@InProceedings{VieiraAnocShim:2022:PrMoEv,
               author = "Vieira, Gabriele Gon{\c{c}}alves and Anochi, Juliana Aparecida 
                         and Shimizu, Mar{\'{\i}}lia Harumi",
          affiliation = "{Faculdade de Tecnologia Estadual (FATEC)} and {Instituto Nacional 
                         de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)}",
                title = "Previs{\~a}o e monitoramento de eventos externos clim{\'a}ticos 
                         sobre o Brasil usando intelig{\^e}ncia artificial",
            booktitle = "Resumos...",
                 year = "2022",
               editor = "Ribeiro, Val{\'e}ria Cristina dos Santos and Paulicena, 
                         Ed{\'e}sio Hernane and Almeida, Elton Kleiton Albuquerque de and 
                         Correia, Emilia and Souza, Jo{\~a}o Paulo Estevam de and Hey, 
                         Heyder and Escada, Paulo Augusto Sobral and Savonov, Roman 
                         Ivanovitch and Camayo Maita, Rosio del Pilar",
                pages = "1",
         organization = "Semin{\'a}rio de Inicia{\c{c}}{\~a}o Cient{\'{\i}}fica e 
                         Inicia{\c{c}}{\~a}o em Desenvolvimento Tecnol{\'o}gico e 
                         Inova{\c{c}}{\~a}o (SICINPE)",
            publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
              address = "S{\~a}o Jos{\'e} dos Campos",
                 note = "{Bolsa PIBIC/PIBITI/INPE/CNPq.}",
             keywords = "eventos clim{\'a}ticos extremos no Brasil, 
                         precipita{\c{c}}{\~a}o, anomalias clim{\'a}ticas, extreme 
                         climate events in Brazil, extreme climate indices, precipitation, 
                         climate anomalies.",
             abstract = "Eventos clim{\'a}ticos extremos s{\~a}o fen{\^o}menos que podem 
                         ser definidos como aqueles eventos em que uma determinada 
                         vari{\'a}vel meteorol{\'o}gica apresenta valores acima ou abaixo 
                         de um limite superior ou inferior. Esses tipos de fen{\^o}menos 
                         clim{\'a}ticos t{\^e}m um grande impacto nas regi{\~o}es 
                         brasileiras, como por exemplo o grande ac{\'u}mulo de 
                         precipita{\c{c}}{\~a}o que causam enchentes e desmoronamentos, 
                         ou as secas duradouras que geram impacto nos reservat{\'o}rios de 
                         {\'a}gua. O objetivo desse projeto e auxiliar no desenvolvimento 
                         de uma metodologia para realizar o monitoramento e previs{\~a}o 
                         de eventos clim{\'a}ticos extremos com o uso de intelig{\^e}ncia 
                         artificial. A metodologia empregada buscou implantar um sistema de 
                         tratamento e an{\'a}lise de grandes volumes de dados. Para isso, 
                         s{\~a}o usados m{\'e}todos estat{\'{\i}}sticos aplicados 
                         {\`a} meteorologia em dados de precipita{\c{c}}{\~a}o de alta 
                         resolu{\c{c}}{\~a}o (GPCP v3.2) com foco nos estados e 
                         regi{\~o}es do territ{\'o}rio brasileiro para 
                         valida{\c{c}}{\~a}o da base de dados. Em seguida, esses dados 
                         s{\~a}o usados para treinamento de uma rede neural que visa 
                         fornecer a previs{\~a}o da precipita{\c{c}}{\~a}o. A 
                         valida{\c{c}}{\~a}o da base de dados, feita atrav{\'e}s da 
                         an{\'a}lise dos padr{\~o}es climatol{\'o}gicos da 
                         precipita{\c{c}}{\~a}o para as regi{\~o}es brasileiras, mostrou 
                         que a precipita{\c{c}}{\~a}o do GPCP v3.2 {\'e} consistente com 
                         bases de dados anteriores. Os resultados preliminares da 
                         constru{\c{c}}{\~a}o da rede neural ser{\~a}o utilizados para 
                         aprimoramento da mesma, a fim de auxiliar na previs{\~a}o da 
                         precipita{\c{c}}{\~a}o. Adicionalmente, o c{\'a}lculo de 
                         m{\'e}tricas podem auxiliar na defini{\c{c}}{\~a}o de um limiar 
                         para classifica{\c{c}}{\~a}o dos eventos extremos de 
                         precipita{\c{c}}{\~a}o, de modo a colaborar para o monitoramento 
                         e previs{\~a}o de eventos meteorol{\'o}gicos extremos (seca 
                         profunda e chuvas intensas), e prevenir e/ou amenizar os impactos 
                         desses eventos nas regi{\~o}es afetadas.",
  conference-location = "on line",
      conference-year = "22 a 26 – ago",
             language = "pt",
         organisation = "Divis{\~a}o de Fomento a Pesquisa e Desenvolvimento (DIFPD)",
                  ibi = "8JMKD3MGP3W34T/47F783L",
                  url = "http://urlib.net/ibi/8JMKD3MGP3W34T/47F783L",
           targetfile = "Resumo_Gabriele_Goncalves_Vieira.pdf",
        urlaccessdate = "29 jun. 2024"
}