Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-03-09T23:04:24Z
No. of bitstreams: 1
AlineGomesDaSilva_TESE.pdf: 3707812 bytes, checksum: 62b13ab70c7f0d3fd9c615d06c89a5f5 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-03-14T00:00:04Z (GMT) No. of bitstreams: 1
AlineGomesDaSilva_TESE.pdf: 3707812 bytes, checksum: 62b13ab70c7f0d3fd9c615d06c89a5f5 (MD5) / Made available in DSpace on 2017-03-14T00:00:04Z (GMT). No. of bitstreams: 1
AlineGomesDaSilva_TESE.pdf: 3707812 bytes, checksum: 62b13ab70c7f0d3fd9c615d06c89a5f5 (MD5)
Previous issue date: 2016-09-16 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico (CNPq) / Este trabalho apresenta a an?lise do desempenho do m?todo de previs?o por
conjunto atrav?s de Regress?o Linear M?ltipla por Componentes Principais (RCP)
para combinar simula??es, com diferentes configura??es, executadas com um
modelo clim?tico regional (t?cnica downscaling din?mico) a fim de simular a
precipita??o sobre a parte tropical da Am?rica do Sul. As an?lises focaram-se em
duas sub-regi?es do Brasil: Nordeste Brasileiro (NEB) e Amaz?nia (AMZ). O modelo
regional utilizado nas simula??es foi o RegCM4, for?ado por dados do ERA-Interim,
produzidos pelo European Center for Medium-Range Weather Forecast (ECMWF).
Analisaram-se 18 outonos austrais de 1991 at? 2008. Para a composi??o da
previs?o por conjunto foram usados 2/3 do per?odo para treinamento e 1/3 para
valida??o, conforme a t?cnica de holdout. Os resultados foram comparados aos
dados di?rios de precipita??o do Global Precipitation Climatology Center (GPCC) e
com a m?dia aritm?tica (MA) das simula??es, que ? o m?todo geralmente utilizado
para previs?o por conjunto. O modelo RegCM4 apresentou potencialidade para
prever a precipita??o sobre a regi?o tropical da Am?rica do Sul (AS). Al?m disso,
diferentes parametriza??es do modelo podem ser modificadas a fim de torn?-lo mais
eficaz. Entretanto, o bom desempenho do modelo somado ao m?todo de previs?o
por conjunto RCP aumentou a precis?o, comparada ao m?todo MA apresentando:
vieses menos tendenciosos (m?dia pr?xima de zero), enquanto o m?todo MA foi
tendencioso (subestimou a precipita??o); maior captura da variabilidade dos dados
do GPCC e correla??o moderada com os dados do GPCC, enquanto MA obteve
correla??o fraca e maior erro quadr?tico m?dio. Al?m disso, o m?todo RCP
reproduziu, com melhor desempenho, a distribui??o da frequ?ncia de chuva di?ria
ao longo de todo o per?odo para ambas as regi?es. Portanto, a partir da metodologia
desenvolvida e implementada obteve-se melhorias na previs?o da intensidade da
chuvas di?rias sobre a regi?o tropical da Am?rica do Sul. / This study presents an analysis of the performance of the method ensemble
forecasting by Multiple Linear Regression Principal Component (RPC) to combine
simulations with different configurations, performed with a regional climate model
(downscaling dynamic technique) in order to simulate rainfall over tropical portion of
South America. The analysis focused on two sub-regions of Brazil: Northeast Brazil
(NEB) and Amazon (AMZ). The regional model used in the simulations was the
RegCM4, forced by ERA-Interim data produced by the European Center for Medium-
Range Weather Forecast (ECMWF). They analyzed 18 austral autumns (1991 until
2008). For the composition of a prediction ensemble, were used for training period
2/3 and 1/3 for validation, as holdout technique. The results were compared to daily
precipitation data from the Global Precipitation Climatology Center (GPCC) and the
average of the simulations (MA method), which is the method generally used for
ensemble forecasting. The RegCM4 model showed potential to predict rainfall over
the tropical region of AS. Moreover, different parameterization of the model can be
modified to make it more effective. However, the good performance of the model
combined with the RCP method of prediction ensemble increased accuracy
compared to the MA method, with: less biased bias (average close to zero), while the
MA method was biased (underestimated precipitation); greater capture the variability
of GPCC data and moderate correlation with the GPCC data, while MA obtained
weak correlation and greater mean square error. In addition, the reproduced PCR
method improves the performance, the distribution of daily precipitation along the
entire the period for both regions. Therefore, from the developed and implemented
methodology yielded improvements in forecasting intensity of daily rainfall over the
tropical region of South America.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/22235 |
Date | 16 September 2016 |
Creators | Silva, Aline Gomes da |
Contributors | 66961513204, http://lattes.cnpq.br/1394248306018449, Santos, Alexandre Torres Silva dos, 03432339402, http://lattes.cnpq.br/6747678803291442, Mendes, David, 43298990272, http://lattes.cnpq.br/4411895644401494, Lucio, Paulo S?rgio, 77231295720, Rocha, Rosmeri Porfirio, 04382999812, Spyrides, Maria Helena Constantino, Silva, Cl?udio Mois?s Santos e |
Publisher | PROGRAMA DE P?S-GRADUA??O EM CI?NCIAS CLIM?TICAS, UFRN, Brasil |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Source | reponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.3106 seconds