Interpolación Espacial: Geoprocesamiento Aplicado a la Detección de Cambios Climáticos en Santa Catarina

Autores/as

DOI:

https://doi.org/10.55761/abclima.v37i21.19674

Palabras clave:

Precipitación, Evapotranspiración, Espacialización

Resumen

El estudio aborda la interpolación espacial como una herramienta esencial para mapear el cambio climático, especialmente en regiones con baja densidad de estaciones meteorológicas. Ante la creciente amenaza climática y la necesidad de datos precisos para la planificación agrícola y la gestión de los recursos hídricos, se vuelve fundamental mapear la variabilidad histórica de la precipitación y la evapotranspiración potencial en Santa Catarina. En este sentido, la interpolación espacial permite un análisis detallado de la influencia del clima en el estado. El estudio utiliza datos de precipitación y evapotranspiración de una serie histórica que abarca de 1960 a 2020, aplicando el interpolador IDW para la espacialización. La validación del interpolador se realiza mediante índices estadísticos como RMSE, EAM y el índice de Willmott. Los resultados indican una variación estacional significativa, con mayor precipitación en verano y menor en invierno, mientras que se observan patrones distintos entre las regiones montañosas y costeras, influenciadas por la altitud y la circulación atmosférica. La validación confirma el alto desempeño del interpolador en la estimación de variables. Así, la interpolación espacial se presenta como una técnica eficiente para representar con precisión las variaciones climáticas, contribuyendo a la gestión hídrica y la planificación agrícola. Los mapas generados proporcionan apoyo técnico para mitigar los impactos del cambio climático y optimizar las prácticas agrícolas en Santa Catarina.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Pablo Francisco Benitez Baratto, Universidade do Estado de Santa Catarina

Surveyor engineer graduated from the Federal University of Pampa (UNIPAMPA) in eight semesters, Master in Agronomy (Applied Meteorology) from the Federal University of Viçosa (UFV) and Doctoral Student in Soil Science at the State University of Santa Catarina (UDESC).

Jackson Adriano Albuquerque, Universidade do Estado de Santa Catarina

Formou-se em Agronomia (1990), concluiu Mestrado (1994) em ciência do solo na UFSM e doutorado em Ciência do Solo na UFRGS (1998). Fez estágio pós doutoral na UFSM (2008) no tema Água no sistema solo planta atmosfera. Em 1997 ingressou na UDESC e desde 2014 é professor Titular. É professor do curso de Agronomia e do "Programa de Pós-Graduação em Ciência do Solo", nas disciplinas de Ciência do Solo, Física do solo, Métodos de análises físicas do solo e Água no sistema solo-planta-atmosfera. Foi chefe do Departamento de Solos e Coordenador do programa de "Pós-Graduação em Ciência do Solo". É Editor Associado da RBCS e consultor de revistas científicas. Atua nos seguintes temas: uso e manejo do solo em sistemas agrícolas e florestais; recuperação de áreas degradadas; aplicação de resíduos agrícolas e industriais em solos. Desenvolveu projetos apoiados pelo CNPq, CAPES, FINEP, FAPESC, UDESC, BIRD e empresas do setor privado

Claudia Guimarães Camargo Campos, Universidade do Estado de Santa Catarina

Pós-Doutorado (PNPD/CAPES) no Programa de Pós-graduação em Recursos Genéticos Vegetais - UFSC, projeto executado em parceria com a EPAGRI/CIRAM. Doutorado em Meteorologia pelo Instituto Nacional de Pesquisas Espaciais - INPE (2010), mestrado em Meteorologia pelo Instituto Nacional de Pesquisas Espaciais - INPE (2004) e graduação em Meteorologia, pela Universidade Federal de Pelotas/RS - UFPEL (2001). Atualmente é professora da Universidade do Estado de Santa Catarina (UDESC) e do Programa de Pós Graduação em Ciências Ambientais, no campus de Lages. Tem experiência atuando nos seguintes temas: Fenômenos Meteorológicos, Climatologia, Eventos Extremos, Mudanças Climáticas, Modelagem Climática, Educação Ambiental, Análise de Impacto, Adaptação e Vulnerabilidade Climática em diferentes setores, tais como: meio ambiente, saúde, construção civil, espécies de plantas e animais.

