, exceto para o manejo 6. A freqüência de
irrigação para o solo arenoso (CAD = 25 mm) obtida com a equação Co-senoidal e o manejo
de irrigação 1, foi 52,17% maior que a encontrada para o solo argiloso (CAD = 65 mm).
80
Tabela 5.11. Valores médios de irrigação (I), evapotranspiração real (ER), deficiência (DEF),
excedente (EXC) e freqüência de irrigações no ano (Fi), obtidos de 10.000 simulações do
“Balanço hídrico climatológico decendial” do modelo MORETTI, para a localidade de Ponta
Grossa, considerando solo com textura ARENOSA (CAD = 25,0 mm), fração p igual 0,5,
coeficiente de cultivo igual a 1,0, seis manejos de irrigação (Tabela 4.2), e cinco equações de
armazenamento de água no solo: Co-senoidal; Exponencial de
THORNTHWAITE &
MATHER (1955); Potencial de primeira ordem de RIJTEMA & ABOUKHALED (1975);
BRAGA (1982) e Potencial de segunda ordem.
Manejo
Irrigação
Co-senoidal Exponencial
Potencial de
1
a.
ordem
Braga (1982)
Potencial de
2ª ordem
Irrigação (I) em mm
1 – Irrigação ano todo
244,89 215,58 252,89 220,31 267,34
2 –
Verão sim/inverno não
83,85 77,22 91,71 78,25 98,22
3 – Inverno sim/verão não
180,40 163,76 179,88 167,73 185,31
4 – Mês não/mês sim
160,58 151,98 169,72 153,77 175,13
5 – Mês Sim/mês não
143,45 132,89 148,53 134,11 154,16
6 – Sem irrigação
0,00 0,00 0,00 0,00 0,00
Evapotranspiração Real (ER) em mm
1 – Irrigação ano todo
614,20 590,39 618,22 594,02 628,48
2 –
Verão sim/inverno não
495,33 496,05 498,82 496,11 500,07
3 – Inverno sim/verão não
595,67 572,72 595,66 576,57 603,57
4 – Mês não/mês sim
576,95 569,66 583,66 571,10 588,48
5 – Mês Sim/mês não
563,81 555,97 567,48 557,33 571,30
6 – Sem irrigação
466,59 466,60 466,55 466,60 466,55
Deficiência (DEF) em mm
1 – Irrigação ano todo
220,99 245,07 217,18 241,05 207,11
2 –
Verão sim/inverno não
340,22 339,41 336,65 339,25 335,02
3 – Inverno sim/verão não
239,71 262,64 239,29 258,84 231,79
4 – Mês não/mês sim
258,03 265,42 252,04 264,23 247,16
5 – Mês Sim/mês não
271,19 279,17 267,93 278,21 264,13
6 – Sem irrigação
368,61 368,78 368,73 368,73 368,84
Excedente (EXC) em mm
1 – Irrigação ano todo
0,07 0,11 0,08 0,11 0,07
2 –
Verão sim/inverno não
0,05 0,06 0,06 0,05 0,05
3 – Inverno sim/verão não
0,05 0,10 0,05 0,09 0,04
4 – Mês não/mês sim
0,06 0,06 0,05 0,05 0,04
5 – Mês Sim/mês não
0,04 0,10 0,05 0,08 0,04
6 – Sem irrigação
0,00 0,00 0,00 0,00 0,00
Freqüência da irrigação (F
i
)
1 – Irrigação ano todo
23 a 28 20 a 26 22 a 29 20 a 27 22 a 31
2 –
Verão sim/inverno não
10 a 13 09 a 13 09 a 14 10 a 13 11 a 14
3 – Inverno sim/verão não
12 a 17 10 a 15 12 a 16 12 a 16 12 a 17
4 – Mês não/mês sim
12 a 16 12 a 16 13 a 16 12 a 16 13 a 17
5 – Mês Sim/mês não
12 a 16 10 a 16 12 a 15 11 a 16 13 a 15
6 – Sem irrigação
0 0 0 0 0
81
(a)
0
100
200
300
123456
Manejo de irrigação
Irrigação (mm)
Co-senoidal Exponencial
Potencial de 1ª ordem Braga (1982)
Potencial de 2ª ordem
(b)
400
450
500
550
600
650
123456
Manejo de irrigação
ER (mm)
Co-senoidal Exponencial
Potencial de 1ª ordem Braga (1982)
Potencial de 2ª ordem
(c)
0
100
200
300
400
123456
Manejo de irrigação
Deficiência (mm)
Co-senoidal Exponencial
Potencial de 1ª ordem Braga (1982)
Potencial de 2ª ordem
Figura 5.14 – Valores médios de irrigação (I), evapotranspiração real (ER) e deficiência
(DEF), obtidos de 10.000 simulações do “Balanço hídrico climatológico
decendial” do modelo MORETTI, para a localidade de Ponta Grossa,
considerando solo com textura ARENOSA (CAD = 25,0 mm), fração p igual
0,5, coeficiente de cultivo igual a 1,0, seis manejos de irrigação (Tabela 4.2),
e cinco equações de armazenamento de água no solo.
82
– A seleção da equação Co-senoidal resultou em uma freqüência de 23 a 28 irrigações
decendiais para cada ano simulado com o manejo de irrigação 1 (irrigação o ano todo). A
maior (22 a 31 irrigações/ano) e menor (20 a 26 irrigações/ano) freqüência de irrigação,
empregando o manejo 1 de irrigação, foram observadas para a Equação Potencial de
Segunda Ordem e Exponencial, respectivamente (Tabela 5.11).
– Contrastando-se os valores simulados de Fi e DEF, observou-se que os mesmos reforçam a
inconsistência dos resultados obtidos para o solo arenoso, pois o aumento da Fi não resultou
na redução da DEF como foi observado nas simulações com o solo argiloso. Desta forma,
os valores médios anuais simulados da lâmina de I e ER, apresentados na Tabela 5.11, não
são consistentes também;
– Os resultados médios anuais de I, ER e DEF, obtidos com a simulação do balanço hídrico
considerando um solo arenoso na região de Ponta Grossa-PR, não permitiram a
identificação de diferenças entre as equações de estimativa do armazenamento em função do
negativo acumulado, como pode ser observado na Figura 5.14;
De forma geral, os resultados da simulação do balanço hídrico decendial com o solo
arenoso não foram coerentes devido aos baixos valores de CAD e AD do solo arenoso (CAD =
25 mm). Os resultados obtidos foram importantes e levaram a realização de um cenário,
conforme apresentado no Item 5.4, visando avaliar os limites de utilização do módulo
“Balanço hídrico climatológico decendial” para algumas regiões do Estado do Paraná.
5.4 CENÁRIO: AVALIAÇÃO DOS LIMITES DE UTILIZAÇÃO DO MÓDULO
“BALANÇO HÍDRICO CLIMATOLÓGICO DECENDIAL” (Quarta etapa)
As análises realizadas para verificar o módulo “Balanço hídrico climatológico
decendial” após as modificações (Terceira etapa), com os dados de Ponta Grossa-PR,
evidenciaram a partir dos baixos valores de CAD e AD do solo arenoso no “Item 5.3.2.b” a
necessidade de se estudar e avaliar os limites de utilização deste balanço hídrico decendial
para diferentes condições climáticas e de armazenamento da água no solo. Desta forma, além
da cidade de Ponta Grossa, mais três cidade (Apucarana, Cascavel, Morretes) localizadas em
regiões distintas no Estado do Paraná foram escolhidas para compor cenários de simulação do
“Balanço hídrico climatológico decendial”, visando contrastar relações entre a ETc, chuva
provável a 75%, deficiência hídrica anual (DEF) e a água disponível no solo (AD).
83
5.4.1 Estimativa dos parâmetros decendiais de chuva provável e ETo
A Tabela 5.12 e a Figura 5.15 apresentam os valores decendiais de chuva provável e
ETo média, com o seu respectivo desvio padrão, estimados para realização dos cenários nas
localidades de Apucarana, Cascavel, Morretes e Ponta Grossa. Os cálculos realizados para os
valores mencionados seguiram o mesmo procedimento metodológico apresentado para a
cidade de Ponta Grossa, entre os “Itens 4.3.2 e 4.3.3” do Material e Métodos.
Considerando-se os dados da Tabela 5.12 e Figura 5.15 é possível observar:
– As quatro localidades apresentaram, predominantemente, valores de ETo maiores que a
chuva provável a 75%. A região de Apucarana-PR apresentou saldo positivo (1
mm/decêndio) entre a chuva provável e a ETo média, apenas para o decêndio 34 (27/11 a
06/12). A região de Cascavel apresentou 7 decêndios com chuva provável maior que a ETo
média, sendo o maior saldo (12,1 mm) acumulado entre os dias 28/09 (decêndio 28) e 06/11
(decêndio 31). A região de Morretes apresentou 5 decêndios com ETo menor que chuva
(75%), sendo que 80% deles estão entre os decêndios 1 (01/01 a 10/01) e 7 (02/03 a 11/03).
