Análise de séries temporais no monitoramento

Base de conhecimento · 15 de julho de 2026

No monitoramento ambiental, uma leitura isolada significa pouco - o verdadeiro conhecimento nasce quando as medições formam uma série temporal. Só uma série mostra se algo sobe, desce, volta a cada ano, ou de repente «deu um salto». Vale a pena saber o que procurar em um gráfico desses.

Três coisas que lemos em uma série

• A tendência - a direção de longo prazo (por ex. uma concentração de fósforo que sobe lentamente ao longo dos anos). Responde à pergunta «está melhorando ou piorando».
• A sazonalidade - um ritmo anual ou diário que se repete (por ex. os mínimos de verão de oxigênio, as quedas noturnas, as florações de primavera). Deve ser reconhecida para não confundi-la com uma tendência.
• As anomalias - desvios isolados, incomuns (por ex. um pico de turbidez depois de fortes chuvas). Alguns são eventos reais, outros erros de medição.

Ferramentas de interpretação - com nome e condições de uso

Os limites de uma carta I-MR não se calculam a partir do desvio-padrão da série inteira, e sim da amplitude móvel: σ̂ = MR̄ / 1,128 (constante d₂ para janela de dois elementos), e os limites são a média ± 3σ (de atenção ± 2σ). O detalhe importa: o desvio-padrão da série inteira contém a tendência e a estação, então os limites ficariam tão largos que não detectariam nada.

⚠️ Uma armadilha pouco comentada: dados ambientais são correlacionados no tempo. Uma sonda que mede a cada 15 minutos não dá 96 observações independentes por dia - a leitura seguinte repete em grande medida a anterior. Testes de significância pressupõem independência, portanto em dados de cadência densa devolvem significância inflada: p = 0,002 pode virar p = 0,064 - resultado não significativo - após corrigir a autocorrelação (por exemplo com a correção de Hamed-Rao para Mann-Kendall, ou com um tamanho efetivo n_eff). Um mês de medições a cada 15 minutos pode valer n_eff ≈ 5, não 2880.

Os erros mais frequentes

• Confundir sazonalidade e tendência - «em alta» em julho não significa «em alta de ano a ano».
• Intervalos irregulares / lacunas - influem nas médias e nos gráficos; é melhor marcá-los, não mascará-los.
• Reagir a um ponto isolado - uma anomalia confirma-se apenas pela medição seguinte ou pelo contexto.
• Um eixo temporal «categórico» - as datas devem ser tratadas como tempo (proporcionalmente), não como rótulos.
• Misturar estações numa única série - dados de vários pontos colados descrevem um gradiente espacial, não um processo no tempo; pode até inverter o sinal da relação.
• Tomar cadência densa por amostra maior - ver acima: o número de linhas não é o número de informações independentes.

Fontes

• Teste de Mann-Kendall: Mann H.B. (1945), Nonparametric tests against trend, “Econometrica” 13(3): 245-259, doi:10.2307/1907187; Kendall M.G. (1975), Rank Correlation Methods.
• Declividade de Sen: Sen P.K. (1968), Estimates of the regression coefficient based on Kendall’s tau, “Journal of the American Statistical Association” 63(324): 1379-1389, doi:10.1080/01621459.1968.10480934.
• Correção para autocorrelação: Hamed K.H., Rao A.R. (1998), A modified Mann-Kendall trend test for autocorrelated data, “Journal of Hydrology” 204(1-4): 182-196, doi:10.1016/S0022-1694(97)00125-X.
• Cartas de controle e a constante d₂: metodologia SPC clássica (Shewhart); a constante 1,128 vale para a amplitude móvel com janela 2.

Na prática

Uma boa análise parte de uma série ordenada e contínua em pontos fixos. No LimnoLog, as medições formam logo gráficos ao longo do tempo (com uma opção de comparação das estações), e o conjunto completo de dados você pode exportá-lo para o Excel ou prepará-lo para uma análise estatística quando precisar de métodos mais avançados.