CCET - TCC - Meteorologia
URI Permanente para esta coleçãohttps://repositorio.ufrn.br/handle/123456789/33118
Navegar
Navegando CCET - TCC - Meteorologia por Autor "0000-0002-0278-6284"
Agora exibindo 1 - 2 de 2
- Resultados por página
- Opções de Ordenação
TCC Avaliação de simulações com o REGCM4.6 no estado do Rio Grande do Norte(Universidade Federal do Rio Grande do Norte, 2023-12-14) Sá, Thales Nunes Martins de; Mendes, Keila Rego; Silva, Claúdio Moisés Santos e; 0000-0002-2251-7348; http://lattes.cnpq.br/1394248306018449; 0000-0002-0278-6284; http://lattes.cnpq.br/1944170626580025; 0009-0001-5229-2776; http://lattes.cnpq.br/6138387738570383; Bezerra, Bergson Guedes; 0000-0002-1566-3304; http://lattes.cnpq.br/1901216516407999; Rodrigues, Daniele Tôrres; 0000-0003-4307-2832; http://lattes.cnpq.br/4682555268827167; Morais, Leonardo Fiusa de; 0000-0002-3368-4213; http://lattes.cnpq.br/8487995522785799Estudos de modelagem numérica de sistemas terrestres são poderosas ferramentas para previsão e simulação das diferentes variáveis do sistema climático. Entretanto, dependem da capacidade do modelo em resolver processos de subgrade e para isso, avaliações ao nível local são necessárias. Desta forma, o presente trabalho tem como objetivo principal avaliar uma simulação com um modelo climático regional a partir de dados observados in situ das variáveis precipitação diária, temperatura máxima e temperatura mínima em quatro cidades do estado do Rio Grande do Norte. Realizou-se uma simulação com o modelo RegCM4.6. Os dados observacionais são oriundos da rede do Instituto Nacional de Meteorologia (INMET) para as cidades de Natal, Caicó, Santa Cruz e Mossoró para o período de 02 de janeiro a 31 de dezembro de 2014. A simulação com o RegCM4.6 foi adequada para a precipitação em Natal, mas apresentou dificuldade em capturar os meses de precipitação máxima, subestimando os valores de chuva nas cidades de Caicó, Santa Cruz e Mossoró. A simulação acompanhou a variação sazonal da temperatura máxima e mínima observada, embora tenha sido superestimado em todas as cidades e com defasagem na temperatura mínima para a cidade de Natal. Com base neste estudo, destaca-se que o modelo RegCM4.6 obteve melhores resultados estatísticos no período seco. Portanto, há necessidade de mais testes e processo de calibração no modelo para simular de maneira adequada a precipitação e temperatura a nível municipal para essa região.TCC Imputação de dados horários de velocidade do vento no território continental do Brasil(Universidade Federal do Rio Grande do Norte, 2023-03-13) Araújo, Paula Andressa Alves de; Silva, Cláudio Moisés Santos e; 0000-0002-2251-7348; http://lattes.cnpq.br/1394248306018449; 0009-0002-4516-4378; http://lattes.cnpq.br/4857107569349842; Emiliavaca, Samira de Azevedo Santos; 0000-0002-2875-6649; http://lattes.cnpq.br/8334809149422137; Rodrigues, Daniele Tôrres; 0000-0003-4307-2832; http://lattes.cnpq.br/4682555268827167; Mendes, Keila Rêgo; 0000-0002-0278-6284; http://lattes.cnpq.br/1944170626580025O vento é uma importante variável meteorológica para planejamentos urbanos e rurais de atividades econômicas, como a produção de energia. Entretanto, há poucos estudos com abrangência nacional que visem fornecer e avaliar estatisticamente bancos de dados na escala horária, em parte, pela ausência de séries de dados observados sem falhas, ao longo da distribuição continental do Brasil. Assim, o objetivo da presente pesquisa é integralizar um banco de dados de velocidade do vento, com amostragem horária sem falhas para todo o território continental do Brasil. Utilizou-se o método de imputação múltipla para um conjunto de dados oriundos, inicialmente, de 449 estações automáticas de superfície, posteriormente reduzido para 421 estações. Os dados possuem amostragem horária e cobrem o período de 01 de janeiro de 2010 a 31 de dezembro de 2020. Tanto a série temporal original quanto a imputada, apresentaram grandes quantidades de outliers, afetando análises quantitativas. Foram imputados um total de 5.560.709 valores e, após a imputação, os valores do desvio padrão e da variância foram menores, com diferenças de 0,06 e 0,19, respectivamente, indicando uma diminuição da variabilidade dos dados. Verificou-se que os maiores valores foram observados nas regiões Sul e Sudeste. Os menores valores horários foram observados na região Nordeste. Alguns anos, como 2010, 2016, 2020 e 2021, apresentaram aumento no valor da média. O mês de setembro apresentou a maior variação dos dados antes e após a imputação. Os dados imputados apresentaram um valor mais elevado no primeiro quartil, Q1, em grande parte dos meses, quando comparado ao Q1 dos dados não imputados. Na análise horária, houve maior variação entre os dados originais e imputados entre 11:00h e 20:00h. Porém, o outlier de maior valor ocorreu às 09:00h. Conclui-se que as diferenças entre as estatísticas descritivas da série incompleta e da após a imputação não foram tão destoantes, fato que implica que os dados imputados foram gerados como valores próximos à mediana e sem impactar as características da série original.