A localidade de Ponta Grossa apresentou chuva maior que a ETo (+8,27mm/decêndio)
somente para o decêndio 30 (18/10 a 27/10);
– O valor acumulado da diferença entre chuva provável e ETo média foi de –476,4 mm/ano
para Apucarana-PR, –348 mm/ano para Cascavel, –235 mm/ano para Morretes e –368,71
mm/ano para Ponta Grossa;
– O maior valor de ETo decendial para a localidade de Apucarana-PR foi de 36,9 mm para os
decêndios 1 (01/01 a 10/01) e 3 (21/01 a 30/01) e o menor valor de ETo decendial foi de
14,7 mm para o decêndio 20 (10/07 a 19/07). A ETo decendial média para a região de
Apucarana-PR foi de 26,08 mm/decêndio;
– O valor de ETo decendial média para a região de Cascavel-PR foi de 25,2 mm/decêndio e
para a região de Ponta Grossa foi de 22,58 mm/decêndio. O maior valor de ETo estimado
para Cascavel e Ponta Grossa foi de 38 mm/decêndio e 34,12 mm/decêndio,
respectivamente, ambos ocorrendo no decêndio 1 (01/01 a 10/01). As regiões de Cascavel e
Ponta Grossa apresentaram menor valor de ETo para o decêndio 20 (10/07 a 19/07), sendo:
11,6 mm/decêndio e 12,2 mm/decêndio, respectivamente;
– A ETo média para a região de Morretes foi de 26,54 mm/decêndio. A maior ETo estimada
foi de 41,8 mm para os decêndios 3 (21/01 a 30/01) e 5 (10/02 a 19/02). A menor ETo foi de
13,40 mm para o decêndio 20 (10/07 a 19/07).
84
Tabela 5.12. Parâmetros estatísticos, média e desvio padrão da ETo estimada, e chuva a 75%
de probabilidade para quatro localidades no estado do Paraná.
Apucarana Cascavel Morretes Ponta Grossa
ETo Desvio Chuva ETo Desvio Chuva ETo Desvio Chuva ETo Desvio Chuva
Decêndios
Média
(mm)
Padrão
(mm)
75%
(mm)
Média
(mm)
Padrão
(mm)
75%
(mm)
Média
(mm)
Padrão
(mm)
75%
(mm)
Média
(mm)
Padrão
(mm)
75%
(mm)
1 (01/01 a 10/01)
35,9 4,2 26,0 38,0 3,8 14,5 41,1 5,0 46,0 34,12 3,76 23,9
2 (11/01 a 20/01)
36,3 4,4 18,0 37,6 3,6 25,0 41,7 5,3 27,0 33,52 3,63 16,1
3 (21/01 a 30/01)
36,9 4,0 23,0 37,6 3,3 20,0 41,8 4,4 46,0 34,02 3,10 26,1
4 (31/02 a 09/02)
35,3 3,6 29,0 35,7 3,1 28,0 41,3 4,4 49,0 33,07 2,83 30,8
5 (10/02 a 19/02)
35,2 4,6 23,0 34,6 3,2 28,0 41,8 4,5 32,0 32,68 3,19 24,7
6 (20/02 a 01/03)
34,7 4,0 21,0 34,7 3,3 13,5 39,8 5,0 36,0 31,16 3,11 21,1
7 (02/03 a 11/03)
33,4 4,2 15,5 34,4 3,4 16,0 37,0 4,1 44,0 29,62 2,91 20,1
8 (12/03 a 21/03)
32,4 3,8 15,0 32,0 3,4 20,0 35,2 3,8 24,0 27,89 2,82 19,6
9 (22/03 a 31/03)
30,4 3,9 9,0 30,0 3,8 7,0 33,0 4,0 32,0 26,47 3,01 9,5
10 (01/04 a 10/04)
27,5 4,9 9,5 26,8 5,0 13,5 29,1 4,5 20,0 23,76 3,31 7,1
11 (11/04 a 20/04)
26,1 4,2 9,0 24,1 4,6 25,0 27,4 3,4 20,0 21,82 3,46 10,9
12 (21/04 a 30/04)
23,6 5,0 5,0 22,7 5,1 13,0 24,0 3,8 12,0 18,95 3,39 4,6
13 (01/05 a 10/05)
20,3 3,9 1,5 18,5 4,1 6,5 21,3 3,9 9,5 16,56 3,38 1,6
14 (11/05 a 20/05)
18,9 3,9 5,0 16,3 3,6 15,0 19,8 3,6 9,0 15,11 3,12 5,0
15 (21/05 a 30/05)
16,4 3,6 0,0 14,4 3,4 16,0 17,2 3,5 5,5 13,02 3,06 3,0
16 (31/05 a 09/06)
15,9 4,4 7,0 13,2 5,0 13,5 15,5 3,8 7,7 12,44 3,57 5,6
17 (10/06 a 19/06)
16,2 4,1 8,5 13,4 4,2 11,0 14,3 3,0 7,0 12,52 2,95 11,0
18 (20/06 a 29/06)
15,1 3,5 7,0 12,5 3,7 10,0 13,9 2,6 7,0 12,32 2,67 6,4
19 (30/06 a 09/07)
15,3 3,5 2,4 13,2 3,6 7,5 13,8 2,6 11,0 12,72 2,71 3,2
20 (10/07 a 19/07)
14,7 4,3 2,7 11,6 4,0 6,5 13,4 3,6 4,5 12,20 3,46 2,0
21 (20/07 a 29/07)
16,1 4,6 2,0 13,5 5,0 0,0 13,7 2,9 4,2 12,82 3,69 2,1
22 (30/07 a 08/08)
17,8 4,6 2,0 15,1 4,1 5,5 14,3 3,1 3,8 13,97 3,44 1,8
23 (09/08 a 18/08)
18,3 5,2 0,0 14,7 3,9 4,5 14,8 2,6 6,5 14,85 3,34 0,0
24 (19/08 a 28/08)
21,3 5,2 1,5 18,2 4,8 0,0 16,3 2,7 3,5 16,86 3,42 1,5
25 (29/08 a 07/09)
21,2 6,2 6,5 18,9 6,3 2,0 16,7 2,8 14,0 17,50 4,52 7,0
26 (08/09 a 17/09)
22,5 6,6 11,0 19,9 5,8 8,0 18,7 3,5 9,0 18,87 3,94 8,3
27 (18/09 a 27/09)
24,0 5,7 10,0 22,6 5,6 0,0 20,0 3,7 16,0 19,86 3,93 15,1
28 (28/09 a 07/10)
26,0 4,9 13,0 24,5 4,5 30,0 22,5 3,0 15,0 21,24 3,26 16,2
29 (08/10 a 17/10)
27,5 6,0 17,0 26,9 5,0 31,0 24,1 4,0 18,0 23,38 4,61 19,9
30 (18/10 a 27/10)
29,4 5,3 28,0 28,8 4,5 30,0 26,5 3,7 36,0 24,53 3,71 32,8
31 (28/10 a 06/11)
31,1 5,3 24,0 30,7 4,0 32,0 29,8 4,0 24,0 26,26 3,64 25,4
32 (07/11 a 16/11)
32,3 5,4 19,5 33,0 6,1 26,0 32,3 4,2 18,5 28,41 4,28 15,2
33 (17/11 a 26/11)
33,8 4,5 19,5 34,6 4,6 27,0 34,0 5,1 20,0 29,47 3,67 11,3
34 (27/11 a 06/12)
34,0 3,5 35,0 35,8 3,8 30,5 36,2 3,9 29,5 31,11 3,23 21,2
35 (07/12 a 16/12)
35,8 4,2 27,0 37,5 4,9 22,0 38,8 4,9 32,0 32,80 3,57 9,8
36 (17/12 a 26/12)
35,3 3,5 28,0 37,0 4,2 21,0 39,5 4,7 36,0 32,34 3,39 20,6
37 (27/12 a 31/12)
18,1 2,7 7,5 19,4 2,7 5,0 21,2 3,3 11,5 17,07 2,32 6,1
85
(a)
0
5
10
15
20
25
30
35
40
1 3 5 7 9 1113151719212325272931333537
Decêndios
(mm/decêndio)
ETo média
Chuva Prováve
l
(b)
0
5
10
15
20
25
30
35
40
1 3 5 7 9 1113151719212325272931333537
Decêndios
(mm/decêndio)
ETo média
Chuva Prováve
l
(c)
0
10
20
30
40
50
60
1 3 5 7 9 1113151719212325272931333537
Decêndios
(mm/decêndio)
ETo média
Chuva Provável
(d)
0
5
10
15
20
25
30
35
40
1 3 5 7 9 1113151719212325272931333537
Decêndios
(mm/decêndio)
ETo média
Chuva Provável
Figura 5.15 – Valores decendiais de ETo média estimada pelo método de THORNTHWAITE
(1948) e chuva provável (75%) estimada com a distribuição de probabilidade
de melhor ajuste, para as localidades: (a) Apucarana, (b) Cascavel, (c) Morretes
e (d) Ponta Grossa.
