@Article{PintoLimaMartPere:2017:AnAgOt,
               author = "Pinto, Luc{\'{\i}}a Iracema Chipponelli and Lima, Francisco 
                         Jos{\'e} Lopes de and Martins, Fernando R. and Pereira, Enio 
                         Bueno",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Universidade Federal 
                         de S{\~a}o Paulo (UNIFESP)} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)}",
                title = "An{\'a}lise de agrupamento na otimiza{\c{c}}{\~a}o de futuras 
                         aplica{\c{c}}{\~o}es de modelagem num{\'e}rica na estimativa e 
                         previs{\~a}o de recurso e{\'o}lico",
              journal = "Revista Brasileira de Geografia F{\'{\i}}sica",
                 year = "2017",
               volume = "10",
               number = "6",
                pages = "1698--1711",
             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 pode ser realizado 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 
                         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} utilizada a t{\'e}cnica de 
                         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 tem 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 121 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. A B S T R A C T 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 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 121 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.",
                 issn = "1984-2295",
             language = "pt",
           targetfile = "pinto_analise.pdf",
        urlaccessdate = "27 abr. 2024"
}