Fechar

1. Identificação
Tipo de ReferênciaResumo em Evento (Conference Proceedings)
Sitemtc-m21d.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34T/45LA7UE
Repositóriosid.inpe.br/mtc-m21d/2021/10.21.21.11
Última Atualização2021:10.21.21.13.25 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m21d/2021/10.21.21.11.46
Última Atualização dos Metadados2022:08.07.03.53.46 (UTC) administrator
Chave SecundáriaINPE--PRE/
Chave de CitaçãoQuintanilhaNetoAnocShim:2021:PrMoEv
TítuloPrevisão e monitoramento de eventos climáticos extremos sobre o Brasil usando inteligência artificial
FormatoOn-line
ProjetoPrevisão e monitoramento de eventos externos climáticos sobre o Brasil usando inteligência artificial
Ano2021
Data de Acesso20 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho69 KiB
2. Contextualização
Autor1 Quintanilha Neto, Arthur
2 Anochi, Juliana Aparecida
3 Shimizu, Marilia Harumi
Grupo1
2 DIPTC-CGCT-INPE-MCTI-GOV-BR
3 DIPTC-CGCT-INPE-MCTI-GOV-BR
Afiliação1 Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (IFSP)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 arthur.quintanilha@hotmail.com
2 juliana.anochi@inpe.br
3 marilia.shimizu@inpe.br
EditorRibeiro, Valéria Cristina dos Santos
Paulicena, Edésio Hernane
Almeida, Elton Kleiton Albuquerque de
Correia, Emilia
Souza, João Paulo Estevam de
Hey, Heyder
Escada, Paulo Augusto Sobral
Savonov, Roman Ivanovitch
Camayo Maita, Rosio del Pilar
Nome do EventoSeminário de Iniciação Científica e Iniciação em Desenvolvimento Tecnológico e Inovação (SICINPE)
Localização do Eventoon line
Data23 a 27 - ago
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Páginas1
Título do LivroResumos
Tipo TerciárioIniciação Científica
OrganizaçãoDivisão de Fomento a Pesquisa e Desenvolvimento (DIFPD)
Histórico (UTC)2021-10-21 21:13:25 :: simone -> administrator :: 2021
2022-01-04 01:42:24 :: administrator -> simone :: 2021
2022-03-04 19:27:21 :: simone -> administrator :: 2021
2022-08-07 03:53:46 :: administrator -> :: 2021
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo de Versãopublisher
ResumoOs desastres naturais que ocorrem no Brasil estão quase todos ligados aos fenômenos meteorológicos. Portanto, a previsão e o monitoramento de eventos climáticos extremos são questões fundamentais para a sociedade e vários setores da economia. Iniciado em Setembro de 2020, este trabalho tem como objetivo implantar um sistema de tratamento e análise de grandes volumes de dados meteorológicos, através de técnicas de ciência de dados. Métodos estatísticos aplicados à meteorologia, tais como quantificação de dados inconsistentes/disponíveis, tratamento estatístico para uma série incompleta de dados e cálculo de métricas, foram utilizados, a fim de auxiliar a previsão e o monitoramento de eventos meteorológicos extremos (seca profunda e chuvas intensas). Para isso, inicialmente, foram apresentadas e instaladas as ferramentas que seriam utilizadas para o desenvolvimento do projeto, as quais foram o terminal ubuntu, as bibliotecas netCDF, GrADS e CDO, em conjunto com as fontes de dados climatológicos providos por órgãos nacionais e internacionais (CHIRPS, INMET, GPCC, etc) os quais seriam tratados. Assim, foram desenvolvidas rotinas computacionais usando a linguagem NCL, que realizam o tratamento estatístico dos dados climatológicos providos. Tais rotinas quantificam as fontes, transformam grandes listas de dados numéricos em gráficos, mapas e painéis por meio de funções que calculam a climatologia, média e anomalia de precipitação para determinada área e tempo. Durante o decorrer das atividades as funções foram aplicadas de maneira mais geral, para macrorregiões, com a finalidade de familiarizar-se com a linguagem obtendo os primeiros resultados. Posteriormente a aplicação das atividades se voltaram cada vez mais para regiões menores (mesorregiões do estado de São Paulo) e mais específicas, necessitando cada vez mais de recursos que tornavam as rotinas computacionais cada vez mais robustas e os resultados mais satisfatórios. A partir dos resultados encontrados até o momento, foram feitos relatórios mostrando e comprovando através da comparação com dados públicos a eficácia das rotinas, que podem ser utilizadas para auxiliar na previsão de eventos climáticos extremos futuros.
ÁreaMET
Arranjo 1urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Previsão e monitoramento...
Arranjo 2urlib.net > BDMCI > Fonds > Produção a partir de 2021 > COEPE > PIBIC/PIBITI 2021 > Previsão e monitoramento...
Arranjo 3urlib.net > BDMCI > Fonds > Acervo PIBIC/PIBITI > PIBIC/PIBITI 2021 > Previsão e monitoramento...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 21/10/2021 18:11 1.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://mtc-m21d.sid.inpe.br/ibi/8JMKD3MGP3W34T/45LA7UE
URL dos dados zipadoshttp://mtc-m21d.sid.inpe.br/zip/8JMKD3MGP3W34T/45LA7UE
Idiomapt
Arquivo AlvoArthur Quintanilha Neto_Resumo.pdf
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/46KUATE
8JMKD3MGPDW34P/478H5L5
Lista de Itens Citandosid.inpe.br/mtc-m16c/2022/07.08.19.08 26
Acervo Hospedeirourlib.net/www/2021/06.04.03.40
6. Notas
NotasBolsa PIBIC/PIBITI/INPE/CNPq.
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress edition isbn issn keywords label lineage mark mirrorrepository nextedition numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress readpermission resumeid rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url volume


Fechar