86
5.4.2 Avaliação do módulo “Balanço hídrico climatológico decendial”
As Tabelas 5.13 a 5.16 apresentam a média e desvio padrão dos valores anuais de
DEF, ER e I, obtidos com 10.000 simulações para as localidades de Apucarana, Cascavel,
Morretes e Ponta Grossa, seguindo as opções e dados dispostos no “Item 4.4” do Material e
Métodos. Para as mesmas condições, a Figura 5.16 apresenta a variação dos valores médios
de DEF, ER e I, obtidos com o módulo “Balanço hídrico climatológico decendial” do modelo
MORETTI, considerando valores de água disponível (AD) entre 10 mm e 50 mm, para solo
argiloso em quatro cidades do Paraná.
A opção pelo manejo de irrigação suplementar ao longo de todo o ano não garantiu a
ausência de deficiência de água no solo (DEF) para as quatro localidades estudas (Figura
5.16a). As deficiências de água foram maiores para os solos que apresentaram menor CAD e
AD. Este fato deve-se a limitação que a estrutura do balanço hídrico de THORNTHWAITE &
MATHER (1955) oferece quando é adaptada para estimar irrigações, e ao período de
realização destas irrigações. No caso do modelo utilizado este período é decendial. Assim,
como as propriedades físico-hídricas para o cálculo do armazenamento da água no solo
permaneceram inalteradas nas análises, o aumento da profundidade efetiva do sistema
radicular (z) e, conseqüentemente da CAD e AD do solo (Equações 4.1 e 4.2), foi quem fez
com que o módulo balanço hídrico retornasse valores simulados de DEF mais consistentes,
correspondendo ao que se esperava em função do manejo de irrigação suplementar adotado
(irrigar sempre que houver necessidade).
Verificou-se também que os incrementos no valor da CAD e AD no solo, utilizados
nas simulações do balanço hídrico, promovem uma tendência de estabilização dos valores
anuais de DEF, ER e I. A partir de um determinado valor de AD no solo, é possível visualizar
patamares nas curvas apresentadas na Figura 5.16, em que a taxa de variação dos valores de
DEF, ER e I podem ser considerada desprezível, em função: (a) do objetivo para o qual o
modelo foi desenvolvido, sendo idealizado para fins de planejamento e gerenciamento de
projetos de irrigação (SOUZA, 2001; FRIZZONE et al., 2005); e, (b) da variabilidade do
processo de geração dos números aleatórios (NA) nas simulações.
87
Tabela 5.13. Média e desvio padrão dos valores anuais de DEF, ER e I simulados para a
região de
Apucarana-PR considerando solo argiloso com CAD de 20 a 100 mm, manejo de
irrigação 1 e equação Co-senoidal de estimativa do armazenamento e negativo acumulado.
CAD AD z DEF ER I
(mm) (mm) (cm) Média Desv. pad. Média Desv. pad. Média Desv. pad.
20 10,0 15,40 394,5 36,2 570,5 17,1 226,0 13,7
25 12,5 19,20 335,8 36,7 628,4 19,9 285,3 16,4
30 15,0 23,10 276,3 36,0 688,4 22,4 339,1 19,2
35 17,5 26,90 221,2 34,1 743,6 23,7 382,3 24,4
40 20,0 30,80 173,8 31,2 790,3 24,5 406,5 24,4
45 22,5 34,60 139,7 28,3 825,2 25,0 426,3 27,5
50 25,0 38,45 111,0 26,0 853,7 25,8 439,3 30,1
55 27,5 42,30 86,6 24,7 878,1 26,9 448,3 30,6
60 30,0 46,15 63,9 23,3 900,3 27,2 453,6 31,7
65 32,5 50,00 43,4 19,9 921,3 26,8 459,2 31,7
70 35,0 53,85 27,2 15,7 937,9 26,5 464,8 32,0
75 37,5 57,70 16,0 11,0 948,3 26,3 465,8 31,9
80 40,0 61,57 10,1 7,1 954,2 26,9 467,7 32,4
85 42,5 65,40 6,9 4,3 957,6 26,7 469,5 33,0
90 45,0 69,20 5,3 2,8 959,8 27,1 471,3 34,3
95 47,5 73,10 4,5 2,2 959,6 27,0 471,0 36,1
100 50,0 76,90 4,0 2,0 960,6 27,4 472,0 37,8
Tabela 5.14: Média e desvio padrão dos valores anuais de DEF, ER e I simulados para a
região de
Cascavel-PR considerando solo argiloso com CAD de 20 a 100 mm, manejo de
irrigação 1 e equação Co-senoidal de estimativa do armazenamento e negativo acumulado.
CAD AD z DEF ER I
(mm) (mm) (cm) Média Desv. pad. Média Desv. pad. Média Desv. pad.
20 10,0 15,40 297,67 29,95 634,7 15,5 148,0 15,1
25 12,5 19,20 255,92 29,88 676,4 17,9 191,5 17,4
30 15,0 23,10 216,11 30,21 716,0 20,9 230,5 18,3
35 17,5 26,90 177,76 29,67 754,0 23,5 267,0 20,7
40 20,0 30,80 143,49 27,40 788,7 24,8 292,1 22,6
45 22,5 34,60 115,28 25,69 817,3 25,5 308,5 24,0
50 25,0 38,45 93,89 23,80 837,9 26,2 319,3 25,0
55 27,5 42,30 77,18 22,37 854,7 26,8 328,8 25,9
60 30,0 46,15 62,97 21,33 869,4 26,9 336,1 26,4
65 32,5 50,00 46,12 20,13 886,4 27,2 338,4 28,7
70 35,0 53,85 29,69 16,76 902,2 26,2 338,4 31,3
75 37,5 57,70 17,0 12,12 915,3 25,3 339,9 32,3
80 40,0 61,57 9,71 7,64 922,5 25,3 341,5 32,9
85 42,5 65,40 6,35 4,86 925,9 25,2 342,9 32,2
90 45,0 69,20 4,89 3,45 926,8 25,9 343,3 32,6
95 47,5 73,10 4,36 2,76 928,0 25,8 344,4 33,4
100 50,0 76,90 4,19 2,52 928,2 26,2 344,5 34,4
88
Tabela 5.15: Média e desvio padrão dos valores anuais de DEF, ER e I simulados para a
região de
Morretes-PR considerando solo argiloso com CAD de 20 a 100 mm, , manejo de
irrigação 1 e equação Co-senoidal de estimativa do armazenamento e negativo acumulado.
CAD AD z DEF ER I
(mm) (mm) (cm) Média Desv. pad. Média Desv. pad. Média Desv. pad.
20 10,0 15,40 182,13 25,14 799,6 11,1 113,9 9,6
25 12,5 19,20 144,13 25,54 837,3 13,8 139,2 12,9
30 15,0 23,10 109,43 23,02 872,4 14,2 158,6 13,6
35 17,5 26,90 84,07 20,76 898,1 14,9 174,7 15,2
40 20,0 30,80 63,78 18,84 917,7 15,9 189,4 17,0
45 22,5 34,60 49,19 17,50 932,5 17,3 203,3 19,8
50 25,0 38,45 37,23 15,61 944,6 18,2 213,0 22,6
55 27,5 42,30 27,54 13,82 954,6 19,4 218,1 25,1
60 30,0 46,15 20,14 12,44 961,1 20,0 220,8 26,9
65 32,5 50,00 14,97 10,96 966,8 21,4 225,6 27,9
70 35,0 53,85 11,25 9,81 970,6 21,6 230,0 27,9
75 37,5 57,70 8,64 8,45 973,3 22,0 232,8 29,0
80 40,0 61,57 6,18 7,23 975,4 22,5 232,8 30,1
85 42,5 65,40 4,12 5,76 977,9 22,8 233,5 30,0
90 45,0 69,20 2,46 3,77 979,4 22,9 233,6 30,0
95 47,5 73,10 1,63 2,39 980,2 23,2 233,9 29,7
100 50,0 76,90 1,16 1,38 980,2 23,6 233,6 30,2
Tabela 5.16: Média e desvio padrão dos valores anuais de DEF, ER e I simulados para a
região de
Ponta Grossa-PR considerando solo argiloso com CAD de 20 a 100 mm, , manejo
de irrigação 1 e equação Co-senoidal de estimativa do armazenamento e negativo acumulado.
CAD AD z DEF ER I
(mm) (mm) (cm) Média Desv. pad. Média Desv. pad. Média Desv. pad.
