@InProceedings{PintoLimaMartPere:2015:InOtMo,
               author = "Pinto, Luc{\'{\i}}a I. Chipponelli and Lima, Francisco J. L. and 
                         Martins, Fernando Ramos and Pereira, Enio Bueno",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and 
                         {Universidade Federal de S{\~a}o Paulo (UNIFESP)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)}",
                title = "Investiga{\c{c}}{\~a}o para a otimiza{\c{c}}{\~a}o da 
                         modelagem num{\'e}rica aplicada {\`a} estimativa e previs{\~a}o 
                         de recurso e{\'o}lico",
            booktitle = "P{\^o}steres",
                 year = "2015",
         organization = "Simp{\'o}sio Internacional de Climatologia, 6. (SIC)",
             keywords = "Estimativa do Vento, Energia E{\'o}lica, An{\'a}lise de 
                         Agrupamento, Wind Estimate, Wind Power, Cluster Analysis.",
             abstract = "A confiabilidade da estimativa e da variabilidade do vento num 
                         local ou regi{\~a}o de interesse {\'e} essencial, principalmente 
                         para empreendimentos de energia e{\'o}lica. Atualmente o 
                         mapeamento de {\'a}reas com elevado potencial para a 
                         explora{\c{c}}{\~a}o comercial {\'e} realizada com o uso de 
                         modelos atmosf{\'e}ricos que demandam um investimento 
                         relativamente baixo. Por{\'e}m para realizar as 
                         simula{\c{c}}{\~o}es com modelos atmosf{\'e}ricos de Mesoescala 
                         (por exemplo, BRAMS, WRF, Eta e etc.) s{\~a}o necess{\'a}rios 
                         determinar os dom{\'{\i}}nios (grades) do modelo que podem 
                         variar de alguns poucos km a dezenas de km. Com o objetivo de 
                         auxiliar na determina{\c{c}}{\~a}o destes dom{\'{\i}}nios 
                         ser{\'a} feita an{\'a}lise de agrupamento (Cluster Analysis) nas 
                         s{\'e}ries de dados observados nas esta{\c{c}}{\~o}es 
                         meteorol{\'o}gicas autom{\'a}ticas do Instituto Nacional de 
                         Meteorologia (INMET) para o Nordeste do Brasil. Esta 
                         classifica{\c{c}}{\~a}o consiste em determinar o n{\'{\i}}vel 
                         de similaridade ou dissimilaridade entre indiv{\'{\i}}duos 
                         aplicando uma fun{\c{c}}{\~a}o de agrupamento a uma determinada 
                         vari{\'a}vel. Est{\'a} an{\'a}lise t{\^e}m como principal 
                         objetivo determinar regi{\~o}es com padr{\~o}es de intensidade 
                         do vento semelhante dentro do dom{\'{\i}}nio do estudo, e assim 
                         facilitar a localiza{\c{c}}{\~a}o das grades nas 
                         simula{\c{c}}{\~o}es dos modelos, evitando grades que possuam 
                         pontos com diferentes padr{\~o}es de vento. Foram utilizados 
                         dados hor{\'a}rios de velocidade do vento a 10 m de altura de 113 
                         esta{\c{c}}{\~o}es meteorol{\'o}gicas autom{\'a}ticas, no 
                         per{\'{\i}}odo de janeiro de 2005 a dezembro de 2013. Os 
                         resultados obtidos confirmaram que h{\'a} regi{\~o}es com 
                         diferentes padr{\~o}es de vento no Nordeste, que necessitam 
                         configura{\c{c}}{\~o}es de grade distintas e 
                         parametriza{\c{c}}{\~o}es f{\'{\i}}sicas adequadas aos 
                         fen{\^o}menos meteorol{\'o}gicos observados em cada regi{\~a}o. 
                         ABSTRACT: The dependability of estimate and variability of the 
                         wind in a place or region of interest is essential, primarily for 
                         wind power projects. Currently the mapping of areas with high 
                         potential for commercial exploitation is carried out with the use 
                         of atmospheric models that require a relatively low investment. 
                         However to make simulations with mesoscale atmospheric models 
                         (e.g. BRAMS, WRF, Eta, etc.) are required to identify model 
                         domains (grids) that can range from few kilometers to tens of 
                         kilometers. The goal is determine this domains cluster, the 
                         analysis will be made to the observed data from automated weather 
                         stations of the National Institute of Meteorology (INMET) to 
                         Northeast Brazil. This classification determine the level of 
                         similarity or dissimilarity between individuals applying a 
                         clustering function to a given variable. This analysis has as main 
                         goal, determine regions with intensity patterns of similar wind 
                         within domain of the study, and thus facilitate the location of 
                         the grids in the simulations of the models, avoiding spots 
                         gratings with patterns different of wind. Hourly data were used 
                         for wind speed at 10 m height of 113 automatic weather stations, 
                         from January 2005 to December 2013. The results confirmed that 
                         there are regions with different wind patterns in Northeast, which 
                         require different grid settings, and appropriate physical 
                         parameterizations for meteorological phenomena observed in each 
                         region.",
  conference-location = "Natal, RN",
      conference-year = "13-16 out.",
        urlaccessdate = "27 abr. 2024"
}