Arquivo do Trabalho - IAG - USP

More documents

Recommendations

Info

A variabilidade sazonal da vegetação do Cerrado responde aos períodos anômalos deT850 LF com NDVI TA de mesmo sinal. Além disso, se um episódio Warm LF ocorre em fase com aestação úmida, contribui para um desenvolvimento anômalo da vegetação acima do ciclo anual,porém mais restrito durante o fim da primavera e início do verão austral, isto é, apresentando umaduração mais curta do ciclo de desenvolvimento da vegetação do Cerrado (esquematicamentemostrado na Fig. 6.16a). Em contrapartida, se um episódio Cold LF vem a ocorrer em fase com aestação úmida, pode contribuir para um ciclo de desenvolvimento com menor amplitude, maspodendo apresentar um desenvolvimento de maior duração da vegetação do Cerrado (Fig. 6.16b).134
┌ Capítulo 7 ┐7. Prognóstico do ciclo evolutivo da vegetação do cerradoPrognóstico do ciclo de desenvolvimento da vegetação do cerrado7.1 Formulação do modelo estatístico do NDVI sobre o CerradoO Capítulo anterior mostrou a influência de GPCP LF e T850 LF sobre a variabilidadeevolutiva da vegetação do Cerrado. Este capítulo discute um modelo estatístico para o prognósticosazonal de NDVI TA sobre o Cerrado e que utiliza como preditores GPCP LF e T850 LF previstos peloModelo Auto-regressivo de Projeção Interanual - MARPI (Capítulo 5). A utilidade de um modelo deregressão, medida por sua destreza, depende de quão robusta é a relação dos parâmetros deentrada com a variável a ser prevista (Wilks, 1995; Li et al., 2005). Assim, a variabilidade de GPCP LFe T850 LF previstos pelo MARPI sobre as regiões P SEC e T SECW (Fig. 4.5) foi investigadadetalhadamente em capítulos anteriores. Nesta etapa do trabalho as resoluções temporais dos dadosdas GPCP LF , T850 LF e NDVI TA foram transformadas para médias mensais para ser consistente com oNDVI. O modelo foi construído no período de julho de 1982 a maio de 1990 (série temporal dedesenvolvimento) de modo a estimar o ciclo de desenvolvimento da vegetação na região do Cerrado.A amostra de validação corresponde a junho de 1990 a junho de 1998. O passo inicial consistiu emdeterminar a ordem do modelo estatístico de previsão de NDVI TA . Isto é, essa análise serve paraindicar o número de meses defasados em relação ao “tempo presente” que será usada na previsão.Para isso, foi obtido o preditando Y(NDVI TA ) calculado a partir de regressão linear simples entreNDVI TA e GPCP LF na série temporal de desenvolvimento.YNDVITA( t)= bNGPCPLF( t)+ ε mensal(Eq. 7.1)O coeficiente de regressão b N pôde ser obtido deduzindo a soma mínima dos quadradosdos resíduos. E ε mensal é o erro ou flutuação amostral e foi calculado isolando ε mensal da Eq. 7.1durante a série temporal de desenvolvimento. Ele é considerado como a soma das diferenças entreNDVI TA observado em relação ao preditando Y(NDVI TA ). Além disso, foi calculado ε mensal para cadamês, embora se tenha notado que este sofre uma mínima variação ao longo dos meses do ano(menor do que 0.1%).135
Page 1 and 2:
UNIVERSIDADE DE SÃO PAULOInstituto
Page 3 and 4:
DedicatóriaA Ele,Que nem me deixa
Page 5 and 6:
ÍNDICELISTA DE FIGURAS ...........
Page 7 and 8:
LISTA DE FIGURASFigura 2.1: Mapas d
Page 9 and 10:
Figura 5.1: Localização aproximad
Page 11 and 12:
Figura 5.28: Comparação entre (A-
Page 14 and 15:
LISTA DE TABELASTabela 4.1: Correla
Page 16 and 17:
NDVINDVI TANOAAPCPC LFPC PIPIP LIMP
Page 18 and 19:
Nesse contexto, um estudo diagnóst
Page 20 and 21:
In this context, a diagnostic study
Page 22 and 23:
principalmente da precipitação, d
Page 24 and 25:
temperatura de São Paulo (Cardoso
Page 26 and 27:
┌ Capítulo 2 - Revisão Bibliogr
Page 28 and 29:
legenda para maiores detalhes). Nes
Page 30 and 31:
Fu e Li (2004) mostraram a relativa
Page 32 and 33:
Brasil. Além disso, essa caracter
Page 34 and 35:
calculado a partir das estimativas
Page 36 and 37:
de precipitação, variáveis atmos
Page 38 and 39:
com a presença da Cordilheira dos
Page 40 and 41:
elação às GPCP LF foram obtidas
Page 42 and 43:
(a)(b)P SECT SECWP LIMT SBRBP SBRFi
Page 44 and 45:
1.2 years208 days188 days109 days58
Page 46 and 47:
Var 1 Var 2Var 1 Var 2Va r 1 Var 2r
Page 48 and 49:
espectivamente. Em especial, o epis
Page 50 and 51:
contribuição conjunta de muitos m
Page 52 and 53:
tardio do regime chuvoso devido ao
Page 54 and 55:
Figura 4.14: Séries temporais (mm/
Page 56 and 57:
sobre as T850 TA ocorre durante a p
Page 58 and 59:
4.5 Relação com índices oceanos-
Page 60 and 61:
Dias (2004) também encontraram rel
Page 62 and 63:
4.6 Padrões atmosféricos dos per
Page 64 and 65:
Nos episódios de Wet LF na P SBR (
Page 66 and 67:
4.7 Modos principais de variabilida
Page 68 and 69:
(a)(e)(b)(f)(c)(g)(d)(h)Figura 4.23
Page 70 and 71:
característicos de GPCP LF . Ainda
Page 72 and 73:
5.3 Aproximação para as anomalias
Page 74 and 75:
(a)(c)(b)(d)Figura 5.3: Correlaçõ
Page 76 and 77:
(a)(e)(b)(f)(c)(g)(d)(h)Figura 5.4:
Page 78 and 79:
(a)1PC PI x T850 LF(average of the
Page 80 and 81:
também diminui à medida que a ord
Page 82 and 83:
Os resultados anteriores mostraram
Page 84 and 85:
(a)Correlation10,750,50,25012330 6
Page 86 and 87:
c) Destreza das previsões estatís
Page 88 and 89:
Para avaliar a destreza do MARPI na
Page 90 and 91:
5.5 Destreza sazonalA princípio ne
Page 92 and 93:
Figura 5.13: S.RMS entre previsão
Page 94 and 95:
A validação do modelo estatístic
Page 96 and 97:
5.6 Teste de sensibilidade entre as
Page 98 and 99:
(A)FCAST x Low-frequency GPCP (sens
Page 100 and 101:
(A)(E)(B)(F)(D)(G)(D)(H)Figura 5.18
Page 102 and 103:
(A)(E)(B)(F)(D)(G)(D)(H)Figura 5.20
Page 104 and 105: período, foi constatado um ano nor
Page 106 and 107: Figura 5.21: Comparação entre (A-
Page 112 and 113: 4ª caso: 2002/03O período de iní
Page 118 and 119: (a)(c)(b)(d)Figura 5.31: Correlaç
Page 120 and 121: AR modelsLag p R p S 2 e(p) BIC(p)
Page 122 and 123: esultados analisados até aqui suge
Page 124 and 125: Figura 5.35: (A-D) Correlação e (
Page 126 and 127: Para a região P SBR , as correlaç
Page 132 and 133: ┌ Capítulo 6 ┐6. A influência
Page 134 and 135: (a)(b)Figura 6.2. (a) Amplitude e (
Page 136 and 137: Para a temperatura do ar em 850 hPa
Page 138 and 139: 6.3 Sazonalidade espaço-temporal d
Page 140 and 141: Figura 6.6. Desvio Padrão das Anom
Page 142 and 143: da vegetação. Um exemplo desse ca
Page 144 and 145: As GPCP TA negativas predominam dur
Page 146 and 147: Figura 6.12. Composições defasada
Page 148 and 149: Figura 6.14. Composições defasada
Page 150 and 151: (a)NDVI ObservadoCiclo anual(b)NDVI
Page 152 and 153: como os meses que precedem o perío
Page 156 and 157: Para se determinar a ordem p do mod
Page 158 and 159: Para previsão iniciada no mês de
Page 160 and 161: Neste caso, a ordem do modelo é fi
Page 162 and 163: PREDICTOR-GPCP LFPREDICTORS-GPCP LF
Page 164 and 165: durante esse verão, pelo contrári
Page 166 and 167: janeiro (veja Fig. 4.11g). Essas ch
Page 168 and 169: ┌ Capítulo 8 - Conclusão ┐8.
Page 170 and 171: persistido. O erro quadrático méd
Page 172 and 173: 8.2 Sugestões para pesquisas futur
Page 174 and 175: Apêndice A: Publicações em peri
Page 176 and 177: 1APRIL 2009 M U Z A E T A L . 1683a
Page 178 and 179: 1APRIL 2009 M U Z A E T A L . 1685f
Page 180 and 181: 1APRIL 2009 M U Z A E T A L . 1687F
Page 192 and 193: 1APRIL 2009 M U Z A E T A L . 1699K
Page 194 and 195: FERRAZ, S.E.T., 2004: Variabilidade
Page 196 and 197: RAO, V.B., I. F. A. CAVALCANTE, K.
show all

Arquivo do Trabalho - IAG - USP

Create successful ePaper yourself

Delete template?

Save as template?