20 10,0 15,40 272,9 27,10 562,1 15,04 191,6 11,59
25 12,5 19,20 221,9 26,54 613,5 17,14 244,8 16,90
30 15,0 23,10 175,2 24,48 660,3 17,75 288,0 17,49
35 17,5 26,90 139,0 22,97 696,3 19,03 313,6 18,61
40 20,0 30,80 109,5 21,56 725,9 20,45 333,7 20,95
45 22,5 34,60 87,2 20,79 748,3 21,62 344,8 22,05
50 25,0 38,45 68,0 19,73 767,3 22,11 351,1 22,97
55 27,5 42,30 50,1 18,72 785,4 22,41 354,9 23,93
60 30,0 46,15 32,3 16,57 803,0 22,14 357,5 26,04
65 32,5 50,00 18,8 12,64 816,6 21,05 360,2 27,34
70 35,0 53,85 10,7 8,19 824,6 20,48 361,5 28,42
75 37,5 57,70 6,9 4,49 828,8 19,92 363,0 27,49
80 40,0 61,57 5,1 2,85 830,2 20,06 363,8 25,50
85 42,5 65,40 3,9 2,07 831,5 20,46 365,0 24,10
90 45,0 69,20 3,1 1,61 832,6 20,38 366,1 23,54
95 47,5 73,10 2,6 1,46 833,1 20,50 366,5 23,88
100 50,0 76,90 2,2 1,30 832,9 20,74 366,3 25,47
89
(a)
0
50
100
150
200
250
300
350
400
450
10 15 20 25 30 35 40 45 50
AD (mm)
DEF (mm/ano
)
Apucarana
Cascavel
Morretes
Ponta Grossa
(b)
400
500
600
700
800
900
1000
1100
10 15 20 25 30 35 40 45 50
AD (mm)
ER (mm/ano
)
Apucarana
Cascavel
Morretes
Ponta Grossa
(c)
0
50
100
150
200
250
300
350
400
450
500
10 15 20 25 30 35 40 45 50
AD (mm)
Irrigação (mm/ano)
Apucarana
Cascavel
Morretes
Ponta Grossa
Figura 5.16. – Valores médios anuais de (a) DEF, (b) ER e (c) I, obtidos em 10.000
simulações com o módulo “Balanço hídrico climatológico decendial” do
MORETTI, para quatro localidades no Paraná, considerando valores de AD
de 10 mm a 50 mm, manejo de irrigação 1 e equação Co-senoidal de
estimativa do armazenamento e negativo acumulado.
90
Os fatos apresentados até o momento evidenciam que o modelo de balanço hídrico
decendial utilizado consegue obter melhores estimativas de seus componentes para maiores
valores de CAD, e conseqüentemente de AD no solo. No entanto, existe um ponto de inflexão
nas curvas de ER, I e DEF, conforme apresentado nas Tabelas 5.13 a 5.16 e Figura 5.16, que
indica que valores de CAD ou AD além desse limite não representam maior precisão nas
simulações realizadas. As mesmas tabelas e figura permitem verificar também que não é
possível estabelecer um valor de CAD ideal e geral para processar as análises de irrigação
com o balanço hídrico decendial, pois este valor está condicionado aos valores de ETc, que
por sua vez tem a sua magnitude em função do clima da região, através da ETo, e dos valores
de coeficiente de cultivo (Kc) da cultura ao longo dos estádios de seu desenvolvimento.
Os resultados das Tabelas 5.13 a 5.16 e Figura 5.16 confirmam as evidências
apontadas no Item 5.3.2, quando foi verificado que se deve ter cuidado e atenção na
interpretação dos resultados obtidos em simulações com balanços hídricos simulados para
solos que não possuam CAD e AD compatível com a periodicidade do modelo (diário,
pêntada, semana, decêndio, quinzena, mês). Assim, para que a inconsistência apontada não
comprometa outras análises que podem ser realizadas eventualmente no modelo de balanço
hídrico, como produtividades a partir de funções de produção, volume de água utilizado nas
irrigações, contabilização dos custos com bombeamento, energia, agricultura irrigada, entre
outros, é sempre importante verificar se os valores de CAD e AD são condizentes com a
periodicidade das irrigações realizadas no modelo utilizado.
Para as condições do balanço hídrico em estudo, a partir dos dados da Tabela 5.17, os
seguintes limites de utilização foram verificados nas quatro regiões analisadas:
– Os valores anuais de DEF e ER simulados para Apucarana apresentaram relativa
estabilidade para valores de AD maiores ou iguais a 37,5 mm. A partir deste valor, a DEF
média foi menor que 16,0 mm/ano (0,43 mm/decêndio) e as variações entre as ER
estimadas foram inferiores a 1,1%. No entanto, a lâmina de irrigação suplementar
necessária (I) estabilizou para valores de AD acima de 30,0 mm, apresentando variações
entre irrigações estimadas (I) inferiores a 1,2%. Este fato índica, entre os valores de AD de
30,0 mm e 37,5 mm, que a cultura hipotética (possuindo Kc = 1 e p = 0,5, ao longo de todo
ano) ainda se encontra consumindo bastante água na zona seca do solo, ou seja, água que se
encontra na região ARM ≤ CAD ⋅ (1 – p);
91
– Os valores anuais de ER e DEF simulados para Cascavel também apresentam relativa
estabilidade para valores de AD maiores que 37,5 mm. A partir deste valor as DEF foram
inferiores a 17,0 mm (0,46 mm/decêndio). A curva da lâmina de irrigação suplementar
necessária (I) também ficou estável antes, apresentando variações inferiores a 0,68% a
partir de valores de AD acima de 32,5 mm;
– Seguindo a mesma tendência observada para Apucarana e Cascavel, os valores anuais de ER
e DEF simulados para Ponta Grossa apresentam relativa estabilidade para valores de AD
maiores que 35,0 mm. A partir deste valor, a DEF média foi menor que 10,7 mm/ano (0,29
mm/decêndio). A lâmina de irrigação suplementar necessária (I) também ficou estável
antes, apresentando variações inferiores a 1,1% a partir de valores de AD acima de 27,5
mm;
– Em relação às demais localidades, a região de Morretes apresentou a menor variação da ER
e I entre os valores de CAD e AD que vão até 37,5 mm. Assim, visualmente, as curvas de
DEF, ER e I fornecem uma falsa impressão de apresentar patamares mais uniformes em
comparação aos resultados obtidos para as demais localidades. Porém, matematicamente, a
variação nos valores da lâmina de irrigação suplementar (I) somente apresentou variações
inferiores a 1,2% a partir de valores de AD maiores que 37,5 mm. A ER apresentou
variações inferiores a 1,28% a partir de valores de AD maiores que 25 mm, e os valores de
DEF foram inferiores a 14,97 mm (0,4 mm/decêndio) a partir de valores de AD maiores que
32,5 mm.
Os maiores valores decendiais médios de ETo (Tabela 5.12) estimados para a região
de Apucarana (36,9 mm/decêndio), Cascavel (38,0 mm/decêndio) e Ponta Grossa (34,1
mm/decêndio) foram numericamente semelhantes aos valores limites de AD (37,5 mm, 37,5
mm e 35 mm, respectivamente) que proporcionaram relativa estabilidade aos valores anuais
simulados de DEF e ER. Os valores anuais de I estabilizaram-se abaixo dos valores limites de
AD necessários para estabilizar a DEF e ER. As duas constatações apontadas devem-se a
utilização de uma cultura hipotética possuindo
Kc = 1 e à ausência de precipitação provável
em alguns decêndios ao longo do ano, o que evidencia, para as três regiões estudadas, que o
maior valor médio de ETo decendial (entre os 37 decêndios do ano) pode servir como um
indicativo da AD mínima. Esta consideração é necessária para que o balanço hídrico
climatológico decendial possa ser utilizado eficientemente para finalidades de planejamento,
apresentando resultados coerentes com o manejo de irrigação selecionado e nível de
deficiência (DEF ≤ 0,5 mm/decêndio). No entanto, quando os valores de Kc ficam abaixo de
92
um e, ou, a precipitação provável é diferente de zero em todos os decêndios ao longo do ano,
como no caso de Morretes, este indicativo não é mais suficiente e o valor de AD mínima para
realizar as análises poderá ficar abaixo do maior valor médio decendial da ETo, aumentando a
faixa de aplicação do modelo utilizado. Nesta situação, a estimativa do valor limite de AD
mínima somente poderá ser obtida empregando-se a metodologia utilizada para constituir as
Tabelas 5.13 a 5.16 e Figura 5.16 deste trabalho.
Tabela 5.17. Deficiência decendial média (DEFm – mm/decêndio) e variação percentual dos
valores de DEF, ER e I (%) entre os incrementos de AD no solo, obtidos com os dados das
Tabelas 5.13 a 5.16 para as regiões de Apucarana, Cascavel, Morretes e Ponta Grossa.
