RESUMOA teoria dos valores extremos desempenha um papel fundamental na modelagem de eventos associados a probabilidades baixas ou eventos raros. Os modelos probabilísticos baseados nesta teoria visam predizer, a partir de um conjunto de valores máximos de um processo ambiental registrado num período relativamente curto (30 anos, por exemplo), os valores máximos esperados em um período maior (50, 100 ou mais anos). Para o caso específico das temperaturas, são de grande utilidade, por exemplo, no planejamento de projetos agrícolas. Este trabalho teve por objetivo empregar as distribuições generalizada de valores extremos (GVE) e Gumbel aos dados de temperatura máxima mensal registradas durante um período de 64 anos (1951 a 2015) em Uruguaiana, Estado do Rio Grande do Sul. Para a estimação dos parâmetros dessa distribuição, foi utilizado o método da máxima verossimilhança. O ajuste aos dados foi avaliado por meio dos gráficos de envelopes simulado e do teste de Kolmogorov-Smirnov. A distribuição GVE se ajustou aos dados em todos os meses do ano e, em particular, nos meses de março, outubro e novembro a distribuição Gumbel é mais adequada. Nos meses de maio a agosto ocorreram as menores temperaturas previstas para todos os níveis de retorno, e nos meses de dezembro a fevereiro ocorreram as maiores temperaturas previstas para todos os níveis de retorno calculados.Palavras-chave: variáveis meteorológicas, distribuição Gumbel, eventos extremos, climatologia.
PROBABILISTIC ANALYSIS OF MAXIMUM TEMPERATURE IN URUGUAIANA, RS.
ABSTRACTThe extreme value theory plays a fundamental role in modeling events associated with low probabilities or rare events. The probabilistic models based on this theory aim to predict, from a set of maximum values of an environmental process registered in a relatively short period (30 years, for example), the maximum values expected in a longer period of time (50, 100 or more years). For the specific case of temperatures, they are very useful, for example, in the planning of agricultural projects. The objective of this work was to evaluate the generalized extreme value distributions (GEV) and