Análise e previsão estatística do Índice de Precipitação Padronizada (SPI) para o Nordeste do Brasil

Detalhes bibliográficos
Autor(a) principal: Carmo, Maria Vitória Nava Silva do
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio.unb.br/handle/10482/32290
Resumo: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2018.
id UNB_d23251fa84887f4d399b2582c65a19b8
oai_identifier_str oai:repositorio.unb.br:10482/32290
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Análise e previsão estatística do Índice de Precipitação Padronizada (SPI) para o Nordeste do BrasilAnalysis and statistical forecast of Standardized Precipitation Index (SPI) for Northeast BrazilSecas - Brasil, NordesteÍndice de precisãoPrevisãoDissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2018.As secas são o principal desastre natural que afeta o Nordeste brasileiro e o entendimento da sua dinâmica é fundamental para a gestão do risco climático na região. Buscou-se neste trabalho caracterizar os padrões espaço-temporais das secas meteorológicas no Nordeste a partir da análise do Índice de Precipitação Padronizada (SPI, Standardized Precipitation Index) e desenvolver um modelo de previsão sazonal para esse índice, usando a temperatura na superfície do mar (TSM) como covariável climática preditora. A técnica análise das componentes principais foi utilizada para decompor o SPI em modos de variabilidade, visando identificar as variações no tempo e no espaço, tendo-se observado uma seca distribuída por toda a região na primeira componente principal (cerca de 42% da variabilidade dos dados), um padrão de variação do tipo dipolo norte-sul na segunda componente principal (11% da variabilidade dos dados) e um padrão zonal leste-oeste na terceira componente principal (6% da variância dos dados). Utilizando as duas primeiras componentes principais, identificou-se as secas mais severas ocorridas durante o período considerado e a porcentagem total da área do Nordeste atingida por cada evento, constatando-se uma concidência entre os meses detectados como mais secos e os anos secos citados na literatura. A partir desse resultado, foi feita uma análise compósito, apontando que, nas regiões do Nordeste com seca mais severa durante os eventos extremos, as variáveis precipitação e temperatura encontravam-se abaixo e acima do normal, respectivamente. Identificou-se também, por meio de correlações cruzadas com índices climáticos, que eventos de El Niño (índice NINO3.4) e temperaturas mais altas no Atlântico Norte do que no Atlântico Sul (índice dipolo do Atlântico tropical) estavam relacionados com as secas na região. Foi feita ainda uma avaliação da correlação entre as componentes principais do SPI e a TSM, encontrando-se que a primeira componente principal seria mais influenciada pelo El Niño e a segunda, pelo dipolo do Atlântico. Para melhorar o desempenho dos preditores no modelo de previsão, foi usada a técnica Análise de Correlação Canônica Esparsa (SCCA, sparse Canonical Correlation Analysis). Os resultados do modelo indicaram que o desempenho do modelo completo ao prever a primeira componente principal, a terceria componente principal e a média espacial do SPI é maior do que do auto-regressivo, indicando que a informação climática melhora performance do modelo, e que as previsões na parte norte do Nordeste são melhores do que na parte sul para tempos de previsão de 1 e 2 meses.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).Droughts are the main natural disaster that affects Northeast Brazil and understanding its dynamic is essential to advance in climate risk management in region. This work seeks to characterize spatial-temporal patterns of meteorological droughts in Northeast Brazil through analysis of Standardized Precipitation Index - SPI and to develop a seasonal forecast model for this index, using sea surface temperature (SST) as climate predictor. Principal component analysis technique was used to decompose SPI in modes of variability, in order to identify the index variations in time and space, observing a drought distributed throughout the region in the first principal component (about 42% of data variability), a north-south dipole variation pattern in the second principal component (11% of data variability) and an east-west zonal pattern in the third principal component (6% of data variance). Using the first two principal components, the most severe droughts that occurred during the considered period and the Northeast’s percentage area reached in