Correlações de longo alcance em séries temporais da velocidade e da direção do vento.

O estudo do clima e dos seus elementos tem grande importância econômica e ambiental, visto que uma grande e inesperada variação em ao menos um dos elementos do clima pode devastar plantações, cidades, e assim mudar a economia de uma região e a vida das pessoas que ali habitam. O clima pode ser influenciado por diversos fatores, tais como latitude, altitude, massas do ar, continentalidade, maritmidade, correntes marítimas, relevo, vegetação, etc. Os elementos mais importantes do clima são temperatura, umidade, pressão atmosférica, radiação solar, precipitação e vento. O vento é gerado pelo movimento de massas do ar na atmosfera e pode influenciar vários fenômenos, como erosão do solo, dispersão de poluentes, transporte de pólen e sementes, propagação de doenças e geração da energia eólica. A velocidade do vento na superfície é um exemplo natural do fenômeno de turbulência, que representa um processo estocástico caracterizado pela invariância de escala temporal e espacial. Neste trabalho foram estudadas as correlações de longo alcance em séries temporais da velocidade e direção do vento registradas em quatro estações meteorológicas, nas cidades Arcoverde, Cabrobó, Garanhuns e Petrolina em Pernambuco. Foi utilizado o método Detrended fluctuation analysis (DFA), desenvolvido para quantificar as correlações de longo alcance em séries temporais não estacionárias. Foram analisadas as séries originais da velocidade do vento e as séries dos valores absolutos dos incrementos (volatilidade) da direção do vento. Todas as séries analisadas possuem as correlações de longo alcance persistentes, com expoente de escala acima de 0,5. Em todos os casos os valores dos expoentes são menores para a direção do que para a velocidade do vento, indicando que a persistência é mais fraca para a direção do vento. Não foi detectada a correlação entre os valores dos expoentes de escala e os parâmetros geográficos: longitude, latitude e altitude da estação. Os resultados destas análises vão ajudar a entender melhor a natureza dos processos estocásticos geradores da dinâmica do vento. Este entendimento é necessário para desenvolvimento dos modelos teóricos e computacionais mais precisos cujos resultados servirão como base para modelagem dos vários fenômenos influenciados pelas condições climáticas.The study of climate has great economic end environmental importance, given that a single large and unexpected variation of a climatic element may devastate plantations or cities, and thus affect the economy of a region and life of the inhabitants. Climate can be influenced by diverse factors, such as latitude, altitude, air mass, proximity to sea, sea currents, terrain topology, vegetation, etc. The most important climate elements are temperature, humidity, atmospheric pressure, solar radiation, precipitation and wind. The wind is generated by atmospheric air mass movement, and may influence various phenomena such as soil erosion, pollutant dispersal, transport of pollen and seeds, propagation of diseases, as well as generation of eolic energy. Surface wind velocity is natural example of the phenomenon of turbulence, which represents a stochastic process characterized by temporal and spatial scale invariance. In this work we study long range correlations in temporal series of wind speed and direction registered at four meteorological stations in the cities of Arcoverde, Cabrobro, Garanhuns and Petrolina, in the state of Pernambuco, Brazil. To this end we apply Detrended Fluctuation Analysis (DFA) which was developed for quantification of long range correlations in non-stationary temporal series. We analyze the original wind speed series together with volatility (absolute value of increments) of the wind direction. All the analyzed series exhibit persistent long range correlations with the scale exponent above 0.5. In all cases the exponent values were found to be lower for wind direction then those for wind speed, indicating weaker persistence. No correlation was detected between the exponent values and the geographic parameters: longitutde, latitude and altitude of the station. The results of these analyses contribute to a better understanding of the nature of stochastic processes governing wind dynamics, necessary for development of more realistic theoretical and computational models as a base for modeling diverse phenomena influenced by climatic conditions