Citas

ADRISON, L. C.; UGAYA, C. Sustainable strategies for water security in Brazilian agriculture: a regionalized study. In: Forum for Sustainability through Life Cycle Innovation e.V., XIV, 2024, Gotemburgo. Anais XIV Forum for Sustainability through Life Cycle Innovation e.V., Berlin: LCIC, 2024.

Agência Nacional de Águas (ANA). HidroWeb, Disponível em: < https://www.snirh.gov.br/hidroweb/mapa> acesso em 20 dez. de 2022.

AgroSmart. El Niño E La Niña: Entenda Seus Impactos No Brasil, 2016. Disponível em: <https://agrosmart.com.br/blog/el-nino-e-la-nina-entenda-seus-impactos-no-brasil/>. Acesso em: 30 mar. 2025.

ALBUQUERQUE, F. L. Climate politics and the crisis of the liberal international order. Contexto Internacional, v. 43, n. 2, p. 259–282, 2021. DOI: https://doi.org/10.1590/s0102-8529.2019430200002

ALLEN, M.; ANTWI-AGYEI, P.; ARAGON-DURAND, F.; BABIKER, M.; BERTOLDI, P.; BIND, M.; BROWN, S.; BUCKERIDGE, M.; CAMILLONI, I.; CARTWRIGHT, A.; CRAMER, W. Technical Summary: Global warming of 1.5° C. An IPCC Special Report on the impacts of global warming of 1.5° C above pre-industrial levels and related global greenhouse gas emission pathways, in the context of strengthening the global response to the threat of climate change, sustainable development, and efforts to eradicate poverty. 2019.

ALLEN, R. G.; PEREIRA, D. R.; RAES, D.; SMITH, M. Crop Evapotranspiration: Guidelines for computing crop water requirements. In: ______. (org.). FAO Penman-Monteith equation. Rome: FAO. ed.1, 1998.

AMORIM, R. C. F.; RIBEIRO, A.; LEITE, C. C.; LEAL, B. G.; SILVA, J. B. G. Avaliação do desempenho de dos métodos de espacialização da precipitação pluvial para o estado de Alagoas. Acta Scientiarum Technology, v.30, n.1, p.87-91, 2008. DOI: https://doi.org/10.4025/actascitechnol.v30i1.3182

ASCHONITIS, V. et al. Correcting Thornthwaite potential evapotranspiration using a global grid of local coefficients to support temperature-based estimations of reference evapotranspiration and aridity indices. Earth System Science Data, v. 14, n. 1, p. 163–177, 20 jan. 2022. DOI: https://doi.org/10.5194/essd-14-163-2022

ASSAD, E. D.; ASSAD, M. L. R. C. L. Mudanças do clima e agropecuária: impactos, mitigação e adaptação. Desafios e oportunidades. Estudos Avançados, v. 38, p. 271–292, 29 nov. 2024. DOI: https://doi.org/10.1590/s0103-4014.202438112.015

BABA, R. K.; VAZ, M. S. M. G.; COSTA, J. DA. Correção de dados agrometeorológicos utilizando métodos estatísticos. Revista Brasileira de Meteorologia, v. 29, p. 515–526, 2014. DOI: https://doi.org/10.1590/0102-778620130611

BARATTO, P. F. B.; CECÍLIO, R. A.; SOUSA TEIXEIRA, D. B.; ZANETTI, S. S.; XAVIER, A. C. Random forest for spatialization of daily evapotranspiration (ETP) in watersheds in the Atlantic Forest. Environmental Monitoring and Assessment, v. 194, n. 6, p. 449, 2022. DOI: https://doi.org/10.1007/s10661-022-10110-y

BETZEK, N. M. Módulos computacionais de análise geoestatística e retificação de zonas de manejo. 2017. Tese (Doutorado em Engenharia Agrícola) – Centro de Ciências Exatas e Tecnológicas, Universidade Estadual Do Oeste Do Paraná, Cascavel, 2017.

