Fechar

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m16d.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP7W/3C8ARG8
Repositóriosid.inpe.br/mtc-m19/2012/07.05.17.07   (acesso restrito)
Última Atualização2012:07.05.17.08.58 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m19/2012/07.05.17.07.25
Última Atualização dos Metadados2021:01.02.22.17.25 (UTC) administrator
Chave SecundáriaINPE--PRE/
DOI10.1002/asl.385
ISSN1530-261X
Chave de CitaçãoDolifNobr:2012:ArSyPa
TítuloImproving extreme precipitation forecasts in Rio de Janeiro, Brazil: are synoptic patterns efficient for distinguishing ordinary from heavy rainfall episodes?
Ano2012
Mêsmay
Data de Acesso02 maio 2024
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho203 KiB
2. Contextualização
Autor1 Dolif, Giovanni
2 Nobre, Carlos Afonso
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JGQ7
Grupo1 DOP-CPT-INPE-MCTI-GOV-BR
2 CST-CST-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 giovanni.dolif@cptec.inpe.br
RevistaAtmospheric Science Letters
Volume*
Nota SecundáriaB3_ENGENHARIAS_I B3_GEOCIÊNCIAS
Histórico (UTC)2012-07-05 17:07:25 :: valdirene -> administrator ::
2012-07-05 17:07:25 :: administrator -> valdirene :: 2012
2012-07-05 17:08:58 :: valdirene -> administrator :: 2012
2021-01-02 22:17:25 :: administrator -> valdirene :: 2012
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-Chaveheavy rainfall forecast
Rio de Janeiro
artificial neural network
adaptive resonance theory
ResumoThis work analysed heavy rainfall events and their predictability on Rio de Janeiro, Brazil, using rain gauge data from 2000 to 2010, atmospheric model outputs, and an artificial neural network based on adaptive resonance theory. The latter was applied on top of atmospheric simulations for 2009 and 2010, and we were able to predict 55% of the heavy rainfall events using a combination of relative humidity at 900 hPa and meridional winds at 10 m for a domain covering central and southern Brazil, which represents a relative gain of 67% on predictability when compared to the model predicted rainfall. Copyright © 2012 Royal Meteorological Society.
ÁreaMET
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > COCST > Improving extreme precipitation...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDOP > Improving extreme precipitation...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 05/07/2012 14:07 1.0 KiB 
4. Condições de acesso e uso
Idiomaen
Grupo de Usuáriosadministrator
valdirene
Grupo de Leitoresadministrator
valdirene
Visibilidadeshown
Política de Arquivamentodenypublisher denyfinaldraft
Permissão de Leituradeny from all and allow from 150.163
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhosid.inpe.br/mtc-m19@80/2009/08.21.17.02.53
Unidades Imediatamente Superiores8JMKD3MGPCW/3F3T29H
8JMKD3MGPCW/43SQKNE
Lista de Itens Citandosid.inpe.br/bibdigital/2013/10.19.20.40 1
sid.inpe.br/mtc-m21/2012/07.13.14.42.59 1
DivulgaçãoWEBSCI; PORTALCAPES.
Acervo Hospedeirosid.inpe.br/mtc-m19@80/2009/08.21.17.02
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark nextedition notes number orcid pages parameterlist parentrepositories previousedition previouslowerunit progress project rightsholder schedulinginformation secondarydate session shorttitle sponsor subject targetfile tertiarymark tertiarytype typeofwork url
7. Controle da descrição
e-Mail (login)valdirene
atualizar 


Fechar