Estatísticas de cinco variáveis meteorológicas no município de Craíbas no Estado de Alagoas
| Ano de defesa: | 2024 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| 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 |
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/38015 |
Resumo: | Uma análise estatística de variáveis meteorológicas (VM) no Nordeste do Brasil (NEB) é de suma importância para o desenvolvimento industrial sustentável brasileiro, sobretudo aos relacionados à energia limpa e renovável. Diante disso, essa pesquisa objetiva investigar cinco VM: velocidade e direção do vento (VV - m.s-1 e DV - °), temperatura do ar (TA - °C), umidade relativa do ar (UR - %) e pressão atmosférica (PA – mm Hg). O local de estudo foi no município de Craíbas (coordenadas geográficas: 09°37’03.4=S, 36°47’40.2=O), região semiárida (Agreste), parte central de Alagoas. Foram utilizados dois bancos de dados mensurados a cada 10 minutos: i) Na altura de referência de 100m as VM foram avaliadas no período total de 14 meses (março/2014 a abril/2015) e períodos sazonais (chuvoso – PC, seco – PS, transição – PT); ii) Para o estudo do perfil vertical do vento (PVV), com período de 38 dias, um conjunto de medições em oito níveis de altura (4, 10, 14, 19, 30, 50, 70 e 100 m) também foi utilizado. Os resultados mostraram que as VM no PS e PT foram: VV mais intensa, DV predominante SE, as maiores (menores) TA (UR) com a maior tendência de aumento (diminuição) e as menores PA. No PC as variáveis apresentaram valores opostos com DV predominante ESE. A análise Wavelet das VM apresentaram periodicidade de 12 horas, diária e mensal, a potência espectral no PC é menor que nos PS e PT. As VM que se relacionaram foram: TA e UR foi negativa e quase perfeita (muito alta) nos períodos Total, PT e PS (PC); TA e PA foi negativa e alta em todos os períodos; UR e PA foi positiva e moderada em ambos os períodos. Essa relação inversa entre TA e UR é mais intensa no PS e menor no PC, entre TA e PA é ao contrário mais forte no PC e menor no PS. A Wavelet de coerência (WC) entre as VM mostrou que a relação TA e UR apresentou o mais alto grau de coerência entre as duplas de variáveis com periodicidade variando de horas a dias, mensal e anual. A DV é a variável que mais apresentou coerências irregulares e períodos de mudanças de fase. A simulação das VM foi realizada via rede neural artificial (RNA): i) Nonlinear Autoregressive (NAR); ii) Nonlinear Autoregressive with eXogenous inputs (NARX); iii) Long and Short Term Memory (LSTM). Para averiguar o desempenho das RNAs foi utilizado o Diagrama de Taylor e as métricas estatísticas: erro médio, raiz do erro quadrático médio, erro percentual absoluto médio e correlação de Pearson. A melhor simulação foi realizada pela NAR, seguido pela NARX e LSTM. As variáveis PA, UR e TA foram simuladas com mais precisão do que as simulações da DV e VV. Na evolução temporal da VV em diferentes níveis, ocorre um espelhamento da VV, se intensificando gradualmente com o aumento da altura, a VV cresce (decresce) com baixa (alta) variabilidade durante o dia (noite). Os níveis inferiores são mais turbulentos e mais susceptíveis a ocorrência de rajadas de ventos do que os níveis superiores. A lei de potência coincidiu mais com a média total do PVV do que a lei logarítmica, mas ambas estão dentro do intervalo de variabilidade do PVV e portanto perfeitamente aplicáveis. Por fim, esses resultados podem ser utilizados para energia eólica e consequentemente, mitigar os efeitos do aquecimento global, mudanças climáticas, entre outros fatores. |