AD Apucarana Cascavel Morretes Ponta Grossa
(mm) DEF
m
DEF ER I DEF
m
DEF ER I DEF
m
DEF ER I DEF
m
DEF ER I
10,0 10,7 8,0 4,9 7,4
12,5 9,1 -17,5 9,2 20,8 6,9 -16,3 6,2 22,7 3,9 -26,4 4,5 18,2 6,0 -23,0 8,4 21,7
15,0 7,5 -21,5 8,7 15,9 5,8 -18,4 5,5 16,9 3,0 -31,7 4,0 12,2 4,7 -26,7 7,1 15,0
17,5 6,0 -24,9 7,4 11,3 4,8 -21,6 5,0 13,7 2,3 -30,2 2,9 9,2 3,8 -26,0 5,2 8,2
20,0 4,7 -27,3 5,9 6,0 3,9 -23,9 4,4 8,6 1,7 -31,8 2,1 7,8 3,0 -26,9 4,1 6,0
22,5 3,8 -24,4 4,2 4,6 3,1 -24,5 3,5 5,3 1,3 -29,7 1,6 6,8 2,4 -25,6 3,0 3,2
25,0 3,0 -25,9 3,3 3,0 2,5 -22,8 2,5 3,4 1,0 -32,1 1,3 4,6 1,8 -28,2 2,5 1,8
27,5 2,3 -28,2 2,8 2,0 2,1 -21,7 2,0 2,9 0,7 -35,2 1,0 2,3 1,4 -35,7 2,3 1,1
30,0 1,7 -35,5 2,5 1,2 1,7 -22,6 1,7 2,2 0,5 -36,7 0,7 1,2 0,9 -55,1 2,2 0,7
32,5 1,2 -47,2 2,3 1,2 1,2 -36,5 1,9 0,7 0,4 -34,5 0,6 2,1 0,5 -71,8 1,7 0,7
35,0 0,7 -59,6 1,8 1,2 0,8 -55,3 1,8 0,0 0,3 -33,1 0,4 1,9 0,3 -75,7 1,0 0,4
37,5 0,4 -70,0 1,1 0,2 0,5 -74,6 1,4 0,4 0,2 -30,2 0,3 1,2 0,2 -55,1 0,5 0,4
40,0 0,3 -58,4 0,6 0,4 0,3 -75,1 0,8 0,5 0,2 -39,8 0,2 0,0 0,1 -35,3 0,2 0,2
42,5 0,2 -46,4 0,4 0,4 0,2 -52,9 0,4 0,4 0,1 -50,0 0,3 0,3 0,1 -30,8 0,2 0,3
45,0 0,1 -30,2 0,2 0,4 0,1 -29,9 0,1 0,1 0,1 -67,5 0,2 0,0 0,1 -25,8 0,1 0,3
47,5 0,1 -17,8 0,0 -0,1 0,1 -12,2 0,1 0,3 0,0 -50,9 0,1 0,1 0,1 -19,2 0,1 0,1
50,0 0,1 -12,5 0,1 0,2 0,1 -4,1 0,0 0,0 0,0 -40,5 0,0 -0,1 0,1 -18,2 0,0 -0,1
As considerações feitas anteriormente, permitem verificar que a consistência dos
resultados obtidos a partir de balanço hídrico irrigacionista está intimamente relacionada aos
parâmetros climáticos (ETo, ETc e P), físico-hídricos do solo e a periodicidade para qual o
modelo foi desenvolvido (diária, semanal, decendial, quinzenal, mensal, entre outras). Como
em condições de campo não é possível variar os valores de CAD, AD, ETo, ETc, P entre
outros, assim como é realizado no processo de simulação, a verificação para apontar se o
modelo de balanço hídrico decendial irrigacionista é adequado à região e proporcionará
93
resultados consistentes com as parâmetros físico-hídricos existente no solo deverá recair sobre
a sua periodicidade. Sendo assim, pode-se sugerir:
– Se a maior ETo decendial média for ≤ AD ⇒ a periodicidade do balanço hídrico pode ser
igual a 10 dias (o modelo decendial utilizado apresentará bons resultados);
– Se a maior ETo decendial média for > AD ⇒ a periodicidade do balanço hídrico terá de
ser menor que 10 dias (o modelo decendial utilizado não apresentará resultados
consistentes).
Respeitando a periodicidade para qual o modelo MORETTI foi desenvolvido para
fazer as simulações, as duas sugestões apontadas servem também para aqueles modelos que
de alguma forma utilizam à simulação do balanço hídrico seqüencial, adotando o conceito de
reservatórios de água no solo e a aplicação de apenas uma irrigação no período para o qual foi
realizado (diária, semanal, decendial, quinzenal, mensal, entre outras).
O módulo “Balanço hídrico climatológico decendial” apresentou algumas limitações
que estão relacionadas à sua composição, ou seja, não possibilitar a alteração da periodicidade
(decendial). Essa característica não é exclusiva do modelo desenvolvido inicialmente por
SOUZA (2001), mas muito comum à maioria dos modelos de balanço hídrico existentes na
bibliografia. Desta forma, é importante observar que o modelo MORETTI apresenta
facilidades e opções para realizar o estudo de um balanço hídrico destinado à agricultura
irrigada, porém melhorias no sentido de possibilitar a alteração da periodicidade são
necessárias. No entanto, é importante observar também, que independente das opções de
periodicidade do modelo:
– Os cuidados com os limites de utilização do balanço hídrico por parte do usuário devem
sempre existir, para evitar resultados de simulação distorcidos com a realidade estudada,
conforme observado para algumas faixas de AD no solo nas localidades de Apucarana,
Cascavel, Morretes e Ponta Grossa;
– A redução da periodicidade pode trazer problemas no que se refere à obtenção,
agrupamento, tratamento e estudo dos valores prováveis de dados climáticos necessários ao
modelo e às análises de simulação. Períodos mais curtos (diários, pêntadas) também podem
aumentam a variabilidade (risco) dos resultados, dificultando ou não permitindo a
realização de análises seguras voltadas ao planejamento da agricultura irrigada.
6 CONCLUSÃO
De acordo com os dados coletados e análises realizadas, concluiu-se no presente
estudo que:
– As seqüências de NA geradas no módulo Visual Basic (macro) do Microsoft Excel 2000 são
aleatórias a 1%, 5% e 10% de significância pelo teste das “Séries para a Aleatoriedade” e a
1% de significância pelo teste de “Chi-quadrado”. As seqüências de NA geradas não
apresentam tendências e concentrações de valores de acordo com o teste de “Análise do
gráfico de dispersão”;
– A ETo decendial média estimada para Ponta Grossa-PR apresenta melhor ajuste as
distribuições Normal e Gama pelo Teste de Kolmogorov-Smirnov a 5% de significância
estatística;
– A precipitação decendial média de Ponta Grossa-PR segue as distribuições Gama e
Exponencial de acordo com o Teste de Kolmogorov-Smirnov a 5% de significância
estatística;
– A chuva provável a 75% correspondeu, em média, a 26,1% (32,4 mm/decêndio) da chuva
média decendial e foi menor que a precipitação média ao longo de todo o ano. A maior
freqüência de períodos com pequena precipitação ou estiagem concentra-se nas estações de
outono e inverno, sendo menor do que 30% a probabilidade do período receber uma chuva
igual ou superior à média. Para o período chuvoso a probabilidade de ocorrência da
precipitação média em Ponta Grossa varia entre 30% e 40%;
– Contrastes entre chuva média vs ETo média e chuva provável a 75% vs ETo provável a
75%, evidenciam que o retorno econômico de uma determinada cultura e o risco climático e
financeiro é que determinam a possibilidade e viabilidade da realização de projetos de
irrigação na região de Ponta Grossa-PR;
– Valores prováveis de chuva devem ser utilizados como base para as simulações dos
balanços hídricos para fins de planejamento agrícola para a região de Ponta Grossa, pois a
utilização de valores médios de precipitação em estudos de planejamento não mostrou-se
indicada;
95
– As metodologias, original do modelo MORETTI e modificada (proposta), utilizadas para
gerar números aleatórios (NA) apresentam resultados satisfatórios, gerando valores de ETc
seguindo aproximadamente uma distribuição Normal. A adoção de uma ou outra
metodologia não comprometeu os resultados, no entanto a adoção das modificações
constituiu um avanço;
– Baseando-se nos resultados médios dos balanços hídricos simulados para o solo argiloso da
região de Ponta Grossa-PR, as equações Potenciais de Primeira (Linear Exponencial) e
Segunda Ordem obtiveram os menores desvios em relação aos dados simulados com o
modelo Co-senoidal de estimativa do armazenamento em função do negativo acumulado.
As equações Exponencial e BRAGA (1982) não apresentam bons resultados quando é
previsto a realização de irrigação ao longo do ano. O solo arenoso da mesma região não
permitiu a obtenção de resultados consistentes com as equações de armazenamento
testadas;
– A simulação do balanço hídrico para fins climatológicos ou outro fim que não considere a
irrigação suplementar, pode ser realizada adotando qualquer uma das equações testadas
para a estimativa do armazenamento de água no solo;
– O modelo utilizado consegue obter melhores estimativas de seus componentes para maiores
valores de CAD e AD no solo. O valor ideal de CAD para processar as análises de irrigação
em função das variações da ETo, Kc e ETc devem de preferência ser estabelecidas no
próprio modelo. Porém, quando a condição “maior ETo decendial média ≤ AD” do período
é válida o balanço hídrico apresenta resultados consistentes para periodicidade igual a 10
dias.
7 REFERÊNCIAS
AFFHOLDER, F. Effect of organic matter input on the water balance and yield of millet
under tropical dryland condition.
Field Crops Research, v.41, p.109-121, 1995.
AFFHOLDER, F.; RODRIGUES, G.C; ASSAD, E.D. Modelo agroclimático para avaliação
do comportamento do milho na região dos cerrados.
Pesquisa Agropecuária Brasileira. v.
32, n. 10, 1997.
AMORIM NETO, M.S.A.
Balanço hídrico segundo Thornthwaite e Mather (1955).
Comunicado técnico Embrapa, n.34, p.1-18, 1989.
ARAÚJO, W.F.; ANDRADE JÚNIOR, A.S. de MEDEIROS, R.D. de; SAMPAIO, R.A.
