Use este identificador para citar ou linkar para este item:
http://repositorio.ufc.br/handle/riufc/63601
Tipo: | Artigo de Periódico |
Título: | Detecção de secas e visualização de padrões climáticos com aprendizado de máquina |
Autor(es): | Carvalho, Taís Maria Nunes Souza Filho, Francisco de Assis de Lopes, Tereza Margarida Xavier de Melo |
Palavras-chave: | Aprendizado de máquina;Detecção de secas;Máquinas de vetores de suporte |
Data do documento: | 2021 |
Instituição/Editor/Publicador: | ABRHidro - Associação Brasileira de Recursos Hidrícos, http://www.abrhidro.org.br/xxivsbrh |
Citação: | CARVALHO, Taís Maria Nunes; SOUZA FILHO, Francisco de Assis de; LOPES, Tereza Margarida Xavier de Melo. Detecção de secas e visualização de padrões climáticos com aprendizado de máquina. In: SIMPÓSIO BRASILEIRO DE RECURSOS HÍDRICOS, XXIV., 21 a 26 nov. 2021, Belo Horizonte-MG. Anais[…], Belo Horizonte-MG., 2021. |
Resumo: | As mudanças climáticas têm sérias implicações para a ocorrência de eventos climáticos extremos, com efeitos sociais, econômicos e ambientais significativos. A previsão de eventos extremos de seca é fundamental para o planejamento eficiente dos recursos hídricos, assim como para a adoção de medidas preventivas. Além disso, compreender os padrões climáticos que resultam em anos secos pode ser importante para os tomadores de decisão. Nesse trabalho, propomos um modelo de classificação de secas utilizando a técnica de aprendizado de máquina de máquinas de vetores de suporte. O modelo foi aplicado para o estado do Ceará, frequentemente atingido por secas longas e severas. As variáveis explicativas consistem em dados globais de temperatura em ponto de grade, o que permitiu identificar as regiões que mais influenciam a ocorrência de secas no Ceará. O modelo apresentou uma acurácia de 77%, ou seja, dos 61 anos avaliados, 47 foram classificados corretamente como anos secos ou não secos. A avaliação dos pesos atribuídos pelo modelo confirma a influência da temperatura da superfície do Oceano Pacífico e do Atlântico Sul sobre o regime de secas no Ceará. |
Abstract: | Climate change has serious implications for the occurrence of extreme events, with significant social, economic and environmental effects. Predicting drought events is essential for efficient planning of water resources, as well as for the adoption of preventive measures. Also, understanding the climatic patterns that result in dry years can be important for decision makers. In this study, we propose a drought classification model using the machine learning technique called support vector machine. The model was applied to the state of Ceará, which is often affected with long and severe droughts. The explanatory variables consist of global gridded temperature data, which allowed the identification of the regions that most influence the occurrence of droughts in Ceará. The model presented an accuracy of 77%, i.e., 47 out of the 61 years evaluated by the model were correctly classified as dry or non-dry years. The evaluation of the weights attributed by the model confirms the influence of the surface temperature of the Pacific Ocean and the South Atlantic on the drought regime in Ceará. |
URI: | http://www.repositorio.ufc.br/handle/riufc/63601 |
ISSN: | 2318-0358 |
Aparece nas coleções: | DEHA - Trabalhos apresentados em eventos |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
2021_eve_tmncarvalho.pdf | 542,85 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.