RESUMO O conhecimento da precipitação é indispensável para estudos hidrológicos e climáticos, que subsidiam projetos de sistemas de abastecimento de água, saneamento e drenagem; controle de inundações, erosão e reservatórios; produção agrícola e hidrelétrica, transporte hidroviário, entre outros. Nesse contexto, buscam-se metodologias para estimar a precipitação em locais sem monitoramento. Assim, os objetivos do trabalho são: i) identificar regiões homogêneas de precipitação na Região Hidrográfica Tocantins‑Araguaia (RHTA) via método fuzzy c-means; ii) regionalizar e estimar a probabilidade de ocorrências de precipitações médias mensais e anuais através de modelos de distribuição de probabilidades; e iii) regionalizar e estimar lâminas de precipitação através de modelos de regressão múltipla. Nesse caso, foram identificadas 3 regiões homogêneas de precipitação e os resultados dos parâmetros de desempenho dos modelos regionais de distribuição de probabilidades foram satisfatórios para estimativas de precipitações médias mensais e anuais. Os resultados dos modelos regionais de regressão múltipla revelaram que as precipitações médias anuais são estimadas satisfatoriamente. Já no caso de precipitações médias mensais, as estimativas dos modelos de regressão múltipla só foram satisfatórias quando os meses foram distribuídos em secos e chuvosos. Assim, constata-se que a metodologia desenvolvida pode ser aplicada para estimativas de precipitação em locais sem monitoramento da RHTA.
ABSTRACT Knowledge about precipitation is indispensable for hydrological and climatic studies because precipitation subsidizes projects related to water supply, sanitation, drainage, flood and erosion control, reservoirs, agricultural production, hydroelectric facilities, and waterway transportation and other projects. In this context, methodologies are used to estimate precipitation in unmonitored locations. Thus, the objectives of this work are to i) identify homogeneous regions of precipitation in the Tocantins-Araguaia Hydrographic Region (TAHR) via the fuzzy c-means method, ii) regionalize and estimate the probability of occurrence of monthly and annual average precipitation using probability distribution models, and iii) regionalize and estimate the precipitation height using multiple regression models. Three homogeneous regions of precipitation were identified, and the results of the performance indices from the regional models of probability distribution were satisfactory for estimating average monthly and annual precipitation. The results of the regional multiple regression models showed that the annual mean precipitation was satisfactorily estimated. For the average monthly precipitation, the estimates of multiple regression models were only satisfactory when the months used were distributed in the dry and rainy seasons. Therefore, our results show that the methodology developed can be used to estimate precipitation in unmonitored locations in the TAHR.