Precipitação pluviométrica mensal provável em Boa Vista, Estado de Roraima, Brasil.
Revista Brasileira de Engenharia Agrícola e Ambiental, v.5, n.3, Campina Grande, p.563-
567, 2001.
ARRUDA, F.B.; ZULLO JÚNIOR., J.; OLIVEIRA J.B. Parâmetros de solo para o cálculo da
água disponível com base na textura do solo.
Revista Brasileira de Ciência do Solo,
Campinas, v. 11, n. 1, p. 11-15, 1987.
ARYA, L.M.; PARIS, J.F. A physicoempirical model to predict the soil moisture
characteristic from particle-size distribution and bulk density data.
Soil Science Society. Am.
J. 45: 1023-1030, 1981.
ASSAD, E.D. Simulation de l'irrigation et du drainage pour les cultures pluviales de riz et de
maïs en sols de bas-fonds à Brasilia.
Memoires et Travaux de IRAT, n.13, p.10, 1986.
ASSIS, F.N. de
Modelagem da ocorrência e da quantidade de chuva e de dias secos em
Piracicaba-SP e Pelotas-RS
. Piracicaba, 1991. 134p. Tese (Doutor) - Escola Superior de
Agricultura “Luiz de Queiroz”, Universidade de São Paulo.
ASSIS, F.N.; ARRUDA, H.V.; PEREIRA, A.R.
Aplicações de estatística à climatologia:
teoria e prática. Pelotas: Universitária/UFPel, 1996. 161p.
BACK, Á.J. Análise das máximas intensidades de chuva para a região de Urussanga–SC
In:
Anais... VII CONEA – Congresso Nacional de Engenharia de Agrimensura, Salvador – BA,
1996. <http://geodesia.ufsc.br/Geodesia-online/arquivo/Conea7/AREAS.HTM>
BARBIERI, V.; TUON, R. L.; ANGELOCCI, L.R. Programa para microcomputador do
balanço hídrico (Thornthwaite & Mather, 1955) para dados mensais e decendiais, normais e
seqüenciais. In:
CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 7, Viçosa,
1991. Resumos. Viçosa, Sociedade Brasileira de Agrometeorologia, 1991. p.297-299.
BARGER, G.L., THOM, H.C.S. Evaluation of drought hazard.
Agronomy Journal,
Madison, v.41, n.11, p. 519-526, 1949.
97
BASTOS, E.A.; AGUIAR NETTO, O.; ANDRADE JÚNIOR, A.S.; OLIVEIRA, C.M.M.
Distribuição de freqüência da evapotranspiração potencial para a região de Teresina - PI,
através do modelo de gumbel.
Revista Engenharia Agrícola, Campinas, v.14, p. 99-104,
1994.
BERNARDO, S.
Manual de irrigação. 5.ed. Viçosa: Imprensa Universitária, 1989. 596p.
BRAGA, H.J.
Caracterização da seca agronômica através de novo modelo de balanço
hídrico, na região de Laguna, litoral sul do Estado de Santa Catarina. Piracicaba, 1982.
157p. Tese (Mestrado) – Escola Superior de Agricultura “Luiz de Queiroz”.
CÂMARA, C.D.
Efeitos do corte raso de eucalipto sobre o balanço hídrico e a ciclagem
de nutrientes em uma microbacia experimental. Piracicaba, 1999. 103p. Dissertação
(mestrado) Escola Superior de Agricultura “Luiz de Queiroz”.
CAMARGO, A.P de; CAMARGO, M.B.P. de. Uma revisão analítica sobre evapotranspiração
potencial.
Revista Bragantia. v.2, n.59, p 125-137, 2000.
CAMARGO, A.P. de
Contribuição para a determinação da evapotranspiração potencial
no Estado de São Paulo.
Campinas: Instituto Agronômico de Campinas, 1966. 59p.
(IAC. Boletim Técnico, 16).
CAMARGO, A.P.; PEREIRA A.R.
Prescrição de rega por modelo climatológico. Função
Cargill. Campinas (Série Técnico Científica, 170). 1990. 27p
CAMPOS, H.
Estatística aplicada à experimentação com cana-de-açúcar. Piracicaba:
FEALQ, 1984. 292p.
CASTRO, L.H.R.; MOREIRA, A.N.; ASSAD, E.D. Definição e regionalização dos padrões
pluviométricos dos cerrados brasileiros. In: Assad, E.D. (coord.)
Chuvas no cerrados:
análise e espacialização. Brasília: Embrapa, CPAC; Embrapa, SPI, 1994. p.13-23.
CASTRO, M.C.
Sistema computacional para a determinação da lâmina econômica
ótima em irrigação pressurizada. Lavras, 2001. 137p. Tese (Mestrado) – Universidade
Federal de Lavras.
CASTRO, M.C; FARIA, M.A.de; SILVA A.M. da Sistema computacional para determinação
da lâmina ótima econômica de irrigação pressurizada.
Revista Brasileira de Engenharia
Agrícola e Ambiental
, v.6, n.2, Campina Grande, p.372-378, 2002.
CASTRO, R.
Distribuição probabilística da freqüência de precipitação na Região de
Botucatu – SP
. Botucatu, 1994. 101p. Tese (Mestrado) – Universidade Estadual Paulista.
CHRISTOFIDIS, D. Recursos hídricos e irrigação no Brasil. In:
Workshop Disponibilidade
de Água e Irrigação no Nordeste, 1999, Brasília. Texto... Brasília: ISPN, 1999. 34p.
CINTRA, F.L.D.; LIBARDI; P. L.; SAAD; A.M. Balanço hídrico no solo para porta-
enxertos de citros em ecossistema de Tabuleiro Costeiro.
Revista Brasileira de Engenharia
Agrícola e Ambiental, v.4, n.1, Campina Grande, p.23-28, 2000.
CLARK, I.; FRITZ, P.
Environmental Isotopes in Hydrogeology. USA: CRC Press, 1997.
328p.
CODDINGTON, P.D.
Random number generators for parallel computer. Syracuse
University (Northeast Parallel Architectures Center), New York, 1997.
98
http://citeseer.ist.psu.edu/cache/papers/cs/25183/http:zSzzSzwww.crpc.rice.eduzSzNHSErevi
ewzSzRNGzSzPRNGreview.pdf/coddington97random.pdf
COSTA, G.P.
Potencial de uso agrícola das terras e diagnóstico socioeconômico em duas
vilas rurais no Estado do Paraná. Curitiba, 2004. 87p. Dissertação (Mestrado em Ciências
do Solo) – Universidade Federal do Paraná.
CUNHA, A.R. de; MARTINS, D.; PASSOS, J.R. de S. O modelo gama de probabilidade
aplicado ao estudo da distribuição de chuva mensal na região administrativa de Bauru, SP. In:
X CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA. Piracicaba - SP, SBA/
ESALQ-USP/ CNPq/ FAPESP/FINEP, 1997.
D’ANGIOLELLA, G., VASCONCELLOS, V.L.D. Planilhas EXCEL para cálculo de
Balanço Hídrico Climatológico com diferentes metodologias para estimativa da
evapotranspiração potencial. In.:
III Encuentro de las aguas: agua, vida y desarrollo,
Santiago (Chile), 2001.
http://www.aguabolivia.org/situacionaguaX/IIIEncAguas/contenido/tema_rojo.htm
DEAN, J.D. Modeling supplemental irrigation water demand.
Journal of Irrigation and
Drainage Division, New York, v.106, n.IR4, p.285-297, 1980.
DOORENBOS, J.; PRUITT, W.O.
Crop water requirements. FAO – Irrigation and
Drainage Paper, 24, Roma, 1977. 144p
DOURADO NETO, D.; JONG VAN LIER, Q. de Estimativa do armazenamento de água no
solo para realização de balanço hídrico.
Revista Brasileira de Ciências do Solo, v.17, n.1,
p.9-15, 1993.
EMBRAPA.
Sistema Brasileiro de Classificação de Solos, Brasília: EMBRAPA, 1999.
412p.
FIETZ, C.R.; URCHEI, M.A.
Análise de Freqüência da Evapotranspiração de Referência
da Região de Dourados, MS., Embrapa Agropecuária Oeste, Dourados – MS, 2002.
Comunicado Técnico 53.
FONTANA, D.C.; BERLATO, M.A.; BERGAMASCHI, H. Relação entre o índice de
vegetação global e condições hídricas no Rio Grande do Sul.
Pesquisa Agropecuária
Brasileira
, Brasília, n.8, v.33, 1998.
FOREST, F.
Simulation du bilan hydrique des cultures pluviales. Présentation et
utilisation du logiciel BIP
. Montpellier: IRAT-CIRAD, 1984.
FOREST, F.; CLOPES, A. Contribution à l'explication de la variabilité du rendement d'une
culture de maïs plus ou moins intensifiée à l'aide d'un modèle de bilan hydrique amélioré. In:
REYNIERS, F.N.; NETOYO, L. (Eds.).
Bilan hydrique agricole et sécheresse en Afrique
tropicale: Vers une gestion des flux hydriques par les systèmes de culture? Paris: J.
