Desenvolvimento de metodologias para estimativas de cobertura de nuvens
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações do INPE |
Texto Completo: | http://urlib.net/sid.inpe.br/mtc-m18/2014/02.04.12.41 |
Resumo: | O papel de cada componente do balanço de energia terrestre e sua correspondente influência no clima da Terra é a chave para entendermos o clima e sua variabilidade. Estimativas de quantidade de nuvens e altura da nuvem são de grande importância para modelagem do clima. Sob o ponto de vista aplicado, pode-se citar o importante papel que tais informações fornecem para o controle do tráfego aéreo. A presente pesquisa teve como objetivo desenvolver metodologias para estimar parâmetros de nebulosidade utilizando dados de irradiação de onda longa incidente na superfície juntamente com dados meteorológicos medidos em estações superfície em duas localidades, Brasília (DF) e Petrolina (PE). A primeira metodologia proposta emprega conceitos de física atmosférica para a estimativa da fração de cobertura de nuvens e apresentou comportamento similar à climatologia das localidades estudadas. O segundo método propõe a utilização de Redes Neurais Artificiais para a estimativa do Coeficiente de Cobertura Efetiva de Nuvens. O método apresentou boa correlação com as medições satelitais, com coeficientes de correlação de aproximadamente 0,9 e desvios MBE da ordem de $10^{-4}$ e RMSE abaixo de 0,11 para ambas as localidades. Além disso, o método conseguiu avaliar bem as não linearidades da estimativa, quando comparado com métodos lineares como Regressão Linear Múltipla. |
id |
INPE_0759f74cca42906629ef592ec20a4f49 |
---|---|
oai_identifier_str |
oai:urlib.net:sid.inpe.br/mtc-m18/2014/02.04.12.41.02-0 |
network_acronym_str |
INPE |
network_name_str |
Biblioteca Digital de Teses e Dissertações do INPE |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisDesenvolvimento de metodologias para estimativas de cobertura de nuvensDevelopment of methodologies for cloud cover estimation2014-02-19Enio Bueno PereiraFernando Ramos MartinsEduardo Weide LuizInstituto Nacional de Pesquisas Espaciais (INPE)Programa de Pós-Graduação do INPE em MeteorologiaINPEBRradiação de onda longa. nebulosidade. redes neurais artificiaislongwave downward radiationnebulosityartificial neural networkO papel de cada componente do balanço de energia terrestre e sua correspondente influência no clima da Terra é a chave para entendermos o clima e sua variabilidade. Estimativas de quantidade de nuvens e altura da nuvem são de grande importância para modelagem do clima. Sob o ponto de vista aplicado, pode-se citar o importante papel que tais informações fornecem para o controle do tráfego aéreo. A presente pesquisa teve como objetivo desenvolver metodologias para estimar parâmetros de nebulosidade utilizando dados de irradiação de onda longa incidente na superfície juntamente com dados meteorológicos medidos em estações superfície em duas localidades, Brasília (DF) e Petrolina (PE). A primeira metodologia proposta emprega conceitos de física atmosférica para a estimativa da fração de cobertura de nuvens e apresentou comportamento similar à climatologia das localidades estudadas. O segundo método propõe a utilização de Redes Neurais Artificiais para a estimativa do Coeficiente de Cobertura Efetiva de Nuvens. O método apresentou boa correlação com as medições satelitais, com coeficientes de correlação de aproximadamente 0,9 e desvios MBE da ordem de $10^{-4}$ e RMSE abaixo de 0,11 para ambas as localidades. Além disso, o método conseguiu avaliar bem as não linearidades da estimativa, quando comparado com métodos lineares como Regressão Linear Múltipla.The role of each component in the Earths energy budget and its corresponding influence on Earth's climate is the key to understanding the climate and its variability. Cloud amount and height estimates are of great importance to climate modeling. From a more applied point of view, one can mention the importance of such information in air traffic control, among other applications. This research aimed at to develop methodologies to estimate cloudiness parameters using downward longwave irradiation data along with meteorological data measured at surface stations in two locations, Brasília (DF) and Petrolina (PE). The first proposed methodology employs concepts of the physics of the atmosphere to estimate the cloud cover fraction showing similar behavior with the climatology in both sites. The second method uses artificial neural networks techniques to estimate the Effective Cloud Cover Index. The method presented a good correlation with the satellite measurements, with correlation coefficients of about 0.9 and MBE deviations of $10^{-4}$ and RMSE below 0.11 for both locations. In addition, the method could evaluate the estimates nonlinearities, when compared with linear methods such as multiple linear regression.http://urlib.net/sid.inpe.br/mtc-m18/2014/02.04.12.41info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações do INPEinstname:Instituto Nacional de Pesquisas Espaciais (INPE)instacron:INPE2021-07-31T06:53:15Zoai:urlib.net:sid.inpe.br/mtc-m18/2014/02.04.12.41.02-0Biblioteca Digital de Teses e Dissertaçõeshttp://bibdigital.sid.inpe.br/PUBhttp://bibdigital.sid.inpe.br/col/iconet.com.br/banon/2003/11.21.21.08/doc/oai.cgiopendoar:32772021-07-31 06:53:15.716Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)false |
dc.title.pt.fl_str_mv |
Desenvolvimento de metodologias para estimativas de cobertura de nuvens |
dc.title.alternative.en.fl_str_mv |
Development of methodologies for cloud cover estimation |
title |
Desenvolvimento de metodologias para estimativas de cobertura de nuvens |
spellingShingle |
Desenvolvimento de metodologias para estimativas de cobertura de nuvens Eduardo Weide Luiz |
title_short |
Desenvolvimento de metodologias para estimativas de cobertura de nuvens |
title_full |
Desenvolvimento de metodologias para estimativas de cobertura de nuvens |
