O regime de chuvas sobre o Nordeste do Brasil é bastante complexo, sendo considerado sazonal, além de sofrer fortes influências dos fenômenos El Niño, La Niña e outros sistemas meteorológicos, como o dipolo, atuantes sobre as bacias do oceano Atlântico Tropical. Neste trabalho foi aplicada a técnica matemática-computacional de interpolação do Kernel Smoothing nos dados de precipitação pluvial sobre o Nordeste, coletados no período de 1904 a 1998, provenientes de 2.283 estações meteorológicas. Os cálculos foram desenvolvidos por meio do software "Kernel", escrito em linguagem C e Cuda o que possibilitou fazer a interpolação de mais de 26 milhões de medidas de precipitação pluvial, permitindo gerar mapas de intensidade de chuva sobre toda a região e calcular estatísticas para a precipitação do Nordeste em escalas mensais e anuais. De acordo com as interpolações realizadas foi possível detectar, dentre o período estudado, os anos mais secos e mais chuvosos, a distribuição espacial das chuvas em cada mês, bem como a característica da precipitação pluviométrica em épocas de El Niño e La Niña.

The rainfall over Northeast Brazil is quite complex and is considered seasonal, besides suffering strong influences of El Niño, La Niña and other weather systems such as dipole, acting on the ocean basins Tropical Atlantic. In this study the mathematical-computational interpolation technique Kernel Smoothing was applied to rainfall data collected over the Northeast in the period from 1904 to 1998, from 2,283 weather stations. The calculations were developed using the software "Kernel", written in C language and Cuda, enabling interpolation of over 26 million rainfall measurements, allowing to generate maps of rainfall intensity over the whole region, and to calculate statistics for precipitation in the Northeast on monthly and annual scales. The resulting interpolations were used to identify the years with the most and least precipitation along the studied period, the spatial distribution of rainfall in each month, as well as the characteristics of rainfall in times of El Niño and La Niña.

Propõe-se, com o presente trabalho, realizar o zoneamento agroclimático da cultura do pinhão-manso (Jathopra curcas L.) no estado de Pernambuco, motivo pelo qual foram utilizados dados climáticos de temperatura do ar média e precipitação pluviométrica de 146 postos meteorológicos, dos quais 73 com série histórica de dados acima de 30 anos e outros 73 com série abaixo de 30 anos porém maior que 20 anos de observações. A escolha do pinhão-manso foi motivada pelo potencial desta cultura como fonte de energia renovável em substituição aos combustíveis fósseis, tanto quanto pela sua rusticidade, tornando-se uma nova opção para regiões de clima semiárido, como ocorre em grande parte da região Nordeste. A seleção da região de estudo está relacionada à variabilidade climática apresentada por esse estado e ao potencial que a referida cultura tem em se desenvolver em regiões nas quais a chuva é escassa. De acordo com o estudo, o Estado de Pernambuco apresenta 14,92% de áreas aptas ao cultivo do pinhão-manso, 44,26% de áreas restritas por deficiência hídrica e 40,82% de áreas inaptas.

This study aimed to realize the agroclimatic zoning of Jathopra curcas L. crop in the State of Pernambuco. For this, climatic data of air temperature and mean rainfall of 146 meteorological stations and 73 series with historical data over 30 years and another 73 with less than 30 years but more than 20 years of observations were used. The choice of Jatropha has been motivated by the potential of this crop as a source of renewable energy to replace fossil fuels as well as for its rusticity and a new option for regions of semi-arid climate, as it occurs in the Northeast region. The selection of the study area is related to climate variability in the State and the potential that this crop has in regions where there is low precipitation. According to the study, the State of Pernambuco has 14.92% of areas suitable for production of Jatropha, 44.26% of the restricted areas by water deficit, and 40.82% of unsuitable areas.