Submitted by Maria Medeiros (maria.dilva1@ufcg.edu.br) on 2018-08-14T11:48:17Z
No. of bitstreams: 1
RONI VALTER DE SOUZA GUEDES - TESE (PPGMet) 2016.pdf: 13257786 bytes, checksum: 624133c9b10421f7ba2d7cf8d0eacf79 (MD5) / Made available in DSpace on 2018-08-14T11:48:17Z (GMT). No. of bitstreams: 1
RONI VALTER DE SOUZA GUEDES - TESE (PPGMet) 2016.pdf: 13257786 bytes, checksum: 624133c9b10421f7ba2d7cf8d0eacf79 (MD5)
Previous issue date: 2015-12-18 / CNPq / 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. / 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.
| Identifer | oai:union.ndltd.org:IBICT/oai:localhost:riufcg/1439 |
| Date | 14 August 2018 |
| Creators | GUEDES, Roni Valter de Souza. |
| Contributors | SOUSA, Francisco de Assis Salviano de., BRITO, José Ivaldo Barbosa de., SILVA, Bernardo Barbosa da., NÓBREGA, Ranyere Silva., SILVA, Emerson Mariano da. |
| Publisher | Universidade Federal de Campina Grande, PÓS-GRADUAÇÃO EM METEOROLOGIA, UFCG, Brasil, Centro de Tecnologia e Recursos Naturais - CTRN |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Biblioteca de Teses e Dissertações da UFCG, instname:Universidade Federal de Campina Grande, instacron:UFCG |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0068 seconds