Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.ufc.br/handle/riufc/72585| Tipo: | Artigo de Periódico |
| Título : | Incerteza estatística na previsão de secas usando cadeias de Markov e o Standard Precipitation Index (SPI) |
| Otros títulos : | Incertidumbre estadística en el pronóstico de sequía utilizando cadenas Markov y el Standard Precipitation Index (SPI) |
| Título en inglés: | Statistical uncertainty in drought forecasting using Markov chains and The Standard Precipitation Index (SPI) |
| Autor : | Estácio, Ályson Brayner Sousa Silva, Samiria Maria Oliveira da Souza Filho, Francisco de Assis de |
| Palabras clave : | Stochastic process;Uncertainty;Drought index;Transition probability |
| Fecha de publicación : | 2021 |
| Editorial : | Revista Brasileira de Climatologia |
| Citación : | ESTÁCIO, Ályson Brayner Sousa; SILVA, Samiria Maria Oliveira da; SOUZA FILHO, Francisco de Assis. Statistical uncertainty in drought forecasting using Markov chains and The Standard Precipitation Index (SPI). Revista Brasileira de Climatologia, [S. l.], v. 28, p. 471-493, 2021. |
| Resumen en portugués brasileño: | As secas afetam as atividades humanas básicas, além da produção de alimentos e da atividade industrial. Uma previsão adequada das secas é crucial para garantir a sobrevivência das populações e promover o desenvolvimento da sociedade local. O Standard Precipitation Index (SPI) é recomendado pela Organização Meteorológica Mundial (OMM) para o monitoramento meteorológico. Assim, a construção de cadeias de Markov a partir da classificação de secas com o SPI é uma estratégia comumente utilizada para a previsão de secas. No entanto, o processo de construção de cadeias de Markov produz incertezas inerentes à estimação das probabilidades de transição entre os estados. Essas incertezas são, na maioria das vezes, desprezadas em aplicações práticas. Nesse estudo foram analisadas as incertezas estatísticas associadas ao uso de cadeias de Markov para a previsão de secas na escala anual. Como estudo de caso, é analisado o território do Estado do Ceará na região semiárida, considerando os registros de precipitação de 1911 a 2019. Além de uma série de precipitação de 100 anos (1911-2011) usada para a construção do modelo de previsão com cadeias de Markov e de uma série de oito anos (2012-2019) reservada para a validação, quatro séries fictícias estendidas foram consideradas a fim de se avaliar o efeito do tamanho da série na incerteza da previsão. Uma razão de verossimilhança é utilizada como índice para se avaliar a performance do modelo. A análise de incerteza mostrou que um modelo de cadeia de Markov para a previsão de secas pode ser menos eficiente que um modelo ingênuo que sempre prevê a proporção histórica das classes de seca. Considerar as incertezas estatísticas se mostrou crucial para uma previsão adequada ao se usar cadeias de Markov. |
| Abstract: | Droughts affect basic human activities, and food and industry production. An adequate drought forecasting is crucial to guarantee the survival of population and promote societal development. The Standard Precipitation Index (SPI) is recommended by the World Meteorological Organization (WMO) to monitor meteorological drought. Using drought classification based on SPI to build Markov chains is a common tool for drought forecasting. However, Markov chains building process produce uncertainties inherent to the transition probabilities estimation. These uncertainties are often ignored by practitioners. In this study the statistical uncertainties of using Markov chains for drought annual forecasting are assessed. As a case study, the dry region of the State of Ceará (Northeastern Brazil) is analyzed, considering the precipitation records from 1911 to 2019. In addition to 100-year database (1911-2011) for Markov chain modeling and 8-year data (2012-2019) for forecasting validation, four fictional database extensions were considered in order to assess the effect of database size in the uncertainty. A likelihood ratio is used to assess model performance. The uncertainties assessment showed that an apparent performant Markov chain model for drought class forecasting may not be more informative than the historic proportion of drought class. Considering these uncertainties is crucial for an adequate forecasting with Markov chains. |
| Resumen en español: | Las sequías han afectado a las actividades humanas básicas, además de la producción de alimentos y la actividad industrial. El pronóstico adecuado de la sequía es crucial para garantizar la supervivencia de las poblaciones y promover el desarrollo de la sociedad local. O Standard Precipitation Index (SPI) es recomendado por la Organización Meteorológica Mundial (OMM) para el monitoreo meteorológico. Por lo tanto, la construcción de cadenas Markov a partir de la clasificación de sequías con SPI es una estrategia comúnmente utilizada para la predicción de sequías. Sin embargo, el proceso de construcción de la cadena Markov produce incertidumbres relevantes para estimar las probabilidades de transición entre estados. Estas incertidumbres se ignoran con mayor frecuencia en las aplicaciones prácticas. En este trabajo, se analizan las incertidumbres estadísticas asociadas con el uso de cadenas Markov para la predicción de sequías a escala anual. Como caso práctico, se analiza el territorio del Estado de Ceará en la región del semiárido, teniendo en cuenta los registros de lluvias de 1911 a 2019. Además de una serie de precipitaciones de 100 años (1911-2011) utilizada para la construcción del modelo de predicción de la cadena Markov y una serie de ocho años (2012-2019) reservada para la validación, se consideraron cuatro series ficticias extendidas para evaluar el efecto del tamaño de la serie en la incertidumbre prevista. Uma razón de verosimilitud se utiliza como índice para evaluar el rendimiento del modelo. El análisis de incertidumbre mostró que un modelo de cadena Markov para la previsión de sequía puede ser menos eficiente que un modelo ingenuo que siempre predice la proporción histórica de las clases de sequía. Considerar las incertidumbres estadísticas resultó crucial para la predicción adecuada al usar cadenas Markov. |
| URI : | http://www.repositorio.ufc.br/handle/riufc/72585 |
| ISSN : | 2237-8642 |
| Derechos de acceso: | Acesso Aberto |
| Aparece en las colecciones: | DEHA - Artigos publicados em revista científica |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 2021_art_absestácio1.pdf | 778,4 kB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.