each event were identified, showing a coincidence between months detected as drier and drought years mentioned in literature. From this result, a composite analysis was performed, pointing out that, in Northeast regions with more severe droughts during extreme events, precipitation and temperature were below and above normal, respectively. It was also identified, through cross correlations with climate indexes, that El Niño events (NINO3.4 index) and higher temperatures in North Atlantic than in South Atlantic (tropical Atlantic dipole index) were related to droughts in region. It was made an evaluation of the correlation between SPI principal components and SST, finding that the first principal component would be more influenced by El Niño and the second principal component by Atlantic dipole. To improve predictor skill in forecast model, sparse Canonical Correlation Analysis (SCCA) technique was used. Results of the model indicated that the full model skill in forecasting SPI first principal component, third principal component and spatial average is greater than that of the auto-regressive model, indicating that climate information improves model performance, and that forecasts in northern part of Northeast are better than in southern part for lead times of 1 and 2 months.Lima, Carlos Henrique RibeiroCarmo, Maria Vitória Nava Silva do2018-07-20T20:01:07Z2018-07-20T20:01:07Z2018-07-192018-02-23info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfCARMO, Maria Vitória Nava Silva do. Análise e previsão estatística do Índice de Precipitação Padronizada (SPI) para o Nordeste do Brasil. 2018. xvi, 111 f., il. Dissertação (Mestrado em Tecnologia Ambiental e Recursos Hídricos)—Universidade de Brasília, Brasília, 2018.http://repositorio.unb.br/handle/10482/32290A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições:Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2023-07-13T19:32:49Zoai:repositorio.unb.br:10482/32290Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2023-07-13T19:32:49Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Análise e previsão estatística do Índice de Precipitação Padronizada (SPI) para o Nordeste do Brasil
Analysis and statistical forecast of Standardized Precipitation Index (SPI) for Northeast Brazil
title Análise e previsão estatística do Índice de Precipitação Padronizada (SPI) para o Nordeste do Brasil
spellingShingle Análise e previsão estatística do Índice de Precipitação Padronizada (SPI) para o Nordeste do Brasil
Carmo, Maria Vitória Nava Silva do
Secas - Brasil, Nordeste
Índice de precisão
Previsão
title_short Análise e previsão estatística do Índice de Precipitação Padronizada (SPI) para o Nordeste do Brasil
title_full Análise e previsão estatística do Índice de Precipitação Padronizada (SPI) para o Nordeste do Brasil
title_fullStr Análise e previsão estatística do Índice de Precipitação Padronizada (SPI) para o Nordeste do Brasil
title_full_unstemmed Análise e previsão estatística do Índice de Precipitação Padronizada (SPI) para o Nordeste do Brasil
title_sort Análise e previsão estatística do Índice de Precipitação Padronizada (SPI) para o Nordeste do Brasil
author Carmo, Maria Vitória Nava Silva do
author_facet Carmo, Maria Vitória Nava Silva do
author_role author
dc.contributor.none.fl_str_mv Lima, Carlos Henrique Ribeiro
dc.contributor.author.fl_str_mv Carmo, Maria Vitória Nava Silva do
dc.subject.por.fl_str_mv Secas - Brasil, Nordeste
Índice de precisão
Previsão
topic Secas - Brasil, Nordeste
Índice de precisão
Previsão
description Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2018.
publishDate 2018
dc.date.none.fl_str_mv 2018-07-20T20:01:07Z
2018-07-20T20:01:07Z
2018-07-19
2018-02-23
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv CARMO, Maria Vitória Nava Silva do. Análise e previsão estatística do Índice de Precipitação Padronizada (SPI) para o Nordeste do Brasil. 2018. xvi, 111 f., il. Dissertação (Mestrado em Tecnologia Ambiental e Recursos Hídricos)—Universidade de Brasília, Brasília, 2018.
http://repositorio.unb.br/handle/10482/32290
identifier_str_mv CARMO, Maria Vitória Nava Silva do. Análise e previsão estatística do Índice de Precipitação Padronizada (SPI) para o Nordeste do Brasil. 2018. xvi, 111 f., il. Dissertação (Mestrado em Tecnologia Ambiental e Recursos Hídricos)—Universidade de Brasília, Brasília, 2018.
url http://repositorio.unb.br/handle/10482/32290
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1810580725591703552

Registros relacionados