@TechReport{GiornesBarb:2018:AmCoMo,
               author = "Giornes, Almir de Oliveira and Barbosa, Eduardo Batista de 
                         Moraes",
                title = "Ambiente computacional para monitoramento e an{\'a}lises de dados 
                         meteorol{\'o}gicos",
          institution = "Instituto Nacional de Pesquisas Espaciais",
                 year = "2018",
                 type = "RPQ",
              address = "S{\~a}o Jos{\'e} dos Campos",
                 note = "{Bolsa PIBIC/INPE/CNPq}",
             keywords = "dados meteorol{\'o}gicos.",
             abstract = "Nas {\'u}ltimas duas d{\'e}cadas, o n{\'u}mero de redes 
                         autom{\'a}ticas de esta{\c{c}}{\~o}es meteorol{\'o}gicas 
                         aumentou consideravelmente como consequ{\^e}ncia da necessidade 
                         de dados meteorol{\'o}gicos em tempo quase real e da grande 
                         evolu{\c{c}}{\~a}o de sistemas autom{\'a}ticos de 
                         aquisi{\c{c}}{\~a}o de dados. No Brasil, o Centro de 
                         Previs{\~a}o de Tempo e Estudos Clim{\'a}ticos do Instituto 
                         Nacional de Pesquisas Espaciais adquire diariamente um amplo 
                         conjunto de dados meteorol{\'o}gicos, que em grande parte 
                         s{\~a}o utilizados como insumo de rotinas operacionais, bem como 
                         no desenvolvimento de estudos cient{\'{\i}}ficos. A partir deste 
                         projeto pretende-se desenvolver um sistema para monitoramento de 
                         dados composto por mapas e informa{\c{c}}{\~o}es 
                         estat{\'{\i}}sticas. Para este estudo, foram adquiridos 
                         tr{\^e}s anos de dados meteorol{\'o}gicos do tipo SYNOP, 
                         originados de esta{\c{c}}{\~o}es meteorol{\'o}gicas que 
                         reportam condi{\c{c}}{\~o}es da superf{\'{\i}}cie terrestre em 
                         hor{\'a}rios sin{\'o}ticos, que s{\~a}o {\`a}s 12 horas, 
                         {\`a}s 18 e {\`a} meia noite, por meio do Sistema de 
                         Telecomunica{\c{c}}{\~a}o Global. Inicialmente, foram 
                         confeccionados mapas para avaliar a distribui{\c{c}}{\~a}o 
                         espacial dos dados. A partir de estudos estat{\'{\i}}sticos foi 
                         poss{\'{\i}}vel conhecer alguns par{\^a}metros, em que um deles 
                         {\'e} o valor da m{\'e}dia das observa{\c{c}}{\~o}es por hora, 
                         a partir dos quais pode-se observar que as maiores quantidades de 
                         observa{\c{c}}{\~o}es se encontram nos hor{\'a}rios 
                         sin{\'o}ticos, com uma m{\'e}dia de 6710 
                         observa{\c{c}}{\~o}es, e nos hor{\'a}rios intermedi{\'a}rios 
                         aos sin{\'o}ticos, que s{\~a}o de tr{\^e}s em tr{\^e}s horas, 
                         com uma m{\'e}dia de 5965 observa{\c{c}}{\~o}es, os demais 
                         hor{\'a}rios apresentam uma m{\'e}dia menor, apresentando 1974 
                         observa{\c{c}}{\~o}es. Outro par{\^a}metro observado foi a 
                         m{\'e}dia di{\'a}ria, que no qual apresenta cerca de 3397 
                         observa{\c{c}}{\~o}es. Identificou-se um crescimento ao longo 
                         dos anos em rela{\c{c}}{\~a}o ao total de 
                         observa{\c{c}}{\~o}es por dia, em que a m{\'e}dia do total de 
                         observa{\c{c}}{\~o}es di{\'a}rias registrado em 2015 foi de 
                         67817, enquanto que em 2017 foi uma m{\'e}dia de 90049, 
                         apresentando um crescimento de 32,78%. A partir de 
                         distribui{\c{c}}{\~o}es de frequ{\^e}ncia foram realizados 
                         ajustes da distribui{\c{c}}{\~a}o de probabilidade visando 
                         conhecer o padr{\~a}o dos dados e prever poss{\'{\i}}veis 
                         erros. Os resultados preliminares revelam semelhan{\c{c}}as entre 
                         hor{\'a}rios de chegada dos dados, principalmente nos 
                         hor{\'a}rios sin{\'o}ticos, que apresentam quantidades de 
                         observa{\c{c}}{\~o}es similares e com valores mais elevados. 
                         Para chegar aos ajustes, foram realizados testes atrav{\'e}s de 
                         programas em R, um ambiente estat{\'{\i}}stico que disponibiliza 
                         ferramentas para an{\'a}lises estat{\'{\i}}sticas aprimoradas. 
                         Foram realizados diversos testes com diferentes 
                         distribui{\c{c}}{\~o}es de probabilidade, e a melhor foi a 
                         distribui{\c{c}}{\~a}o de Cauchy. Essa distribui{\c{c}}{\~a}o 
                         se assemelha {\`a} distribui{\c{c}}{\~a}o Normal, por{\'e}m 
                         com os testes realizados, esta n{\~a}o foi adotada como a melhor 
                         por conta da dispers{\~a}o dos dados. A partir dos ajustes 
                         espera-se que os dados correntes sigam o mesmo padr{\~a}o 
                         identificados em anos anteriores.",
          affiliation = "{Faculdade Tecnol{\'o}gica de Cruzeiro (FATEC)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)}",
             language = "pt",
                pages = "178",
                  ibi = "8JMKD3MGP3W34R/42HMFJP",
                  url = "http://urlib.net/ibi/8JMKD3MGP3W34R/42HMFJP",
           targetfile = "Almir de Oliveira Giornes.pdf",
        urlaccessdate = "25 abr. 2024"
}