dc.creator.ID |
DANTAS, L. G. |
pt_BR |
dc.creator.ID |
DANTAS, LEYDSON GALVÍNCIO. |
pt_BR |
dc.creator.ID |
DANTAS, LEYDSON G. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/6496208673869879 |
pt_BR |
dc.contributor.advisor1 |
SANTOS, Carlos Antonio Costa dos. |
|
dc.contributor.advisor1ID |
SANTOS, C. A. C. |
pt_BR |
dc.contributor.advisor1ID |
Dos Santos, C.A.C. |
pt_BR |
dc.contributor.advisor1ID |
Santos, Carlos A. C. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/8478223179930197 |
pt_BR |
dc.contributor.referee1 |
BRITO, José Ivaldo Barbosa de. |
|
dc.contributor.referee1ID |
BRITO, J. I. B. |
pt_BR |
dc.contributor.referee1ID |
BRITO, JOSÉ IVALDO BARBOSA DE. |
pt_BR |
dc.contributor.referee1ID |
DE BRITO, JOSÉ. |
pt_BR |
dc.contributor.referee1Lattes |
http://lattes.cnpq.br/0969175544734620 |
pt_BR |
dc.contributor.referee2 |
SILVA, Bernardo Barbosa da. |
|
dc.contributor.referee2ID |
SILVA, B. B. da. |
pt_BR |
dc.contributor.referee2ID |
SILVA, Bernardo Barbosa da. |
pt_BR |
dc.contributor.referee2ID |
Da Silva, Bernardo B. |
pt_BR |
dc.contributor.referee2Lattes |
http://lattes.cnpq.br/8285693170429747 |
pt_BR |
dc.contributor.referee3 |
OLINDA, Ricardo Alves de. |
|
dc.contributor.referee3ID |
OLINDA, R. A. |
pt_BR |
dc.contributor.referee3ID |
Olinda, Ricardo Alves de. |
pt_BR |
dc.contributor.referee3ID |
OLINDA, RICARDO A. |
pt_BR |
dc.contributor.referee3Lattes |
http://lattes.cnpq.br/7767223263366578 |
pt_BR |
dc.contributor.referee4 |
SANTOS, Celso Augusto Guimarães. |
|
dc.contributor.referee4ID |
SANTOS, Celso A. G. |
pt_BR |
dc.contributor.referee4ID |
SANTOS, C. A. G. |
pt_BR |
dc.contributor.referee4ID |
SANTOS, Celso Augusto G. |
pt_BR |
dc.contributor.referee4Lattes |
http://lattes.cnpq.br/4223859537570442 |
pt_BR |
dc.contributor.referee5 |
MARTINS, Eduardo Sávio Passos Rodrigues. |
|
dc.contributor.referee5ID |
MARTINS, Eduardo Sávio P. R. |
pt_BR |
dc.contributor.referee5ID |
MARTINS, Eduardo S. |
pt_BR |
dc.contributor.referee5ID |
MARTINS, E. S. |
pt_BR |
dc.contributor.referee5Lattes |
http://lattes.cnpq.br/1454767270220104 |
pt_BR |
dc.description.resumo |
O estado da Paraíba faz parte da região semiárida do Brasil, onde nos últimos anos vem
convivendo com secas severas, resultando em grandes prejuízos socioeconômicos associados à
variabilidade climática. A compreensão do quanto e como a precipitação pode ser influenciada
pelo comportamento da temperatura da superfície do mar (TSM) na região tropical pode
auxiliar na mitigação de problemas como este. Para isso, é necessário ajustar um modelo que
consiga capturar a influência da TSM nas séries temporais de precipitação. Neste estudo, o
modelo aditivo generalizado para localização, escala e forma (GAMLSS) foi aplicado com o
objetivo de filtrar os índices climáticos com maior eficiência preditiva e, consequentemente,
realizar prognósticos climáticos de precipitação. Os resultados evidenciam a frequente
influência da TSM no estado, sendo a colaboração do Oceano Atlântico tropical mais efetiva
que a do Oceano Pacífico tropical na distribuição das chuvas, destacando os índices TNA, TSA,
AMO, SOI e PDO, como os principais preditores. O modelo GAMLSS demostrou habilidade
preditiva durante o verão e outono austral na Paraíba. Essa performance é verificada durante a
aplicação dos prognósticos climáticos nos anos de 2016 e 2017, destacando os trimestres de