BORGES, C.; FERNANDES, C.; CALDAS, J. Com 45 cidades abaixo de 0°C, SC tem lago congelado, estrada com sal e geada em meio a animais, 2024. G1. Disponível em: <https://g1.globo.com/sc/santa-catarina/noticia/2024/07/01/sc-30-cidades-abaixo-de-0oc-lago-congelado-estrada-com-sal-geada.ghtml>. Acesso em: 22 out. 2024.

BORNHOFEN, E.; BENIN, G.; GALVAN, D.; FLORES, M. F. Épocas de semeadura e desempenho qualitativo de sementes de soja. Pesquisa Agropecuária Tropical, v. 45, p. 46–55, 2015. DOI: https://doi.org/10.1590/1983-40632015v4529143

BREIMAN, L. Random forests. Machine Learning, v. 45, ed. 1, p. 5–32, 2001. DOI: https://doi.org/10.1023/A:1010933404324

BRONOWICKA-MIELNICZUK, U.; MIELNICZUK, J.; OBROŚLAK, R.; PRZYSTUPA, W. A comparison of some interpolation techniques for determining spatial distribution of nitrogen compounds in groundwater. International Journal of Environmental Research, v. 13, p. 679-687, 2019. DOI: https://doi.org/10.1007/s41742-019-00208-6

BRUBACHER, J. P.; OLIVEIRA, G. G. DE; GUASSELLI, L. A. Preenchimento de falhas e espacialização de dados pluviométricos: desafios e perspectivas. Revista Brasileira de Meteorologia, v. 35, p. 615-629, 2020. DOI: https://doi.org/10.1590/0102-77863540067

CAI, X.; WANG, X.; JAIN, P.; FLANNIGAN, M. D. Evaluation of gridded precipitation data and interpolation methods for forest fire danger rating in Alberta, Canada. Journal of Geophysical Research: Atmospheres, v. 124, p. 3-17, 2019. DOI: https://doi.org/10.1029/2018JD028754

CAMERA, C.; BRUGGEMAN, A.; HADJINICOLAOU, P.; PASHIARDIS, S.; LANGE, M. A. Evaluation of interpolation techniques for the creation of gridded daily precipitation (1 × 1 km2); Cyprus, 1980–2010. Journal of Geophysical Research: Atmospheres, v.119, ed.2, p.693-712, 2014. DOI: https://doi.org/10.1002/2013JD020611

CASTRO, F. S.; PEZZOPANE, J. E.M.; CECÍLIO, R. A.; PEZZOPANE, J. R. M.; XAVIER, A. C. Avaliação do desempenho dos diferentes métodos de interpoladores para parâmetros do balanço hídrico climatológico. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 14, n.8, 2010. DOI: https://doi.org/10.1590/S1415-43662010000800012

CECCHERINI, G.; AMEZTOY, I.; HERNÁNDEZ, C.P.R.; MORENO, C.C. High-resolution precipitation datasets in South America and West Africa based on satellite-derived rainfall, enhanced vegetation index and digital elevation model. Remote Sensing, v.7, ed. 5, p.6454-6488, 2015. DOI: https://doi.org/10.3390/rs70506454

CECÍLIO, R. A. et al. Método para a espacialização dos elementos do balanço hídrico climatológico. Pesquisa Agropecuária Brasileira, v. 47, n. 4, p. 478–488, 2012. DOI: https://doi.org/10.1590/S0100-204X2012000400002

CLIMATEMPO. Serra Catarinense registra menor temperatura do Brasil neste ano. Climatempo, 2022. Disponível em: <https://www.climatempo.com.br/noticia/2022/05/20/serra-catarinense-registra-menor-temperatura-do-brasil-este-ano-5418>. Acesso em: 22 out. 2024.

