Arquivo do Trabalho - IAG - USP

More documents

Recommendations

Info

Para previsão iniciada no mês de julho (Fig. 7.1b), que é quando o NDVI sobre o Cerradopassa a apresentar curva ascendente no ciclo anual (veja Fig. 6.1), o modelo de ordem 1 é levementemelhor do que ordem 2 e 3 até o 2ª mês previsto. Além disso, a partir da previsão iniciada no mês denovembro (Fig. 7.1f), quando o NDVI sobre o Cerrado está próximo do máximo no ciclo anual eposteriormente começará a inverter para curva descendente, os resultados dos modelos comdiferentes ordens mostram-se bastante comprometidos no 3ª mês de previsão, com a correlaçãoficando abaixo de 0.6. Nota-se também que o modelo de ordem 1 apresenta melhor destreza, e isso émais evidente na previsão iniciada em fevereiro, já no fim da estação úmida (Fig. 7.1i) .A destreza do modelo de ordem 1 a 3 também foi analisada segundo o S.RMS (Eq. 5.5),que mostra valores menores do que 1.0 para previsões iniciadas no mês de junho (Fig. 7.2a). Isto é,representa que o S.RMS dos modelos não são maiores do que a própria variabilidade de NDVITA. NaFig. 7.2b há S.RMS maior do que 1.0 a partir de outubro (3ª mês de previsão), mas apenas para omodelo de ordem 1. Já as previsões iniciadas nos meses subseqüentes mostram S.RMS menor doque 1.0 (Fig. 7.2c-g), exceto o 3ª mês da previsão iniciada em outubro (Fig. 7.2e). Além disso,praticamente não há distinção de resultados entre modelos de ordem 1,2 e 3 nesse período. Éinteressante observar que a partir das previsões iniciadas em novembro, o modelo de ordem 1apresenta S.RMS levemente menor do que os demais. Isso é mais evidente nas previsões iniciadasem janeiro e fevereiro (Fig. 7.2h,i). Modelos de ordem maior mostraram resultados semelhantes aomodelo de ordem 3 (não mostrado). Através dessa análise, notou-se que todos os modelosaveriguados (ordens 1 a 3) apresentam melhores resultados nas previsões durante a primavera.Nesse período, o modelo de ordem 2 indicado pelas estatísticas AIC e BIC mostra destreza útil até o3ª mês previsto e os modelos de ordem maior não fornecem considerável ganho na destreza. Casofosse utilizado modelo de ordem maior, isso levaria a um super-ajustamento do modelo a essaamostra de dados de desenvolvimento específica (Katz e Parlange, 1993). Nas previsões iniciadasentre novembro e fevereiro o modelo de ordem 1 é levemente melhor, embora a destreza se restrinjaao 2ª mês previsto.138
1 2 3Figura 7.2: Teste de sensibilidade para o aumento da ordem do modelo de regressão do NDVI. Cada curvaindica a S.RMS entre previsão do modelo e amostra de validação de ordem 1 a 3 meses. Previsões usando asGPCP LF como preditores iniciadas de (a) junho a (i) fevereiro.7.2 Validação do modeloPara verificar a destreza dos preditores GPCP LF e T850 LF , três modelos foram propostos.O primeiro com as GPCP LF como preditores (linha sólida, Fig. 7.3), outro apenas com as T850 LF (linhatracejada intercalada com um ponto), e o terceiro com GPCP LF e T850 LF (linha tracejada intercaladacom três pontos). Esse último, seguindo a Eq. 7.3.NDVITAP( τ + t)= ∑ ∑bGPCPn p(τ)MARPIBFp=1Nn=1Pp=1N+ ∑ ∑ bn=1T 850GPCPBFnBFn p( t − p + 1) +( τ ) MARPI ( t − p + 1) + εT 850BFnmensal,(Eq. 7.3).139
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 108 and 109: Figura 5.23: 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 154 and 155: A variabilidade sazonal da vegetaç
Page 156 and 157: Para se determinar a ordem p do mod
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

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?