Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/1439
Title: Análise e previsão de eventos críticos de precipitação com base no SPI e em redes neurais artificiais para o Estado de Pernambuco.
???metadata.dc.creator???: GUEDES, Roni Valter de Souza.
???metadata.dc.contributor.advisor1???: SOUSA, Francisco de Assis Salviano de.
???metadata.dc.contributor.referee1???: BRITO, José Ivaldo Barbosa de.
???metadata.dc.contributor.referee2???: SILVA, Bernardo Barbosa da.
???metadata.dc.contributor.referee3???: NÓBREGA, Ranyere Silva.
???metadata.dc.contributor.referee4???: SILVA, Emerson Mariano da.
Keywords: Índices Climáticos;Temperatura da Superfície do Mar;Modelagem;Climate Indices;Sea Surface Temperature;Modeling
Issue Date: 18-Dec-2015
Publisher: Universidade Federal de Campina Grande
Citation: GUEDES, R. V. de S. Análise e previsão de eventos críticos de precipitação com base no SPI e em redes neurais artificiais para o Estado de Pernambuco. 2015. 119 f. Tese (Doutorado em Meteorologia) – Programa de Pós-Graduação em Meteorologia, Centro de Tecnologia e Recursos Naturais, Universidade Federal de Campina Grande, Paraíba, Brasil, 2016.
???metadata.dc.description.resumo???: A identificação e classificação de áreas susceptíveis à ocorrência de eventos críticos, chuvosos ou secos, tornaram-se uma necessidade frequente no contexto da variabilidade climática, responsável por muitos desastres naturais em diversos países do mundo. O diagnóstico com base nos impactos meteorológicos, agrícolas e hidrológicos pode ser aferido através de índices climáticos. O Índice de Precipitação Padronizado (SPI) foi desenvolvido para diagnosticar e categorizar a variabilidade da precipitação com base em diferentes escalas temporais. A aplicação da metodologia do SPI para 57 postos distribuídos sobre o estado de Pernambuco, Nordeste do Brasil, com séries de 1963 a 2015, foi capaz de destacar e classificar as principais anomalias das chuvas através da sua intensidade e duração. As escalas menores do SPI (mensal e trimestral) indicaram o início e tendência de cada evento; a escala semestral identificou o comportamento do período chuvoso e as escalas anual e bienal definiram os eventos mais fortes e duradouros. Foram diagnosticados eventos positivos e negativos nas categorias de fraco, moderado, severo e extremo. Foram analisados os eventos que ocorreram de forma mais generalizada e, portanto, mais significativos. Foram destacados os eventos chuvosos críticos de 1963, 1973, 1984 e os eventos secos de 1993, 1998 e 2012. A análise de agrupamento utilizando a métrica de Ward foi aplicada aos SPIs para delimitar dois grupos bem definidos para qualquer escala temporal do SPI. A divisão do estado de Pernambuco ficou assim: Grupo 1, do Litoral ao Agreste e o Grupo 2 representando todo o Sertão. Os valores das anomalias de temperatura da superfície do mar foram correlacionados com cada escala do SPI e usados como entrada nos modelos baseados em Redes Neurais Artificiais (RNA) para predizer as variações deste índice na área de estudo. Os resultados mostraram que o modelo apresentou uma boa previsão com o padrão de comportamento da escala trimestral do SPI, e não obteve o mesmo nível de desempenho para as escalas mensais e semestrais, porém, o modelo de RNA conseguiu absorver a tendência dos valores destas escalas e encontrar uma boa associação.
Abstract: The identification and classification of areas susceptible to critical events be it rainy or dry events, has become a frequent need in the current context of climate variability, esponsible for natural disasters in several countries in the world. The diagnosis based on meteorological, agricultural and hydrological impacts can be measured by climatic indices. The Standardized Precipitation Index (SPI) was developed to categorize and make the diagnostic the variability of the rainfall based on different temporal scales. The application of SPI methodology to 57 stations distributed about the state of Pernambuco, Northeastern Brazil, for the years 1963 to 2015, was able to highlight and rank the main anomalies of rainfall through its intensity and duration. Smaller scales the SPI (monthly and quarterly) indicated the start and trend of each event, the semiannual scale identified the behavior of rainy period and the annual and biennial scales it defined the strongest and most enduring events. Positive and negative events were diagnosed in the scale categories: low, moderate, severe and extreme. Were analyzed the events that occurred more widely and thus more significant. Were highlighted the critical rainfall events of 1963, 1973, 1984 and the dry events of 1993, 1998, 2012. The cluster analysis using the metric of Ward was applied to SPIs to delimit the two well-defined groups to any timescale of the SPI. The division of Pernambuco state was as follows: Group 1, from Coast to Agreste and Group 2 represents the entire Sertão. The values of the temperature anomalies of the sea surface were correlated with each SPI scale and used as input in models based on Artificial Neural Networks (ANN) to predict the variations of this index in the study area. The results showed that the model had a good forecast with the standard of behavior of the quarterly SPI scale, but did not get the same level of performance for the monthly and semi-annual scales, but the model the ANN was able to absorb the trend of the values of these scales and find a good association.
Keywords: Índices Climáticos
Temperatura da Superfície do Mar
Modelagem
Climate Indices
Sea Surface Temperature
Modeling
???metadata.dc.subject.cnpq???: Meteorologia
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/1439
Appears in Collections:Doutorado em Meteorologia.

Files in This Item:
File Description SizeFormat 
RONI VALTER DE SOUZA GUEDES - TESE (PPGMet) 2016.pdf12.95 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.