DE OLIVEIRA, P. V. A. DE et al. Estudo comparativo dos interpoladores espaciais IDW e SPLINE para dados pluviométricos no Norte de Minas Gerais. Cadernos do Leste, v. 24, n. 24, 2024. DOI: https://doi.org/10.29327/248949.24.24-8

DENSKI, A. P. N.; BACK, A. J. Tendência climatológica nos elementos meteorológicos e na evapotranspiração de referência de Urussanga-SC. Revista Brasileira de Climatologia, v. 17, 2015. DOI: https://doi.org/10.5380/abclima.v17i0.38400

DI PIAZZA, A. et al. Comparative analysis of spatial interpolation methods in the Mediterranean area: application to temperature in Sicily. Water, v. 7, n. 5, p. 1866–1888, 2015. DOI: https://doi.org/10.3390/w7051866

DU, T.; KANG, S.; ZHANG, J.; DAVIES, W. J. Deficit irrigation and sustainable water-resource strategies in agriculture for China’s food security, Journal of Experimental Botany, v. 66, n. 8, p.2253-2269, 2015. DOI: https://doi.org/10.1093/jxb/erv034

DUCHON, J. Splines minimizing rotation-invariant semi-norms in Sobolev spaces. In: SCHUMAKER, L. L.; ZIEGLER, K. (Ed.). Constructive theory of functions of several variables. Berlin: Springer, 1976. p. 85-100. DOI: https://doi.org/10.1007/BFb0086566

FUNG, K. F. et al. Evaluation of spatial interpolation methods and spatiotemporal modeling of rainfall distribution in Peninsular Malaysia. Ain Shams Engineering Journal, v. 13, n. 2, 2022. DOI: https://doi.org/10.1016/j.asej.2021.09.001

Gerência de Planejamento de Recursos Hídricos (GEPHI). Bacias_Hidrograficas do Estado de Santa Catarina, Disponível em: < https://www.aguas.sc.gov.br/jsmallfib_top/DHRI/bacias_hidrograficas/bacias_hidrograficas_sc.pdf> acesso em 20 dez. de 2021.

GHARAEI-MANESH, S.; FATHZADEH, A.; TAGHIZADEH-MEHRJARDI, R. Comparison of artificial neural network and decision tree models in estimating spatial distribution of snow depth in a semi-arid region of Iran. Cold Regions Science and Technology, v.122, p.26-35, 2016. DOI: https://doi.org/10.1016/j.coldregions.2015.11.004

GOTADO, R.; PIAZZA, G. A.; TORRES, E.; SEVERO, D. L.; KAUFMAN, V. Distribuição espacial e temporal das chuvas no estado de Santa Catarina. Geosul, v. 67, p. 253–276, 2018. DOI: https://doi.org/10.5007/2177-5230.2018v33n67p253

GOVAY, M. B. I.; KARIM, T. H. Trend analysis, modeling and interpolation of reference evapotranspiration time series in the semi-arid region of Duhok Governorate. The Journal of University of Duhok, v. 26, n. 2, p. 127–143, 24 dez. 2023. DOI: https://doi.org/10.26682/ajuod.2023.26.2.13

GOVAY, M. B. I.; KARIM, T. H. Comparative analysis of different techniques for spatial interpolation of rainfall datasets in Duhok Governorate. The seybold report, v. 18, n. 01, p. 2541-2555, 2024.

HARGREAVES, G. H.; SAMANI, Z. A. Reference crop evapotranspiration from temperature. Applied Engineering in Agriculture, v.01, n.02, p.96-99, 1985. DOI: https://doi.org/10.13031/2013.26773

HE, Q. et al. GPRChinaTemp1km: a high-resolution monthly air temperature data set for China (1951–2020) based on machine learning. Earth System Science Data, v. 14, n. 7, p. 3273–3292, 15 jul. 2022. DOI: https://doi.org/10.5194/essd-14-3273-2022

HENGL, T.; NUSSBAUM, M.; WRIGHT, M. N.; HEUVELINK, G. B.M.; GRÄLER, B. Random forest as a generic framework for predictive modeling of spatial and spatio-temporal variables. PeerJ. 2018. DOI: https://doi.org/10.7287/peerj.preprints.26693v3

HUERTA, A. et al. High-resolution grids of daily air temperature for Peru - the new PISCOt v1.2 dataset. Scientific Data, v. 10, n. 1, p. 847, 1 dez. 2023. DOI: https://doi.org/10.1038/s41597-023-02777-w

Instituto Brasileiro de Geografia e Estatística (IBGE). Santa Catarina. 2021. Disponível em < https://cidades.ibge.gov.br/brasil/sc>. Acesso em 26 dez. 2021.