JFM, FMA, MAM e AMJ, como os de maior potencial preditivo. A metodologia demonstra
características inovadoras pelo potencial na geração de prognóstico climático. Permitindo aos
diversos setores, possibilidades de gestão regional e sustentável dos recursos hídricos, o que
pode promover, de modo prático, resiliência ao risco climático. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Tecnologia e Recursos Naturais - CTRN |
pt_BR |
dc.publisher.program |
PÓS-GRADUAÇÃO EM METEOROLOGIA |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Meteorologia |
pt_BR |
dc.title |
Modelagem não estacionária GAMLSS aplicada à precipitação no Estado da Paraíba, Brasil. |
pt_BR |
dc.date.issued |
2020-02-18 |
|
dc.description.abstract |
The state of Paraíba makes part of the semiarid region of Brazil, where in recent years, it has
been living with severe droughts, resulting in major socioeconomic losses associated with
climate variability. Understanding how much and how precipitation may be influenced by sea
surface temperature (SST) behavior in the tropical region can assist in mitigating problems like
this. Thus, it is necessary to adjust a model that can capture the influence of the SST on the
precipitation time series. In this study, the generalized additive models for location, scale, and
shape (GAMLSS) was applied to filter the climatic indices with higher predictive efficiency
and consequently to perform climatic precipitation predictions. The results show the frequent
influence of SST in the State, being the collaboration of the tropical Atlantic Ocean more
effective than that of the tropical Pacific Ocean in the distribution of rainfall, highlighting the
TNA, TSA, AMO, SOI and PDO indexes, as the main predictors. The GAMLSS model showed
predictive ability during the summer and austral fall in Paraíba. This performance is verified
during the application of climate forecasts in the years 2016 and 2017, highlighting the
trimesters of JFM, FMA, MAM, and AMJ, as those with the highest predictive potential. The
methodology demonstrates innovative characteristics by the potential in generating climate
prognosis. Allowing different sectors, possibilities for regional and sustainable management of
water resources, which can promote, in a practical way, resilience to climate risk. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/26534 |
|
dc.date.accessioned |
2022-08-08T20:21:54Z |
|
dc.date.available |
2022-08-08 |
|
dc.date.available |
2022-08-08T20:21:54Z |
|
dc.type |
Tese |
pt_BR |
dc.subject |
Não-estacionário |
pt_BR |
dc.subject |
Recursos hídricos |
pt_BR |
dc.subject |
Índices climáticos |
pt_BR |
dc.subject |
Nordeste |
pt_BR |
dc.subject |
Distribuição ZAGA |
pt_BR |
dc.subject |
Non-stationary |
pt_BR |
dc.subject |
Water resources |
pt_BR |
dc.subject |
Climate indices |
pt_BR |
dc.subject |
Northeast |
pt_BR |
dc.subject |
ZAGA distribution |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
DANTAS, Leydson Galvíncio. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Non-stationary GAMLSS modeling applied to precipitation in the state of Paraiba, Brazil. |
pt_BR |
dc.identifier.citation |
DANTAS, Leydson Galvíncio. Modelagem não estacionária GAMLSS aplicada à precipitação no
Estado da Paraíba, Brasil. 2020. 146. fl. Tese (Doutorado em Meteorologia), Programa de Pós-Graduação em Meteorologia, Centro de Tecnologia e Recursos Naturais, Universidade Federal de Campina Grande - Paraíba - Brasil, 2020. |
pt_BR |