@InProceedings{PereiraGonēCostPere:2020:AlGeIm,
               author = "Pereira, Eduardo dos Santos and Gon{\c{c}}alves, Andr{\'e} 
                         Rodrigues and Costa, Rodrigo Santos and Pereira, Enio Bueno",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)}",
                title = "Algoritmo de gera{\c{c}}{\~a}o de imagens de previs{\~a}o De 
                         Campos de nebulosidade a partir de imagens de sat{\'e}lite",
            booktitle = "Anais...",
                 year = "2020",
         organization = "Congresso Brasileiro de Energia Solar, 8.",
             keywords = "Imagens de sat{\'e}lite, Previs{\~a}o de Radia{\c{c}}{\~a}o 
                         Solar, L{\'o}gica Fuzzy.",
             abstract = "Ao se realizar a previs{\~a}o de produ{\c{c}}{\~a}o de energia 
                         fotovoltaica, uma estrat{\'e}gia consiste 
                         nautiliza{\c{c}}{\~a}o de processos de extra{\c{c}}{\~a}o do 
                         campo de velocidade da nebulosidade a partir dasimagens de 
                         sat{\'e}lite. Neste trabalho {\'e} proposta uma metodologia que 
                         n{\~a}o somente estima ocampo de velocidades, mas que tamb{\'e}m 
                         {\'e} capaz de construir imagens sint{\'e}ticas de 
                         previs{\~a}o,equivalentes as imagens de sat{\'e}lite futuras. 
                         Para tal tarefa, foi desenvolvido um algoritmo deprocessamento em 
                         linha, tamb{\'e}m conhecido como pipeline. Imagens de 
                         sat{\'e}lite sequ{\^e}nciass{\~a}o segmentadas, utilizando um 
                         controlador Fuzzy, a fim de se extrair o campo denebulosidade e a 
                         partir disto, utilizou-se o algoritmo block matching para 
                         determinar o campode velocidade. Utilizando um m{\'e}todo de 
                         an{\'a}lise multirresolu{\c{c}}{\~a}o, para definir o grau 
                         desimilaridade da posi{\c{c}}{\~a}o de nuvens dos dados 
                         sint{\'e}ticos, foram realizadas compara{\c{c}}{\~o}es 
                         comintervalo de previs{\~a}o de trinta minutos, uma hora, duas 
                         horas e quatro horas, em que foiobservado que os picos 
                         probabilidade de similaridade ocorreram em 70%, para 
                         previs{\~o}es dequatro horas, aumentando em intervalos mais 
                         curtos, chegando a 90% de similaridade paratrinta minutos, 
                         indicando robustez do modelo para previs{\~o}es de curto prazo.",
  conference-location = "Fortaleza, CE",
      conference-year = "26-30 out.",
                label = "lattes: 2669917809806669 3 
                         PereiraGon{\c{c}}CostPere:2020:AlGeIm",
             language = "pt",
           targetfile = "pereira_algoritmo.pdf",
        urlaccessdate = "28 abr. 2024"
}