Instituto Nacional de Meteorologia (INMET). BDMEP, Disponível em: < https://portal.inmet.gov.br/> acesso em 20 dez. de 2022.

Instituto Nacional de Meteorologia (INMET). Clima. Disponível em: <https://clima.inmet.gov.br/GraficosClimatologicos/>. Acesso em: 30 mar. 2025.

Intergovernmental Panel on Climate Change (IPCC). AR6 Synthesis Report, 2023. Disponível em: < https://www.ipcc.ch/report/ar6/syr/ >. Acesso em: 1 fev. 2025.

Intergovernmental Panel on Climate Change (IPCC). Climate Change 2021: The Physical Science Basis, 2023. Disponível em: < https://www.ipcc.ch/report/sixth-assessment-report-working-group-i/>. Acesso em: 4 jul. 2025 DOI: https://doi.org/10.1017/9781009157896

ISAAKS, E. H.; SRIVASTAVA, R. M. An introduction to applied geostatistics. Oxford: Oxford University Press, 1989. 561 p.

JONES, P. G.; THORNTON, P. K. The potential impacts of climate change on maize production in Africa and Latin America in 2055. Global Environmental Change, v. 13, n. 1, p. 51–59, 2003. DOI: https://doi.org/10.1016/S0959-3780(02)00090-0

KANOONI, A.; AMOGEIN, E. F. Comparison of sensitivity of interpolation methods by rain gauge network density. Irrigation Sciences and Engineering, v. 47, n. 4, 2025.

KAYANO, M. T.; ANDREOLI, R. V.; SOUZA, R. A. F. de; GARCIA, S. R.; CALHEIROS, A. J. P. El Niño e La Niña dos últimos 30 anos: diferentes tipos, 2016.

LOPES SOBRINHO, O. P.; LIMA CASTRO JÚNIOR, W.; ARRAIS CIPRIANO, D.; DE KÁSSIA PEREIRA CANTANHEDE, E.. Métodos empíricos de estimativa da evapotranspiração de referência para Codó, Maranhão, Brasil. Revista Brasileira de Climatologia, [S. l.], v. 34, n. 20, p. 265–287, 2024. DOI: https://doi.org/10.55761/abclima.v34i20.17275

LUNDGREN, W. J. C.; SILVA, J. A. A.; FERREIRA, R. L. C. Estimação do volume de eucaliptos por krigagem e cokrigagem no Semiárido Pernambucano. Floresta e Ambiente, v. 24, 2017. DOI: https://doi.org/10.1590/2179-8087.140415

MACHADO, N. G.; MEIRELLES, T.; DANELICHEN, V. H. M.; QUERINO, C. A. S.; BIUDES, M. S. Estimation of rainfall by neural network over a neotropical region. Revista Brasileira de Climatologia, v. 17, p.44-54, 2015. DOI: https://doi.org/10.5380/abclima.v17i0.40799

MATHERON, G. Principles of geostatistics. Economic Geology, v. 58, n. 8, p. 1246-1266, 1963. DOI: https://doi.org/10.2113/gsecongeo.58.8.1246

MEDEIROS, R. M. Balanço hídrico sequencial em São Bento do Una-Pe, Brasil, visando apoio a avicultura. Revista de Geografia, v. 37, n. 2, p. 318–342, 2020. DOI: https://doi.org/10.51359/2238-6211.2020.244048

MELLO, C. R. de; VIOLA, M. R.; OWENS, P. R.; MELLO, J. M. de; BESKOW, S. Interpolation methods for improving the RUSLE R-factor mapping in Brazil. Journal of Soil and Water Conservation, v. 70, n. 3, p. 182–197, 2015. DOI: https://doi.org/10.2489/jswc.70.3.182

MENDEZ, M.; CALVO-VALVERDE, L. A.; MAATHUIS, B.; ALVARADO-GAMBOA, L. F. Generation of monthly precipitation climatologies for Costa Rica using irregular raingauge observational networks. Water, v. 11, 2019. DOI: https://doi.org/10.3390/w11010070

MIRANDA, R. A. C; SOUZA, L. Climatologia geográfica. Rio de Janeiro: Fundação CECIERJ, 2012. 246p.

