Autoria: BERTELLA, G. P.; ZOLIN, C. A.; VENDRUSCULO, L. G.

Resumo: Os períodos de chuva e seca sofrem alteração anualmente. Sendo assim, a compreensão dessas variações em determinada região é fundamental, assumindo grande importância para agricultura e, consequentemente, para os setores da economia, pois qualquer anormalidade climática poderá afetar toda organização socioeconômica. Para tanto, o objetivo principal do trabalho foi analisar a classificação da precipitação mensal em 18 municípios do estado de Mato Grosso. Para realização do estudo foram obtidos dados do Climate Hazards Group InfraRed Precipitation with Station (CHIRPS) no qual utilizou-se o software Quantum Gis para o processamento, em seguida, realizou-se a média da precipitação mensal em cada município observado com uma série histórica de 10 anos de dados, logo após empregou-se o método de Rooy para o Índice de Anomalia de Chuva (IAC), para classificação da pluviosidade de cada região, relatando períodos extremamente secos e extremamente chuvosos. Os resultados apresentaram o maior Índice de Anomalias positivas para o mês de janeiro, ou seja, o mês mais chuvoso, e o período chuvoso de novembro a março. As anomalias positivas para o mês de janeiro podem ser explicadas mediante o fato de que o trimestre de setembro, outubro e novembro, é caracterizado por apresentar temperaturas elevadas, porém, com pouca ocorrência de precipitações. O aumento gradativo do regime pluviométrico só ocorre no final da primavera/início do verão, mês de dezembro, desta forma, é comum para esta região que as maiores anomalias positivas de chuva ocorram no mês posterior (janeiro). As anomalias negativas, sendo o período de seca, ocorrem entre os meses de abril a outubro para os 18 municípios observados. Sorriso apresentou o maior índice de anomalia positiva e Cuiabá apresentou o maior índice de anomalia negativa.

Ano de publicação: 2019

Tipo de publicação: Resumo em anais e proceedings

Unidade: Embrapa Agrossilvipastoril

Palavras-chave: Chuva, Mato Grosso, Precipitação Pluvial, Remote sensing, Sensoriamento Remoto, Sinop-MT