Libbey, 1994. p.3-15
FRANKE, L. B.; SAIBRO, J. C. de. Efeito do fósforo e da irrigação no rendimento de
sementes de alfafa.
Pesquisa Agropecuária Brasileira, Brasília, n.12, v.32, 1997.
FRÉTEAUD, J.P.; POSS, R.E.; SARAGONI, H. Ajustement d'un modèle de bilan hydrique à
des mesures tensio-neutroniques in situ sous culture de maïs.
Agronomie Tropicale,
Montpellier, v.42, n.2, p.94-103, 1987.
99
FRIZZONE, J.A. Análise de cinco modelos para o cálculo da distribuição e freqüência de
precipitação na região de Viçosa, MG. Viçosa, 1979. 100p. Tese (Mestrado) – Universidade
Federal de Viçosa.
FRIZZONE, J.A., RETTORE, P. R., PEREIRA, G.T. Análise da distribuição e freqüência
das precipitações em períodos de 5 e 10 dias, na região de Pereira Barreto (SP), utilizando a
distribuição Gama incompleta.
ITEM – Irrigação e Tecnologia Moderna. n. 22, 1985.
FRIZZONE, J.A.; ANDRADE JÚNIOR, A.S. de; SOUZA, J.L.M.de; ZOCOLER, J.L.
Planejamento da Irrigação: análise de decisão de investimento. Brasília: EMBRAPA,
2005. 627p.
HERNANDEZ, F.B.T.; LEMOS FILHO, M.A.F.; BUZETTI, S.
Software hidrisa e o
balanço hídrico de Ilha Solteira. Ilha Solteira: UNESP, 1995. 45p (Série Irrigação 1)
JENSEN, M.E.
Design and operation of farm irrigation system. New York: ASAE. 1983.
829p.
KLAR, A.E.
A água no sistema solo-planta-atmosfera. São Paulo: Nobel, 1984. 408p
KREPPER, C.M., SCIAN, B.V., PIERINI, J.O. Time and space variability of rainfall in
Central East Argentina.
Journal of Climate, v.2, n.1, p.39-47, 1989.
L’ECUYER, P.
Random Number Generation, Handbook on Simulation, Chapter 4, Ed.:
Wiley Jerry Banks, Université de Montreal, February 27, 1998.
<http://www.iro.umontreal.ca/~lecuyer/myftp/ papers/handsim.ps>
LEME, E.E. de A.; CHAUDHRY, F.H. Uso de parâmetros meteorológicos na programação
da irrigação. In:
Congresso Brasileiro de Engenharia Agrícola, 21, 1992, Santa Maria.
Anais... Santa Maria: SBEA, v.2a, 1992. p.754-773
LIBARDI, P.L.
Dinâmica da água no solo. Piracicaba, 1995. 497p.
LIMA, J. E. F. W.
Determinação e simulação da evapotranspiração de uma bacia
hidrográfica do Cerrado.
Brasília, 2000. 75p. Dissertação (Mestrado), Universidade Federal
de Brasília.
LOIOLA, M.L.; SOUZA, F. de. Estatísticas sobre irrigação no Brasil segundo o Censo
Agropecuário 1995-1996.
Revista Brasileira de Engenharia Agrícola e Ambiental, v.5,
n.1, Campina Grande, p.171-180, 2001.
MARIN, F.R., SENTELHAS, P.C., UNGARO, M. R. G. Perda de rendimento potencial da
cultura do girassol por deficiência hídrica, no Estado de São Paulo.
Sci. agric., v.57, n.1, p.1-
6, 2000.
MARQUES, P.A.A.
Modelo compucional para determinação do risco econômico em
culturas irrigadas. Piracicaba, 2005. 150p. Tese (Doutorado) – Escola Superior de
Agricultura “Luiz de Queiroz”.
MARQUES, P.A.A.; MARQUES, T.A.; COELHO, R.D. Programa Pupunha: software para
avaliação econômica da irrigação de Pupunha.
Revista Brasileira de Engenharia Agrícola,
v.6, n.2, p.379-384, 2002.
MARTINS JÚNIOR., D.F.; BARRETO, M.L. Macro-epidemiologic aspects of
schistosomiasis mansoni: analysis of the impacts of irrigation systems on the spatial profile of
the endemic in Bahia, Brazil.
Cad. Saúde Pública. , v.19, n.2, p.383-393, 2003.
100
MATHER, J.R. Preface. Publication in Climatology. Centerton, v.6, n.3, p.247-248, 1958.
McCULLOUGH, B. D., WILSON, B. On the accuracy of statistical procedures in Microsoft
Excel 97.
Computational Statistics & Data Analysis, Washington, n.31, p.27-37, 1999.
MENDONÇA, J.C.et al. Comparação entre métodos de estimativa da evapotranspiração de
referência (ETo) na região Norte Fluminense, RJ.
Revista Brasileira de Engenharia
Agrícola e Ambiental, Campina Grande, v.7, n.2, p.275-279, 2003.
MOREIRA, H.J.C.; TORRES FILHO, D.R.
SAACI sistema agroclimático para o
acompanhamento das culturas irrigadas: manual prático para manejo de irrigação.
Brasília: Secretaria Nacional de Irrigação, 1993.
MOSTER, C.; LIMA, W.de P.; ZAKIA, M.J.B.; CÂMARA, C.D.
Determinação do ano
hidrológico visando a quantificação do balanço hídrico em microbacias experimentais.
Circular Técnica IPEF (Instituto de Pesquisas e Estudos Florestais). n.197. 2003.
MOTA, F.S.
Meteorologia Agrícola. 7. ed. São Paulo: Ed. Nobel, 1989.
OLIVEIRA, J.L.B.; MARQUES JUNIOR S., PEREIRA, A.A.A.
Precipitação provável
para localidades de Santa Catarina. Florianópolis: UFSC. 1997. 20p. (Série Didática –
Boletim Técnico do Departamento de Eng. Rural e Fitotecnia)
OLIVEIRA, L.F.C. de; CARVALHO, D.F. de Regionalization of the supplementary
irrigation depth and planting time of a bean crop in the State of Goiás, Brazil.
Revista
Brasileira de Engenharia Agrícola e Ambiental, v.7, n.1, p.106-110, 2003.
OMETTO, J.C.
Bioclimatologia vegetal. São Paulo: Ed. Agronômica Ceres, 1981.
PACHECHENIK, P.E.
Caracterização hidrológica e da fragilidade ambiental na bacia do
rio das pedras, Guarapuava-PR. Curitiba, 2004. 79p. Dissertação (Mestrado em Ciências
do Solo) – Universidade Federal do Paraná.
PACHECHENIK, P.E.; SOUZA, J.L.M. de; GOMES, S. Estudo da precipitação provável na
bacia do rio das pedras – PR, utilizando cinco distribuições de probabilidade. In:
XXXIII
CONGRESSO BRASILEIRO DE ENGENHARIA AGRÍCOLA
. São Pedro. 2004.
PENMAN, H.L. Evaporation: an introductory survey. Netherlands.
Journal of Agricultural
Science
, v.4, p.9-29, 1956.
PEREIRA JUNIOR, A.R., FREITAS, M.E. de A., LACERDA, W.S. Geração de números
aleatórios.
Revista Sinergia, n. 2, v. 3, 2002.
<http://www.cefetsp.br/edu/sinergia/5p13c.html>
PEREIRA, A.R.; ANGELOCCI, L.R.; SENTELHAS, P.C.
Agrometeorologia:
fundamentos e aplicações práticas. Guaíba: Ed. Agropecuária, 2002. 478p.
PEREIRA, A.R.; CAMARGO, A. PAES. An analysis of the criticism of the Thornthwaite’s
equation for estimating potential evapotranspiration.
Agricultural and Forest Meteorology,
Amsterdam, v.46, p.149-157, 1989.
PEREIRA, A.R.; VILA NOVA, N. A.; SEDYAMA, G.C.
Evapo(transpi)ração. Piracicaba:
ESALQ, 1997. 183p.
PICINI; A.G. et al. Desenvolvimento e teste de modelos agrometeorológicos para a estimativa
de produtividade do cafeeiro.
Bragantia, Campinas, n. 58, v. 1, p.157-170, 1999.
101
POPULATION REFERENCE BUREAU. World Population Data Sheet of the Population
Reference Bureau, Washington D. C., 1997. 17p <http://www.prb.org>
POPULATION REFERENCE BUREAU.
World Population Data Sheet of the Population
Reference Bureau, Washington D. C., 2004.17p <http://www.prb.org>
PRAJAMWONG, S.; MERKLEY, G.P.; ALLEN, R.G. Decision support model for irrigation
water management.
Journal of Irrigation and Drainage Engineering, New York, v.123,
n.2, p.106-113, 1997.
QUEIROZ, E.F.de; SILVA, R.J.B. da; OLIVEIRA, M.C.N.de Modelo de análise de
regressão periódica da precipitação mensal, da bacia atlântico sudeste, no Estado do Paraná.
Pesquisa Agropecuária Brasileira, v.36, n.5, 2001.
RASSINI, J,B. Manejo da água na irrigação num Latossolo Vermelho-Amarelo.
Pesquisa
Agropecuária Brasileira, Brasília, v.37, n.4, p. 503-507, 2002.
