Um artigo publicado: Estatística Multivariada e Climatologia

Recebi uma ótima notícia nos últimos dias. Um artigo que submeti para a revista Terrae Didatica foi aceito e publicado. Bom, na verdade essa notícia trata-se do resultado final de um processo que vem ocorrendo há alguns meses com a ajuda dos coautores, que foram meus professores e são colegas muito dedicados.

Acho que cabe na proposta do Meteorópole falar sobre meu artigo dentro de um contexto de popularização da ciência. Vou falar de maneira muito simples e resumida, com o propósito de divulgar o conteúdo do artigo para pessoas que não são da área de Estatística e nem da área de Climatologia. Se você já tem uma maior afinidade com uma dessas áreas, te convido a ler o artigo.

O que é Estatística Multivariada?

A maioria das pessoas já teve contato com alguns conceitos básicos da Estatística, como média e talvez desvio padrão. Quando calculamos a média de um conjunto de observações, geralmente estamos analisando apenas uma variável. Por exemplo: a altura das pessoas de uma família. Temos um grupo de indivíduos e uma única característica sendo medida.

Na natureza, porém, os fenômenos raramente dependem de apenas uma variável. Vamos imaginar um experimento agrícola. Nesse caso, talvez seja necessário medir simultaneamente a altura das plantas, a umidade do solo, a quantidade de frutos produzidos, a concentração de nutrientes nas folhas, a temperatura do ambiente etc.

Surge então uma questão importante: como essas variáveis se relacionam? Existe associação entre um nutriente específico e o crescimento da planta? A umidade do solo influencia a produtividade? Como analisar tudo isso ao mesmo tempo?

É nesse contexto que entra a Estatística Multivariada (ou Análise Multivariada). Trata-se de um conjunto de métodos estatísticos desenvolvido justamente para analisar múltiplas variáveis simultaneamente, permitindo identificar relações, padrões e estruturas que dificilmente seriam percebidos observando cada variável isoladamente.

Essas técnicas são utilizadas em diversas áreas do conhecimento. Aplicações vão desde estudos econômicos e comportamento de consumidores até pesquisas ambientais, médicas e climáticas. No meu caso, o foco foi a Climatologia.

Como apliquei isso em Climatologia?

No trabalho, utilizei uma das ferramentas da Estatística Multivariada: a análise de agrupamento k-means. Essa técnica permite identificar quais observações apresentam características semelhantes entre si, formando grupos automaticamente.

Imagine cerca de 200 estações climatológicas distribuídas pelo Brasil. Para cada estação, utilizei dados mensais das normais climatológicas de temperatura e precipitação referentes ao período de 1961–1990. Isso significa que cada estação possui um ciclo anual completo de temperatura e outro de precipitação, totalizando dezenas de informações para serem analisadas simultaneamente.

O método k-means permitiu identificar quais estações apresentam comportamentos climáticos semelhantes ao longo do ano. Posteriormente, esses agrupamentos foram representados espacialmente em mapas.

O que encontrei?

Os resultados mostraram que o método matemático conseguiu reproduzir padrões climáticos já conhecidos na literatura climatológica brasileira, evidenciando regiões com comportamentos térmicos e pluviométricos semelhantes.

Além disso, todos os códigos utilizados foram disponibilizados como material suplementar do artigo. Isso significa que o experimento pode ser reproduzido, modificado e utilizado em sala de aula ou em outros estudos, facilitando o ensino de análise de dados ambientais e Estatística aplicada à Climatologia.

O que há de inovador?

Diversos trabalhos científicos, no Brasil e no exterior, já aplicaram o método k-means em estudos climáticos, utilizando diferentes bases de dados e distintos recortes espaciais. Assim, a principal contribuição do meu trabalho não está na criação de um novo método matemático, mas na demonstração prática de como técnicas de Estatística Multivariada podem ser aplicadas ao ensino e à interpretação de padrões climatológicos.

Além disso, o trabalho está alinhado aos princípios da ciência aberta, uma vez que os códigos utilizados nas análises foram disponibilizados como material suplementar do artigo. Isso permite que outras pessoas reproduzam os experimentos, adaptem as metodologias e utilizem os exemplos em atividades de ensino, pesquisa e formação em análise de dados ambientais.

**

Se quiser ler o artigo, se você acha que o conteúdo dele pode te ajudar na elaboração de uma aula ou como referência bibliográfica para sua pesquisa, veja aqui.

Imagem em destaque: Imagem de Natalia Lavrinenko por Pixabay

* Quero destacar que escrevi o texto em primeira pessoa porque, bom, esse é meu blog. Achei que ficaria meio estranho e artificial se eu escrevesse na terceira pessoa do plural. Entretanto, quero deixar claro que esse trabalho possui coautores, professoras e professor pelos quais sou muito grata.