MITÁŠOVÁ, H.; MITÁŠ, L. Interpolation by regularized spline with tension: I. Theory and implementation. Mathematical Geology, v. 25, n. 6, p. 641-655, 1993. DOI: https://doi.org/10.1007/BF00893171

NOGUEIRA, D. B.; SILVA, A. O. DA; SILVA, A. P. N. DA. Comparação entre métodos de interpolação espacial para a estimativa da distribuição de precipitação no Ceará-Brasil. Irriga, v. 25, n. 1, p. 131–142, 2020. DOI: https://doi.org/10.15809/irriga.2020v25n1p131-142

OLIVEIRA, D. S. DE et al. Hotter, longer and more frequent heatwaves: an observational study for the Brazilian city of Campinas, SP. Revista Brasileira de Meteorologia, v. 36, n. 2, p. 305–316, 2021. DOI: https://doi.org/10.1590/0102-77863620119

PANDOLFO, C.; BRAGA, H.J.; SILVA JÚNIOR, V.P.; MASSIGNAN, A.M.; PEREIRA, E.S.; THOMÉ, V.M.R; VALCI, F.V. Atlas climatológico do Estado de Santa Catarina. Florianópolis: Epagri, 2002.

PANOSSO, A. R. Variabilidade espacial da emissão de CO₂ e sua relação com propriedades do solo em área de cana-de-açúcar no sudeste do Brasil. 2011. Tese (Doutorado em Ciências Agrárias e Veterinárias) – Faculdade de Ciências Agrárias e Veterinárias, Universidade Estadual Paulista, Jaboticabal, 2011.

PERKINS-KIRKPATRICK, S.E.; GIBSON, P.B. Changes in regional heatwave characteristics as a function of increasing global temperature. Scientific Reports, v.7, n. 1, p. 1-12, 2017. DOI: https://doi.org/10.1038/s41598-017-12520-2

RATA, M.; DOUAOUI, A.; LARID, M.; DOUAIK, A. Comparison of geostatistical interpolation methods to map annual rainfall in the Chéliff watershed, Algeria. Theoretical and Applied Climatology, v. 141, n. 3, p. 1009–1024, 2020. DOI: https://doi.org/10.1007/s00704-020-03218-z

RIGATTI, S. J. Random Forest. Journal of Insurance Medicine, v. 47, n. 1, p. 31–39, 2016. DOI: https://doi.org/10.17849/insm-47-01-31-39.1

ROBINSON, T. P.; METTERNICHT, G. Testing the performance of spatial interpolation techniques for mapping soil properties. Computers and Electronics in Agriculture, v.50, n.2, p.97-108, 2006. DOI: https://doi.org/10.1016/j.compag.2005.07.003

ROMERO-HERNÁNDEZ, C. M. et al. Bias-corrected high-resolution precipitation datasets assessment over a tropical mountainous region in Colombia: A case of study in Upper Cauca River Basin. Journal of South American Earth Sciences, v. 140, p. 104898, 2024. DOI: https://doi.org/10.1016/j.jsames.2024.104898

RStudio Team. RStudio: Integrated Development for R. RStudio, v. 4.2.3, PBC, Boston, MA. Disponível em: http://www.rstudio.com/. Acesso em 08 mar. 2023.

RUEZZENE, C. B. et al. Preenchimento de falhas em dados de precipitação através de métodos tradionais e por inteligência artificial. Revista Brasileira de Climatologia, v. 29, p. 177–204, 2021.