title_fullStr |
Desenvolvimento de metodologias para estimativas de cobertura de nuvens |
title_full_unstemmed |
Desenvolvimento de metodologias para estimativas de cobertura de nuvens |
title_sort |
Desenvolvimento de metodologias para estimativas de cobertura de nuvens |
author |
Eduardo Weide Luiz |
author_facet |
Eduardo Weide Luiz |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Enio Bueno Pereira |
dc.contributor.referee1.fl_str_mv |
Fernando Ramos Martins |
dc.contributor.author.fl_str_mv |
Eduardo Weide Luiz |
contributor_str_mv |
Enio Bueno Pereira Fernando Ramos Martins |
dc.description.abstract.por.fl_txt_mv |
O papel de cada componente do balanço de energia terrestre e sua correspondente influência no clima da Terra é a chave para entendermos o clima e sua variabilidade. Estimativas de quantidade de nuvens e altura da nuvem são de grande importância para modelagem do clima. Sob o ponto de vista aplicado, pode-se citar o importante papel que tais informações fornecem para o controle do tráfego aéreo. A presente pesquisa teve como objetivo desenvolver metodologias para estimar parâmetros de nebulosidade utilizando dados de irradiação de onda longa incidente na superfície juntamente com dados meteorológicos medidos em estações superfície em duas localidades, Brasília (DF) e Petrolina (PE). A primeira metodologia proposta emprega conceitos de física atmosférica para a estimativa da fração de cobertura de nuvens e apresentou comportamento similar à climatologia das localidades estudadas. O segundo método propõe a utilização de Redes Neurais Artificiais para a estimativa do Coeficiente de Cobertura Efetiva de Nuvens. O método apresentou boa correlação com as medições satelitais, com coeficientes de correlação de aproximadamente 0,9 e desvios MBE da ordem de $10^{-4}$ e RMSE abaixo de 0,11 para ambas as localidades. Além disso, o método conseguiu avaliar bem as não linearidades da estimativa, quando comparado com métodos lineares como Regressão Linear Múltipla. |
dc.description.abstract.eng.fl_txt_mv |
The role of each component in the Earths energy budget and its corresponding influence on Earth's climate is the key to understanding the climate and its variability. Cloud amount and height estimates are of great importance to climate modeling. From a more applied point of view, one can mention the importance of such information in air traffic control, among other applications. This research aimed at to develop methodologies to estimate cloudiness parameters using downward longwave irradiation data along with meteorological data measured at surface stations in two locations, Brasília (DF) and Petrolina (PE). The first proposed methodology employs concepts of the physics of the atmosphere to estimate the cloud cover fraction showing similar behavior with the climatology in both sites. The second method uses artificial neural networks techniques to estimate the Effective Cloud Cover Index. The method presented a good correlation with the satellite measurements, with correlation coefficients of about 0.9 and MBE deviations of $10^{-4}$ and RMSE below 0.11 for both locations. In addition, the method could evaluate the estimates nonlinearities, when compared with linear methods such as multiple linear regression. |
description |
O papel de cada componente do balanço de energia terrestre e sua correspondente influência no clima da Terra é a chave para entendermos o clima e sua variabilidade. Estimativas de quantidade de nuvens e altura da nuvem são de grande importância para modelagem do clima. Sob o ponto de vista aplicado, pode-se citar o importante papel que tais informações fornecem para o controle do tráfego aéreo. A presente pesquisa teve como objetivo desenvolver metodologias para estimar parâmetros de nebulosidade utilizando dados de irradiação de onda longa incidente na superfície juntamente com dados meteorológicos medidos em estações superfície em duas localidades, Brasília (DF) e Petrolina (PE). A primeira metodologia proposta emprega conceitos de física atmosférica para a estimativa da fração de cobertura de nuvens e apresentou comportamento similar à climatologia das localidades estudadas. O segundo método propõe a utilização de Redes Neurais Artificiais para a estimativa do Coeficiente de Cobertura Efetiva de Nuvens. O método apresentou boa correlação com as medições satelitais, com coeficientes de correlação de aproximadamente 0,9 e desvios MBE da ordem de $10^{-4}$ e RMSE abaixo de 0,11 para ambas as localidades. Além disso, o método conseguiu avaliar bem as não linearidades da estimativa, quando comparado com métodos lineares como Regressão Linear Múltipla. |
publishDate |
2014 |
dc.date.issued.fl_str_mv |
2014-02-19 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
status_str |
publishedVersion |
format |
masterThesis |
dc.identifier.uri.fl_str_mv |
http://urlib.net/sid.inpe.br/mtc-m18/2014/02.04.12.41 |
url |
http://urlib.net/sid.inpe.br/mtc-m18/2014/02.04.12.41 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Instituto Nacional de Pesquisas Espaciais (INPE) |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação do INPE em Meteorologia |
dc.publisher.initials.fl_str_mv |
INPE |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Instituto Nacional de Pesquisas Espaciais (INPE) |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do INPE instname:Instituto Nacional de Pesquisas Espaciais (INPE) instacron:INPE |
reponame_str |
Biblioteca Digital de Teses e Dissertações do INPE |
collection |
Biblioteca Digital de Teses e Dissertações do INPE |
instname_str |
Instituto Nacional de Pesquisas Espaciais (INPE) |
instacron_str |
INPE |
institution |
INPE |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE) |
repository.mail.fl_str_mv |
|
publisher_program_txtF_mv |
Programa de Pós-Graduação do INPE em Meteorologia |
contributor_advisor1_txtF_mv |
Enio Bueno Pereira |
_version_ |
1706809351687110656 |