Arquivo do Trabalho - IAG - USP

More documents

Recommendations

Info

5.5 Destreza sazonalA princípio neste estudo foram desenvolvidos modelos estatísticos separando osperíodos sazonais de verão e inverno austral. Mas, na fase de desenvolvimento desses modelosobservou-se que as características e resultados eram semelhantes ao MARPI. Isto é, os parâmetrosAR e coeficientes de regressão foram praticamente iguais quando o modelo foi desenvolvidoseparadamente para verão e inverno. Então, decidiu-se pelo desenvolvimento utilizando o ano inteiro.Entretanto, é de grande interesse avaliar a destreza do MARPI em períodos sazonais distintos comodurante as monções de verão e inverno da América do Sul.A verificação da previsão das GPCP LF durante 12 períodos sazonais independentes deverões resulta em correlações diferenciadas sobre o centro-leste da América do Sul, com: correlaçõesacima de 0.8 sobre o sul do Brasil e ao norte do sudeste do Brasil na previsão de 1-6 pêntadas (Fig.5.12a). Nesta comparação, foram considerados os prognósticos do MARPI para GPCP LF com tempode previsão dentro do período sazonal de 18-22 de outubro para 11-15 de abril. Este períodocorresponde à estação úmida no sudeste e centro-oeste do Brasil. O modelo ainda mantém boadestreza até a previsão de 19 – 24 pêntadas, exceto para uma faixa entre os Estados de MatoGrosso do Sul e São Paulo (Fig. 5.12d). Observam-se também correlações acima de 0.8 em parte doNordeste do Brasil que apresenta estação úmida durante o outono austral.A Fig. 5.12(e-h) mostra a correlação entre GPCP LF e as previsões do modelo, paraaqueles prognósticos iniciados durante 12 invernos austrais (16-20 de abril a 13-17 de outubro).Notam-se duas extensas regiões com correlações acima de 0.8, uma no sul do Brasil e a outra sobreo nordeste do Brasil estendendo-se sobre parte do norte e sudeste do Brasil (Fig. 5.12e).Espacialmente, esta última demonstra destreza semelhante, comparando com as previsões duranteverão no mesmo tempo de previsão. Entretanto, o prognóstico perde destreza sobre grande parte doBrasil ao longo da previsão a partir de 13-18 pêntadas (Fig. 5.12f-h).A verificação da previsão de GPCP LF com S.RMS para verão e inverno é mostrado naFig. 5.13. Nota-se que durante o verão o S.RMS é menor do que 0.8 sobre parte do centro-oeste esudeste do Brasil estendendo-se para o Atlântico subtropical. Sobre esta região durante o invernoaustral, as previsões mostram que o S.RMS aumenta em área e magnitude (compare Fig. 5.13a-d eFig. 5.13e-h). Além disso, há uma degradação da previsão também sobre o nordeste do Brasil, o quenão se observa nas previsões durante o verão.70
Figura 5.12: Correlação entre previsão e amostra de validação (dados independentes) das anomalias deprecipitação em baixa-freqüência durante períodos sazonais independentes de (A-D) verão NDJFM e (E-H)inverno MJJAS. Cada mapa representa a média de 6 pêntadas da correlação de 1 a 24 pêntadas. Correlações têmcontornos de 0.6 (sombreado claro) e 0.8 (escuro).71
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 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 154 and 155:
A variabilidade sazonal da vegetaç
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 182 and 183:
Page 184 and 185:
Page 186 and 187:
Page 188 and 189:
Page 190 and 191:
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?