Fechar
Metadados

@PhDThesis{Ramírez:2003:PrAnPr,
               author = "Ram{\'{\i}}rez, Maria Cleof{\'e} Valverde",
                title = "Previs{\~a}o e an{\'a}lise da precipita{\c{c}}{\~a}o sobre as 
                         Regi{\~o}es Sudeste e Sul do Brasil utilizando redes neurais 
                         artificiais",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2003",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2003-12-12",
             keywords = "precipita{\c{c}}{\~a}o, intelig{\^e}ncia artificial, 
                         retropropaga{\c{c}}{\~a}o, previs{\~a}o do tempo, metereologia 
                         sin{\'o}ptica, sat{\'e}lite TRMM, ondaletas, redes neurais 
                         artificiais, redu{\c{c}}{\~a}o de escala, previs{\~a}o de 
                         chuva, precipitation (meteorology), artficial intelligence, 
                         backpropagation, weather forecasting, synoptic meteorology, TRMM 
                         satellite, wavelets, artificial neural networks, downscaling, 
                         rainfall forecasting (weather forecasting).",
             abstract = "Neste trabalho {\'e} utilizada uma t{\'e}cnica conhecida como 
                         Redes Neurais Artificiais (RNA) para estabelecer 
                         rela{\c{c}}{\~o}es n{\~a}o lineares entre a 
                         circula{\c{c}}{\~a}o de grande escala e a 
                         precipita{\c{c}}{\~a}o local observada. A metodologia utilizada 
                         envolveu o uso de um downscaling estat{\'{\i}}stico com base nas 
                         sa{\'{\i}}das do modelo Eta, onde equa{\c{c}}{\~o}es 
                         progn{\'o}sticas para previs{\~a}o pontual sobre a regi{\~a}o 
                         Sudeste do Brasil foram desenvolvidas utilizando-se as RNAs. As 
                         vari{\'a}veis preditoras foram obtidas desse modelo e o 
                         preditando foi a precipita{\c{c}}{\~a}o nas esta{\c{c}}{\~o}es 
                         meteorol{\'o}gicas selecionadas, sendo desenvolvidas 
                         equa{\c{c}}{\~o}es progn{\'o}sticas para 18 locais distintos. 
                         Tamb{\'e}m geraram-se modelos progn{\'o}sticos para 
                         previs{\~a}o espacial que teve como preditores as sa{\'{\i}}das 
                         do modelo global T126 e como preditando mapas de chuva derivados 
                         do sat{\'e}lite 3B42/TRMM. Para a defini{\c{c}}{\~a}o das 
                         vari{\'a}veis preditoras, realizou-se uma an{\'a}lise 
                         sin{\'o}tica e um estudo da distribui{\c{c}}{\~a}o da 
                         precipita{\c{c}}{\~a}o sobre a regi{\~a}o Sudeste. Observou-se 
                         que os sistemas frontais (SF) e ZCAS interagindo com VCANs foram 
                         os principais respons{\'a}veis pelas chuvas durante o ver{\~a}o. 
                         Por outro lado, no inverno, os sistemas frontais, VCANs de 
                         latitudes m{\'e}dias e cavados foram os principais fatores 
                         associados {\`a} chuva. As medidas estat{\'{\i}}sticas 
                         utilizadas para quantificar o desempenho da previs{\~a}o da RNA 
                         mostraram que para a previs{\~a}o pontual, o skill evidenciou em 
                         m{\'e}dia uma redu{\c{c}}{\~a}o da REQM de at{\'e} 50% em 
                         rela{\c{c}}{\~a}o {\`a} previs{\~a}o obtida pelo Eta no 
                         per{\'{\i}}odo de ver{\~a}o. Os eventos previstos pela RNA com 
                         alto desempenho estiveram associados a sistemas 
                         meteorol{\'o}gicos bem organizados (ZCAS e SF). Os resultados 
                         obtidos sugerem que no inverno a precipita{\c{c}}{\~a}o 
                         apresenta maior previsibilidade porque a for{\c{c}}ante 
                         sin{\'o}tica {\'e} mais intensa, e a convec{\c{c}}{\~a}o 
                         {\'e} menos prevalecente. Um experimento que incluiu a 
                         precipita{\c{c}}{\~a}o observada do dia anterior como 
                         vari{\'a}vel preditora, apresentou melhorias substanciais no 
                         desempenho da previs{\~a}o. Para o per{\'{\i}}odo de inverno o 
                         desempenho alcan{\c{c}}ou uma redu{\c{c}}{\~a}o da REQM de 
                         at{\'e} 80%. Para a previs{\~a}o espacial as sa{\'{\i}}das dos 
                         modelos e as imagens do 3B42/TRMM foram pr{\'e} e p{\'o}s 
                         processadas com a aplica{\c{c}}{\~a}o da transformada de 
                         ondaletas, com o objetivo de diminuir o tempo de treinamento. As 
                         previs{\~o}es espaciais mostraram que no ver{\~a}o a RNA 
                         conseguiu reproduzir um padr{\~a}o de chuva aproximado ao 
