| 1. Identificação | ||||
| Tipo de Referência | Tese ou Dissertação (Thesis) | |||
| Site | mtc-m16b.sid.inpe.br | |||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||
| Identificador | 6qtX3pFwXQZ3P8SECKy/BbyvT | |||
| Repositório | sid.inpe.br/jeferson/2004/02.16.14.01 | |||
| Última Atualização | 2021:08.30.20.18.30 (UTC) sergio | |||
| Repositório de Metadados | sid.inpe.br/jeferson/2004/02.16.14.01.42 | |||
| Última Atualização dos Metadados | 2021:08.30.20.18.31 (UTC) sergio | |||
| Chave Secundária | INPE-13950-TDI/1061 | |||
| Chave de Citação | Ramírez:2003:PrAnPr | |||
| Título | Previsão e análise da precipitação sobre as Regiões Sudeste e Sul do Brasil utilizando redes neurais artificiais  | |||
| Título Alternativo | Forecast and analysis of rainfall over South and Southeastern Brazil using artificial neural network | |||
| Curso | MET-SPG-INPE-MCT-BR | |||
| Ano | 2003 | |||
| Data Secundária | 20061019 | |||
| Data | 2003-12-12 | |||
| Data de Acesso | 15 maio 2024 | |||
| Tipo da Tese | Tese (Doutorado em Meteorologia) | |||
| Tipo Secundário | TDI | |||
| Número de Páginas | 238 | |||
| Número de Arquivos | 736 | |||
| Tamanho | 35800 KiB | |||
| 2. Contextualização | ||||
| Autor | Ramírez, Maria Cleofé Valverde | |||
| Grupo | MET-SPG-INPE-MCT-BR | |||
| Banca | Chan, Chou Sin (presidente) Ferreira, Nelson Jesus (orientador) Campos Velho, Haroldo Fraga de (orientador) Gan, Manoel Alonso Pereira Filho, Augusto José Tenório, Ricardo Sarmento | |||
| Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) | |||
| Cidade | São José dos Campos | |||
| Histórico (UTC) | 2006-09-27 21:14:48 :: administrator -> jefferson :: 2007-07-18 19:41:20 :: jefferson -> administrator :: 2009-07-07 20:04:51 :: administrator -> jefferson :: 2012-07-10 14:53:09 :: jefferson -> ivone@sid.inpe.br :: 2012-07-10 14:53:24 :: ivone@sid.inpe.br -> administrator :: 2003 2014-11-12 12:54:10 :: administrator -> sergio :: 2003 2014-11-17 13:05:24 :: sergio -> administrator :: 2003 2016-06-04 21:39:05 :: administrator -> sergio :: 2003 2017-11-30 15:32:29 :: sergio -> administrator :: 2003 2018-06-05 03:52:22 :: administrator -> sergio :: 2003 | |||
| 3. Conteúdo e estrutura | ||||
| É a matriz ou uma cópia? | é a matriz | |||
| Estágio do Conteúdo | concluido | |||
| Transferível | 1 | |||
| Palavras-Chave | precipitação inteligência artificial retropropagação previsão do tempo metereologia sinóptica satélite TRMM ondaletas redes neurais artificiais redução de escala previsão de chuva precipitation (meteorology) artficial intelligence backpropagation weather forecasting synoptic meteorology TRMM satellite wavelets artificial neural networks downscaling rainfall forecasting (weather forecasting) | |||
| Resumo | Neste trabalho é utilizada uma técnica conhecida como Redes Neurais Artificiais (RNA) para estabelecer relações não lineares entre a circulação de grande escala e a precipitação local observada. A metodologia utilizada envolveu o uso de um downscaling estatístico com base nas saídas do modelo Eta, onde equações prognósticas para previsão pontual sobre a região Sudeste do Brasil foram desenvolvidas utilizando-se as RNAs. As variáveis preditoras foram obtidas desse modelo e o preditando foi a precipitação nas estações meteorológicas selecionadas, sendo desenvolvidas equações prognósticas para 18 locais distintos. Também geraram-se modelos prognósticos para previsão espacial que teve como preditores as saídas do modelo global T126 e como preditando mapas de chuva derivados do satélite 3B42/TRMM. Para a definição das variáveis preditoras, realizou-se uma análise sinótica e um estudo da distribuição da precipitação sobre a região Sudeste. Observou-se que os sistemas frontais (SF) e ZCAS interagindo com VCANs foram os principais responsáveis pelas chuvas durante o verão. Por outro lado, no inverno, os sistemas frontais, VCANs de latitudes médias e cavados foram os principais fatores associados à chuva. As medidas estatísticas utilizadas para quantificar o desempenho da previsão da RNA mostraram que para a previsão pontual, o skill evidenciou em média uma redução da REQM de até 50% em relação à previsão obtida pelo Eta no período de verão. Os eventos previstos pela RNA com alto desempenho estiveram associados a sistemas meteorológicos bem organizados (ZCAS e SF). Os resultados obtidos sugerem que no inverno a precipitação apresenta maior previsibilidade porque a forçante sinótica é mais intensa, e a convecção é menos prevalecente. Um experimento que incluiu a precipitação observada do dia anterior como variável preditora, apresentou melhorias substanciais no desempenho da previsão. Para o período de inverno o desempenho alcançou uma redução da REQM de até 80%. Para a previsão espacial as saídas dos modelos e as imagens do 3B42/TRMM foram pré e pós processadas com a aplicação da transformada de ondaletas, com o objetivo de diminuir o tempo de treinamento. As previsões espaciais mostraram que no verão a RNA conseguiu reproduzir um padrão de chuva aproximado ao observado pelo 3B42/TRMM. Na primavera a RNA também reproduz um padrão similar, porém gera núcleos de chuva sobre o continente não observados pelo 3B42/TRMM. Por outro lado, a previsão do T126 apresentou uma tendência acentuada de gerar áreas de chuva sobre o oceano não observadas pelo 3B42/TRMM. Quando a RNA não reproduz um padrão semelhante, o resultado obtido reflete uma combinação 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. | |||
| Área | MET | |||
| Arranjo | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > MET > Previsão e análise... | |||
| Conteúdo da Pasta doc | acessar | |||
| Conteúdo da Pasta source |
| |||
| Conteúdo da Pasta agreement |
| |||
| 4. Condições de acesso e uso | ||||
| URL dos dados | http://mtc-m16b.sid.inpe.br/ibi/6qtX3pFwXQZ3P8SECKy/BbyvT | |||
| URL dos dados zipados | http://mtc-m16b.sid.inpe.br/zip/6qtX3pFwXQZ3P8SECKy/BbyvT | |||
| Idioma | pt | |||
| Grupo de Usuários | administrator ivone@sid.inpe.br jefferson sergio | |||
| Visibilidade | shown | |||
| Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 | |||
| Detentor da Cópia | SID/SCD | |||
| Permissão de Leitura | allow from all | |||
| Permissão de Atualização | não transferida | |||
| 5. Fontes relacionadas | ||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F35TRS | |||
| Divulgação | NTRSNASA; BNDEPOSITOLEGAL. | |||
| Acervo Hospedeiro | cptec.inpe.br/walmeida/2003/04.25.17.12 | |||
| 6. Notas | ||||
| Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype creatorhistory descriptionlevel doi e-mailaddress electronicmailaddress format isbn issn label lineage mark mirrorrepository nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup resumeid rightsholder schedulinginformation secondarymark session shorttitle sponsor subject targetfile tertiarymark tertiarytype url versiontype | |||
| 7. Controle da descrição | ||||
| e-Mail (login) | sergio | |||
| atualizar | ||||