Return to search

Calibração automática multi-sítio e multi-objetiva de um modelo de superfície terrestre / Multi-site and multi-objective automatic calibration of a land surface model

Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2015-11-20T16:28:45Z
No. of bitstreams: 1
texto completo.pdf: 458993 bytes, checksum: dc18b1e56ac6ab2766d0dfdad034175c (MD5) / Made available in DSpace on 2015-11-20T16:28:45Z (GMT). No. of bitstreams: 1
texto completo.pdf: 458993 bytes, checksum: dc18b1e56ac6ab2766d0dfdad034175c (MD5)
Previous issue date: 2015-09-17 / Os modelos de interação atmosfera-biosfera (LSMs) são ferramentas fundamentais em pesquisas relacionadas a superfície terrestre, atmosfera, hidrologia, previsão do tempo e clima. Desde o surgimento dos primeiros modelos na década de 60, esses modelos sofreram uma grande evolução e estão se tornando cada vez mais complexos. Esses LSMs simulam uma grande quantidade dos processos que ocorrem na biosfera, como os fluxos de radiação, calor, vapor de água e momentum. Cada um desses processos possui um ou mais parâmetros e o uso correto desses parâmetros são de suma importância para se obter uma simulação realista (confiável). Mas nem sempre é possível coletar ou inferir o valor desses parâmetros. Nesses casos pode-se realizar uma calibração do modelo, que é um conjunto de testes (simulações), com valores aleatórios de parâmetros, que são realizados até que se encontre um bom ajuste do modelo. No entanto, uma calibração simples acaba ajustando o modelo apenas localmente. Para se obter uma calibração que represente toda uma região (com características similares) é preciso realizar uma calibração multi-sítio. Este trabalho apresenta uma ampliação do Optis (software de calibração automática) que possibilita a realização de calibrações multi-sítio do modelo INLAND. Duas técnicas de calibração multi-sítio foram desenvolvidas, a MSMO (Multiple Site Multiple Objectives) e a AMSMO (Average Multiple Sites Multiple Objectives). A diferença entre elas é que, enquanto a MSMO leva em consideração cada sítio de forma independente, a AMSMO faz uma média dos sítios. Um experimento numérico foi realizado comparando as técnicas multi-sítio com calibrações realizadas em um único sítio. Os resultados mostraram que a calibração AMSMO é a que gera uma melhor representação dos sítios usados na calibração, atingindo mais de 80% de ajuste. / Land surface models (LSMs) are important tools for research on land surface, atmosphere, hydrology, weather forecast and climate. Since the emergence of the first models in the 1960s, these models experienced substantial evolution and are becoming increasingly complex. A large number of biosphere processes, such as radiation, sensible heat, water vapor and momentum fluxes are simulated by these LSMs. Each process has one or more parameters and the correct choice of these parameters are very important to obtain a realistic simulation. However, collect (or infer) the parameters values is not always possible. In this case, it is suggested to perform a model calibration, which is a set of tests (simulations), with random parameters values, repeated until a good model fit is achieved. However, a simple calibration only adjusts the model locally. To obtain a calibration that represents an entire region (with similar characteristics), it is necessary a multi-site calibration. This work presents an extension of the Optis (an automatic calibration software) that allows multi-site calibrations of the INLAND model. Two multi-site calibration techniques were developed, MSMO (Multiple Site Multiple Objectives) and AMSMO (Average Multiple Sites Multiple Objectives). The difference between them is that MSMO considers the results of each site independently, while AMSMO makes an average of the sites. A numerical experiment was conducted comparing multi- site techniques with calibrations perfomed in a single site. The results showed that AMSMO calibration generates a better representation of the sites used for calibration, with model performance greater than 80% of the best model performance.

Identiferoai:union.ndltd.org:IBICT/oai:localhost:123456789/6776
Date17 September 2015
CreatorsFontes, Vitor Cunha
ContributorsCosta, Marcos Heil
PublisherUniversidade Federal de Viçosa
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UFV, instname:Universidade Federal de Viçosa, instacron:UFV
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0113 seconds