REICHARDT, K. Capacidade de campo.
Revista Brasileira de Ciência do Solo, v.12,
p.211-216, 1988.
REICHARDT, K.
Dinâmica da matéria e energia em ecossistemas. 6. ed. Piracicaba:
Depto. Física e Meteorologia (USP/ESALQ), 1996. 505p.
RIBEIRO, A.M.de A.; LUNARDI, D.M.C. A precipitação mensal provável para Londrina -
PR, através da função gama.
Revista Energia na Agricultura. V. 12, n.4, p.37-44, 1997b.
RIBEIRO, A.M.de A.; LUNARDI, D.M.C. A precipitação quinzenal provável para Londrina
– PR através da função gama. In:
X CONGRESSO BRASILEIRO DE
AGROMETEOROLOGIA. Piracicaba - SP, SBA/ ESALQ-USP/ CNPq/ FAPESP/FINEP,
1997a.
RIJTEMA, P.E.; ABOUKHALED, A. Crop water use. In: ABOUKHALED, A.; ARAR, A.,
BALBA, A.M.; BISHAY, B.G.; KADRY, L.T.; RIJTEMA, P.E. & TAHER, A.
Research on
crop water use, salt affected soils and drainage in the Arab Republic of Egypt. FAO
Regional Office for the Near East, 1975. p.5-61.
RODRIGUES ANIDO, N.M.
Caracterização hidrológica de uma bacia experimental
visando identificar indicadores de monitoramento ambiental
. Piracicaba, 2002. 69p.
Dissertação (mestrado) – Escola Superior de Agricultura “Luiz de Queiroz”.
SAAD, J.C.C.
Estudo das distribuições de freqüência da evapotranspiração de
referência e da precipitação pluvial para fins de dimensionamento de sistemas de
irrigação. Piracicaba, 1990. 124p. Tese (Mestrado) – Escola Superior de Agricultura “Luiz de
Queiroz”.
SAMPAIO, S.C et al. Precipitação provável para o município de Lavras-MG, utilizando a
distribuição log-normal.
Ciência e Agrotecnologia, Lavras, v.23, n.2, p.382-389, 1999.
SAMPAIO, S.C. et al. Estudo da precipitação efetiva para o município de Lavras, MG.
Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande, v.4, n.2, p.210-
213, 2000.
SANTANA, D.P.; NAIME, U.J. Solos mais favoráveis para a cafeicultura.
Informe
Agropecuário, v.4, n. 44, p.9-11, 1978.
102
SANTOS, R.Z dos; ANDRE, R.G. B. Consumo de água nos diferentes estágios de
crescimento da cultura do feijoeiro.
Pesquisa Agropecuária Brasileira, Brasília, n. 27, v. 4,
p.543-548, 1992.
SARMA, P.B.S.; RAO, N.H.; RAO, K.V.P. Calculation of water balance in the crop root
zone by computer.
Journal of Hydrology. n.45, p. 123-131, 1980.
SEDIYAMA, G.
Necessidades de água para os cultivos. Brasília: ABEAS (Associação
Brasileira de Ensino Agrícola Superior), 1987. 143p. (Curso de engenharia da Irrigação,
Módulo 4)
SETTI, A.A. et al.
Introdução ao gerenciamento de recursos hídricos. 2. ed. Brasília:
Agência Nacional de Energia Elétrica e Agência Nacional das Águas, 2001. 328p.
SHIKLOMANOV, I.A. Comprehensive Assessment of the Freshwater Resources of the
World,
Assessment of Water Resources and Water Availability in the World, WMO/SEI,
1997.
SILVA, J.B. da Somas térmicas na precisão de duração da fase vegetativa do arroz irrigado.
In:
CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 5, 1987, Belém-PA,
Resumos..., Belém: Sociedade Brasileira de Agrometeorologia, 1987. p. 86
SILVA, S. C.; BRITES, R. S.; ASSAD, E. D. Identificação de risco climático para a cultura
de arroz de sequeiro no Estado de Goiás.
Pesquisa Agropecuária Brasileira, n.33, v.7,
p.1005-101, 1998.
SILVEIRA, C.S., SILVA JUNIOR, G.C. da O Uso de Isótopos Ambientais em Estudos
Hidrogeológicos no Brasil: Uma Resenha Crítica.
Anuário do Instituto de Geociências –
UFRJ (Universidade Federal do Rio de Janeiro). n. 21, 1998
SOUZA, J.L.M. de.; VILLA NOVA, N.A.; CASTRO NETO, P. Avaliação do efeito da
energia advectiva na estimativa da evapotranspiração de referência para a região de Lavras-
MG.
Revista do Setor de Ciências Agrárias, v.13, n.1-2, p.41-47, 1994.
SOUZA, J.L.M. de; FRIZZONE, J.A. Modelo aplicado ao planejamento da cafeicultura
irrigada: I. Simulação do balanço hídrico e do custo com água.
Acta Scientiarum, n.1, v.25,
p.103-112, 2003.
SOUZA, J.L.M.de
Modelo de análise de risco econômico aplicado ao planejamento de
projetos de irrigação para cultura do cafeeiro
. Piracicaba, 2001. 253p. Tese (Doutorado) –
Escola Superior de Agricultura “Luiz de Queiroz”.
SPIEGEL, M.R.
Estatística. 3. ed., São Paulo: Makron Books, 1993.
SRH – Secretaria de Recursos Hídricos.
Water Resources in Brazil, Brasília: MMA –
Ministério da Meio Ambiente e Amazônia legal, 1998.
SRIVASTAVA, R.C. et al. Investment decision model for drip irrigation system.
Irrigation
science, v.22, n.2, p.79-84, 2003.
TEIXEIRA, O.A.; LAGES,V.N. Do produtivismo à construção da agricultura sustentável:
duas abordagens pertinentes à questão.
Cadernos de Ciência & Tecnologia, Brasília, v.13,
n.3, p.347-368, 1996.
THOM, H.C.S. A note on the gama distribution.
Monthly Weather Review, Washinton,
v.86, n. 117-222, 1958.
103
THORNTHWAITE, C.W. An approach toward a rational classification of climate.
Geographical review, New York, v.38, n.1, p.55-94, 1948.
THORNTHWAITE, C.W. The moisture factor in climate.
Transactions of the American
Geographical Union, Washington, D.C., v.27, p.41-48, 1946.
THORNTHWAITE, C.W.; MATHER, J.R. The water balance.
Drexel Institute of
Technology – Laboratory of Climatology, Publications in Climatology, Centerton, N.J. v.
8, n. 1, 104p., 1955. 104p.
THORNTHWAITE, C.W.; WILM, H.G. Report of the Commite on evapotranspiration and
transpiration, 1943-1944.
Transactions of the American Geophysical Union, Washington,
D.C., p.686-693, 1944.
TRACY, J.C.; MARINO, M.A. Management model for control of on-farm irrigation.
Journal of Irrigation and Drainage Engineering, New York, v.115, n.6, p.954-972, 1989.
TRENTIN, C.V.
Diagnóstico voltado ao planejamento do uso de águas rediduárias para
irrigação nos cinturões verdes da região metropolitana de curitiba-PR. Curitiba, 2005.
115p. Dissertação (Mestrado em Ciências do Solo) – Universidade Federal do Paraná.
TUBELIS, A.; NASCIMENTO, F.J.L. do
Meteorologia descritiva - fundamentos e
aplicações brasileiras. São Paulo: Editora Nobel, 1986.
TUCCI, C.E.M.
Hidrologia: Ciência e Aplicação. 2. ed, Porto Alegre: UFRGS
(Universidade Federal do Rio Grande do Sul) – Editora da Universidade, 1997.
VAKSMANN, M.
Le modèle BIPODE: Logiciel. Bamako: IRAT, 1990. Não paginado.
VAN GENUCHTEN, M. Th. A closed-form equation for predicting the conductivity of
unsaturated soils.
Soil Sci. Soc. Am. J., Madison, n. 44, p. 892-898, 1980.
VAN LIER, Q.J.; DOURADO NETO, D.
Balanço hídrico para culturas anuais de
perenes: software aplicativo. Piracicaba: ESALQ, 1991.
VEIHMEYER, F.J.; HENDRICKSON, A.H. Methods of measuring field capacity and wiltin
percentages of soils.
Soil Sci. Soc., Madison, v.68, p.75-94, 1949.
VILLELA, S.M.; MATTOS, A.
Hidrologia aplicada. São Paulo: McGraw-Hill do Brasil,
1975. 245p.
WILLMOTT, C.J.; ROWE, C.M.; MINTZ, Y. Climatology of the terrestrial seasonal water
cycle.
Journal of Climatology, v.5, p.589-606, 1985.
WINDSOR, J. S.; CHOW, V. T. Model for farm irrigation in humid areas.
Journal of the
Irrigation and Drainage Division
, New York, v.97, n.IR3, p.369-385, 1971.
WREGE, M. S. Risco de deficiência hídrica na cultura do milho no estado do Paraná.
Pesquisa Agropecuária brasileira, Brasília, v. 34, n.7, p. 1119-1124, 1999.
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