SALIBA, Y.; BĂRBULESCU, A. A comparative evaluation of spatial interpolation techniques for maximum temperature series in the Montreal region, Canada. Romanian Reports in Physics, v. 76, n. 1, p. 701–701, 21 mar. 2024. DOI: https://doi.org/10.59277/RomRepPhys.2024.76.701

SALLEH, H. A.; RAHMAN, E. K. A.; RATNAYAKE, U. Assessing the applicability of rainfall index spatial interpolation in predicting landslide susceptibility: A study in Brunei Darussalam. IOP Conference Series: Earth and Environmental Science, v. 1369, n. 1, p. 012006, 2024. DOI: https://doi.org/10.1088/1755-1315/1369/1/012006

SANDWELL, D. T. Biharmonic spline interpolation of GEOS-3 and SEASAT altimeter data. Geophysical Research Letters, v. 14, n. 2, p. 139-142, 1987. DOI: https://doi.org/10.1029/GL014i002p00139

SANTOS, L. O. Troca estratosfera-troposfera e sua influência no conteúdo de ozônio sobre a região central do Rio Grande do Sul. 2016. Dissertação (Mestrado em Meteorologia) – Universidade Federal de Santa Maria, Centro de Ciências Naturais e Exatas, Santa Maria, 2016.

SHEPARD, D. S. A two‐dimensional interpolation function for irregularly‐spaced data. Proceedings of the 1968 ACM National Conference, p.517-524, 1968. DOI: https://doi.org/10.1145/800186.810616

SILVA JUNIOR, J. F. DA et al. Métodos geoestatísticos na modelagem espacial do diâmetro médio do cristal da goethita. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 17, p. 1127–1134, 2013. DOI: https://doi.org/10.1590/S1415-43662013001100001

SOUZA, I. A. de; MACIEL NETTO, A.; AZEVEDO, J. R. G. Impacto do aquecimento global no balanço hídrico diário e suas consequências para a agricultura. Revista Brasileira de Geografia Física, v. 03, p. 558-571, 2012. DOI: https://doi.org/10.26848/rbgf.v5i3.232852

VIANNA, L. F. N.; PERIN, E. B.; RICCE, W. S.; MASSIGNAN, A. M.; PANDOLFO, C. Bancos de dados meteorológicos: análise dos metadados das estações meteorológicas no estado de Santa Catarina, Brasil. Revista Brasileira de Meteorologia, v.32, n.1, p.53-64, 2017. DOI: https://doi.org/10.1590/0102-778632120150119

VILL, J. Geografia de Santa Catarina Aspectos Físicos. Disponível em http://www.cfnp.com.br/documentos/aspectos_fisicos_de_santa_catarina_3serie_100315.pdf. Acesso em 26 dez. 2021.

WANDERLEY, H. S.; AMORIM, R. F. C. DE; CARVALHO, F. O. DE. Interpolação espacial de dados médios mensais pluviométricos com redes neurais artificiais. Revista Brasileira de Meteorologia, v. 29, p. 389–396, 2014. DOI: https://doi.org/10.1590/0102-778620130639

WATTS, N.; ADGER, W. N.; AGNOLUCCI, P. Health and climate change: policy responses to protect public health. The Lancet, v. 386, n. 10006, p. 1861–1914, 7 2015. DOI: https://doi.org/10.1016/S0140-6736(15)60854-6

WILLMOTT, C. J. On the validation of models. Physical Geography, v.2, p.184-194, 1981. DOI: https://doi.org/10.1080/02723646.1981.10642213

World Meteorological Organization (WMO). Climate change indicators reached record levels in 2023, 2024. Disponível em: <https://wmo.int/news/media-centre/climate-change-indicators-reached-record-levels-2023-wmo>. Acesso em: 2 fev. 2025.

XAVIER, A. C.; KING, C. W.; SCANLON, B. R. Daily gridded meteorological variables in Brazil (1980–2013). International Journal of Meteorology. v.36, ed.6, p.2644-2659, 2015. DOI: https://doi.org/10.1002/joc.4518

ZÁKHIA, E. M. S. et al. Impactos das mudanças climáticas em uma bacia hidrográfica no Sul do estado de Minas Gerais. Revista Brasileira de Meteorologia, v. 36, p. 667-681, 2022. DOI: https://doi.org/10.1590/0102-7786360002

Publicado

09/09/2025

Cómo citar

Baratto, P. F. B., Albuquerque, J. A., & Campos, C. G. C. (2025). Interpolación Espacial: Geoprocesamiento Aplicado a la Detección de Cambios Climáticos en Santa Catarina. Revista Brasileña De Climatología, 37(21), 275–301. https://doi.org/10.55761/abclima.v37i21.19674

Número

Sección

Artigos