A caracterização dos eventos extremos de precipitação é fundamental para o planejamento e dimensionamento de sistemas hidráulicos. Nesse processo, existem diversas fontes de incerteza que podem afetar significativamente as estimativas realizadas. Entretanto, não há ainda um consenso sobre como contabilizá-las nas diversas etapas de modelagem. Além disso, o contexto atual de mudanças climáticas acaba dificultando ainda mais o entendimento das propriedades desses eventos. Em vista disso, o presente trabalho buscou analisar as diferentes etapas do processo de caracterização de eventos extremos e suas consequências nas estimativas realizadas. A partir de um estudo de caso realizado no estado de São Paulo, foi proposta uma metodologia para a escolha de distribuições de probabilidade utilizadas nesta caracterização, sintetizando informações fornecidas por diferentes critérios de escolha, comumente utilizados nas análises hidrológicas. Considerando a potencial intensificação dos eventos extremos, avaliou-se a evolução temporal dos quantis de precipitação estimados, considerando também, o impacto da representatividade dos dados observados e da redução da série temporal nas estimativas realizadas. Por fim, o estudo avaliou o desempenho de uma metodologia estatística alternativa à teoria clássica de valores extremos para caracterizar chuvas intensas, chamada de teoria Metaestatísica de Valores Extremos (MEV). Os resultados mostraram que a associação de diferentes critérios na escolha das distribuições de probabilidade aperfeiçoa a seleção da distribuição mais adequada e que, embora a utilização de um modelo de probabilidade regionalmente facilite o planejamento hidráulico, essa prática pode aumentar significativamente os erros nas estimativas. A distribuição de Gumbel, amplamente utilizada nos estudos hidrológicos do país, subestimou em muitas situações os eventos hidrológicos. Em contrapartida, a distribuição Generalizada de Valores Extremos se mostrou adequada para a região de estudo. Os quantis de precipitação estimados estão se alterando ao longo do tempo, sendo, necessário que os estudos hidrológicos sejam atualizados constantemente para contabilizar suas propriedades atuais na estimativa de eventos futuros. A análise da representatividade dos dados observados se mostrou como uma alternativa para o processo de caracterização, buscando evitar subestimativas de eventos futuros. Por fim, a distribuição MEV se mostrou mais adequada que a metodologia clássica para caracterizar eventos extremos em um contexto de mudanças climáticas, apresentando menores incertezas em suas estimativas.

The characterization of extreme rainfall events is a fundamental task for the design and management of hydraulic systems. There are, in this process, several sources of uncertainty that may significantly affect the extreme rainfall estimation. However, there is still no general agreement on how to account for them in the modeling steps. In addition, changing climate context makes it even more difficult to understand the properties of these events. Thus, the present work aimed at analysing the different steps of the characterization process and their consequences on the evaluated quantiles. Based on a case study carried out in the state of São Paulo, we proposed a methodology for the selection of probability distributions used in characterization, summarizing information provided by different statistical metrics commonly used in hydrological analyzes. Considering the potential intensification of extreme events, the temporal evolution of the estimated precipitation quantiles was evaluated. Due to this possible intensification, the impact of the representativeness of the observed data and the reduction of the time series in the modeling process were also analyzed. Finally, we evaluated the performance of an alternative statistical methodology to the classic extreme value theory for extreme rainfall characterization, called Metastatistical Extreme Value theory (MEV). The results showed that the association of different selection approaches improves the choice of the most appropriate distribution and that, despite the use of a regional probability model facilitates hydrological studies, this practice may significantly increase estimation errors. The Gumbel distribution, widely used in hydrological studies in the country, underestimated hydrological events in many situations. In contrast, the Generalized Extreme Value distribution proved to be adequate for characterizing extreme events in the state. Estimated precipitation quantiles have been shown to change over time, highlighting the need for constant update of hydrological studies to account for current characteristics of rainfall events in future estimations. The analysis of the representativeness of the observed data figured out as an alternative for the characterization process, avoiding possible underestimation of future events. Finally, the MEV distribution figured out as more appropriate than the classic methodology for characterizing extreme events in a changing climate context, presenting a lower degree of uncertainty in its process.