Filtros adaptativos no domínio da frequência para correção de previsão climática da temperatura da superfície do mar global

• Ano de defesa: 2023
• Autor(a) principal: Farfán, Hugo Hinostroza
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Faculdade de Engenharia; Brasil; UERJ; Programa de Pós-Graduação em Engenharia Eletrônica
• Palavras-chave em Português: Electronic engineering; Adaptative filters; Signal processing; Algorithms; Climatology; Engenharia eletrônica; Filtros adaptativos; Processamento de sinais; Algorítmos; Climatologia; ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES
• Link de acesso: http://www.bdtd.uerj.br/handle/1/20173

Este trabalho de dissertação apresenta resultados da aplicação no domínio da frequência de filtros adaptativos RLS (Recursive Least Squares) para a correção de erros de previsão climática global do Modelo Brasileiro do Sistema Terrestre (Brazilian Earth System Model – BESM). O BESM é composto por modelos computacionais com o objetivo de gerar cenários de mudanças climáticas, tal como as previsões meteorológicas globais do ERA5 (ECMWF Reanalysis v5 ) produzido e desenvolvido pelo ECMWF (European Centre for Medium-Range Weather Forecasts). O desempenho do BESM é medido em referência ao conjunto de dados observacionais do ERA5, a diferença entre as variáveis climáticas em geral aumenta com o tempo. A previsão do BESM é corrigida usando como referência dados observacionais do ERA5. O objetivo central é corrigir os erros de previsão climática global do modelo BESM. Projetam-se filtros usando as sequências de previsões anteriores para uma célula (pequena região do globo onde se aplica a correção) ou nos coeficientes frequenciais obtidos via Transformada de Cosseno Discreta bidimensional (DCT-2D) em uma vizinhança da célula. A DCT permite analisar o conteúdo espectral dos sinais. Os filtros são projetados usando-se o algoritmo adaptativo Recursive Least Squares (RLS). Testam-se filtros de diferentes ordens e são consideradas vizinhanças de diferentes tamanhos. A metodologia de correção é testada ainda considerando correções por estações climáticas, separadamente, e anualmente. Avalia-se o desempenho da correção da previsão BESM usando a Raiz do Erro Quadrático Médio (RMSE – Root Mean Squared Error) e o Erro Absoluto Máximo (LAE – Largest Absolute Error). Aplica-se a proposta na variável prognóstica de Temperatura da superfície do Mar (TSM), para regiões de dimensão M×M, com M = 8, 16, 32, e filtros de comprimento L = 4. Analisa-se o desempenho da proposta em diversas zonas, como o Oceano Pacífico, o Oceano Atlântico, o Oceano Índico e Oceano Ártico e Antártico, e melhores desempenhos são obtido nas três primeiras zonas, sendo pior nas duas últimas zonas. Consideram-se filtros para correção anual e por estações e os melhores resultados são obtidos para a correção por estações. Em comparação com o método de Correção de Média e Variância (CMV), o uso de filtros RLS gera resultados melhores para o ajuste sazonal. No entanto, em algumas localizações geográficas específicas, o CMV às vezes apresenta um desempenho superior à filtragem adaptativa quando se trata do ajuste anual.