Navegando por Autor "Luz, Josiel Oliveira da"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
Dissertação Modelos espaciais e espaço-temporais para contagem de chuvas extremas na costa leste do Nordeste do Brasil(Universidade Federal do Rio Grande do Norte, 2025-01-10) Luz, Josiel Oliveira da; Morales, Fidel Ernesto Castro; http://lattes.cnpq.br/8552159154343151; https://orcid.org/0000-0001-6128-9432; http://lattes.cnpq.br/6106700517329582; Costa, Eliardo Guimarães da; http://lattes.cnpq.br/3160805152538713; Cabral Júnior, Jorio BezerraO estudo dos extremos climáticos é essencial para entender as ocorrências de desastres naturais. Ele se torna ainda mais importante quando as ferramentas disponíveis para essa análise não desempenham suas funções com precisão. Isso é o caso dos eventos extremos de precipitação que ocorrem na costa leste do Nordeste do Brasil, em que as estimativas do satélite Tropical Rainfall Measuring Mission (TRMM) e do satélite Global Precipitation Measurement (GPM) tendem a subestimar as precipitações extremas. Assim, o presente estudo propôs-se a analisar o desempenho de modelos espaciais e espaço-temporais, disponíveis na literatura e implementados na linguagem R, quando aplicados a dados de contagem de chuvas extremas da costa leste do Nordeste, bem como comparar os desempenhos dos modelos com o desempenho do satélite para o contexto de estudo. Visando, assim, construir conhecimentos necessários para embasar o desenvolvimento de medidas de mitigação a desastres naturais. Para isto, adotou-se como variável de estudo a quantidade de vezes que os acumulados diários de chuva ultrapassaram ou foram iguais ao limiar de 30 milímetros ao longo de um ano, de modo que as contagens foram feitas por estação pluviométrica. Essa variável é um dos 27 índices adotados pela Organização Meteorológica Mundial (OMM) para o estudo de variações climáticas. A série temporal estudada possui registros dos acumulados diários de precipitação de 36 estações durante o período de 1991 a 2022. Além das precipitações, ela possui a latitude, a longitude e a altitude das estações. Os dados foram extraídos do Instituto Nacional de Meteorologia (INMET) e da Agência Nacional de Águas e Saneamento Básico (ANA). No que tange a metodologia adotada para as partes principais do estudo, a pesquisa teve início com uma busca na literatura de pacotes da linguagem R que trabalhassem com dados de contagem numa perspectiva espacial e espaço-temporal. Após a busca e antes de utilizar os modelos, foi feita uma análise descritiva dos dados, na qual foram calculadas as médias, as medianas, os desvios padrão, os coeficientes de variação e as amplitudes por ano e estação. A investigação teve continuidade com a análise entre a variável de estudo e as covariáveis latitude, longitude e altitude por meio de gráficos de dispersão. Ainda foram estudadas as dependências espacias e temporais através de variogramas. Uma vez concluída a análise descritiva, para ser possível avaliar o desempenho dos modelos, utilizou-se a metodologia da validação cruzada. A comparação entre os modelos e os dados de satélite ocorreu por meio das estatísticas de erro quadrático médio, viés e coeficiente de correlação, as quais foram calculadas com base nos dados interpolados e nos dados observados. Os resultados alcançados nessa pesquisa são relevantes. Os extremos ocorrem com maior frequência nas regiões próximas ao litoral, com dependência espacial e com dependência temporal apenas para algumas estações. Além disso, numa análise meramente observacional, nota-se um indicativo de padrões de extremos se repetindo a cada 10 anos a partir de 1991. Foi possível constatar também que os dados de satélite subestimam os extremos na região estudada, principalmente ao sul dessa área. Foram identificados na literatura 4 pacotes implementados na linguagem R capazes de trabalhar com os dados de estudo, bem como foram ajustados 6 modelos desses pacotes. Os modelos obtiveram excelentes resultados quando comparados com as estimativas de satélite. Demonstrando serem melhores na maioria das localidades testadas. Mostrando também que possuem grande potencial de gerarem dados mais confiáveis para a análise de extremos de precipitação.