Análise e previsão de eventos críticos de precipitação com base no SPI e em redes neurais artificiais para o Estado de Pernambuco.

• Ano de defesa: 2015
• Autor(a) principal: GUEDES, Roni Valter de Souza.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Tecnologia e Recursos Naturais - CTRN; PÓS-GRADUAÇÃO EM METEOROLOGIA; UFCG
• Palavras-chave em Português: Índices Climáticos; Temperatura da Superfície do Mar; Modelagem; Climate Indices; Sea Surface Temperature; Modeling; Meteorologia
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/1439

A identificação e classificação de áreas susceptíveis à ocorrência de eventos críticos, chuvosos ou secos, tornaram-se uma necessidade frequente no contexto da variabilidade climática, responsável por muitos desastres naturais em diversos países do mundo. O diagnóstico com base nos impactos meteorológicos, agrícolas e hidrológicos pode ser aferido através de índices climáticos. O Índice de Precipitação Padronizado (SPI) foi desenvolvido para diagnosticar e categorizar a variabilidade da precipitação com base em diferentes escalas temporais. A aplicação da metodologia do SPI para 57 postos distribuídos sobre o estado de Pernambuco, Nordeste do Brasil, com séries de 1963 a 2015, foi capaz de destacar e classificar as principais anomalias das chuvas através da sua intensidade e duração. As escalas menores do SPI (mensal e trimestral) indicaram o início e tendência de cada evento; a escala semestral identificou o comportamento do período chuvoso e as escalas anual e bienal definiram os eventos mais fortes e duradouros. Foram diagnosticados eventos positivos e negativos nas categorias de fraco, moderado, severo e extremo. Foram analisados os eventos que ocorreram de forma mais generalizada e, portanto, mais significativos. Foram destacados os eventos chuvosos críticos de 1963, 1973, 1984 e os eventos secos de 1993, 1998 e 2012. A análise de agrupamento utilizando a métrica de Ward foi aplicada aos SPIs para delimitar dois grupos bem definidos para qualquer escala temporal do SPI. A divisão do estado de Pernambuco ficou assim: Grupo 1, do Litoral ao Agreste e o Grupo 2 representando todo o Sertão. Os valores das anomalias de temperatura da superfície do mar foram correlacionados com cada escala do SPI e usados como entrada nos modelos baseados em Redes Neurais Artificiais (RNA) para predizer as variações deste índice na área de estudo. Os resultados mostraram que o modelo apresentou uma boa previsão com o padrão de comportamento da escala trimestral do SPI, e não obteve o mesmo nível de desempenho para as escalas mensais e semestrais, porém, o modelo de RNA conseguiu absorver a tendência dos valores destas escalas e encontrar uma boa associação.