                         observado pelo 3B42/TRMM. Na primavera a RNA tamb{\'e}m reproduz 
                         um padr{\~a}o similar, por{\'e}m gera n{\'u}cleos de chuva 
                         sobre o continente n{\~a}o observados pelo 3B42/TRMM. Por outro 
                         lado, a previs{\~a}o do T126 apresentou uma tend{\^e}ncia 
                         acentuada de gerar {\'a}reas de chuva sobre o oceano n{\~a}o 
                         observadas pelo 3B42/TRMM. Quando a RNA n{\~a}o reproduz um 
                         padr{\~a}o semelhante, o resultado obtido reflete uma 
                         combina{\c{c}}{\~a}o do 3B42/TRMM e T126. ABSTRACT: This study 
                         uses an Artificial Neural Network (ANN) technique to establish a 
                         non-linear relationship between the large scale atmospheric 
                         circulation and local surface rainfall. The method involves the 
                         use of statistical downscaling applied to outputs from Eta model. 
                         In this sense, prognostic equations were developed for 18 
                         locations using the ANN. This method uses as predictors numerical 
                         weather products from the Eta model and surface rainfall as 
                         predictand. The objective is to generate site-specific 
                         quantitative forecasts of daily rainfall. Also, prognostics models 
                         are constructed to delineate rain areas having as predictors 
                         outputs of the global model T126 and as predictand maps of rain 
                         derived from the Tropical Rainfall Measuring Mission (3B42/TRMM). 
                         The selection of ANN input variables is based on the prevailing 
                         synoptic weather conditions over southeastern Brazil. It is shown 
                         that during the austral summer the main weather systems related to 
                         rainfall are: cold fronts, and the South Atlantic Convergence Zone 
                         (SACZ) interacting with cyclonic vortices at upper tropospheric 
                         levels (CVULs). During the austral winter, cold fronts and 
                         midlatitude upper levels cyclonic vortices are the main weather 
                         systems associated to rainfall. Several statistics are calculated 
                         to examine the performance of the models. It is found that during 
                         summer periods the skill score indicates an ANN improvement over 
                         Eta model by 50%. In the winter period ANN improves RMSE in 80% 
                         respect to Eta model. Overall, ANN is efficient in predicting 
                         continuous rainfall periods associated to cold fronts and SCAZ 
                         during the summer and rainfall events associated with cold front 
                         and CVUL originating from middle latitude in winter. Also during 
                         winter, the ANN is more efficient, because the synoptic systems 
                         are better defined by the variables derived from Eta model. For 
                         the area forecast the images are pre and post processed with a 
                         wavelets transform, in order to minimize training time. The area 
                         forecasts utilizing ANN show in summer a pattern similar to that 
                         observed the 3B42/TRMM. In spring ANN shows centers of rain over 
                         the continent that are not observed by the 3B42/TRMM. On the other 
                         hand, the forecast of T126 has a tendency for generating areas of 
                         rain in the oceanic which are not depicted by 3B42/TRMM. When the 
                         ANN is not able to reproduce a pattern similar to the one obtained 
                         by 3B42/TRMM, the results reflect a combination of the 3B42/TRMM 
                         and T126.",
            committee = "Chan, Chou Sin (presidente) and Ferreira, Nelson Jesus 
                         (orientador) and Campos Velho, Haroldo Fraga de (orientador) and 
                         Gan, Manoel Alonso and Pereira Filho, Augusto Jos{\'e} and 
                         Ten{\'o}rio, Ricardo Sarmento",
           copyholder = "SID/SCD",
         englishtitle = "Forecast and analysis of rainfall over South and Southeastern 
                         Brazil using artificial neural network",
             language = "pt",
                pages = "238",
                  ibi = "6qtX3pFwXQZ3P8SECKy/BbyvT",
                  url = "http://urlib.net/rep/6qtX3pFwXQZ3P8SECKy/BbyvT",
           targetfile = "publicacao.pdf",
        urlaccessdate = "16 dez. 2019"
}


Fechar