Utilização de algoritmos de agrupamento e dados GPM para identificar padrões de precipitação no sudeste do Brasil

Carregando...
Imagem de Miniatura

Data

2022-02-07

Orientador

Negri, Rogério Galante
Pampuch, Luana Albertani

Coorientador

Pós-graduação

Curso de graduação

Engenharia Ambiental - ICT

Título da Revista

ISSN da Revista

Título de Volume

Editor

Universidade Estadual Paulista (Unesp)

Tipo

Trabalho de conclusão de curso

Direito de acesso

Acesso restrito

Resumo

Resumo (português)

O Sudeste do Brasil compreende uma importante região geoeconômica e populosa da América do Sul. Consequentemente, é essencial analisar e compreender os perfis de precipitação nesta região. Dentre as diversas fontes de dados e técnicas disponíveis para realizar tal estudo, o uso de algoritmos de agrupamento e informações do projeto Global Precipitation Measurement (GPM) surge como uma alternativa conveniente, porém pouco explorada. Precisamente, este estudo emprega os métodos K-Means, Hierárquico de Ward e Mapas Auto-Organizáveis para agrupar os dados de precipitação anual e sazonal do projeto GPM registrados de 2001 a 2019. Os métodos adotados são comparados em termos de medidas quantitativas e o número de clusters definidos através de uma regra bem estabelecida. Os resultados demonstram que os períodos anual e sazonal estão organizados de acordo com diferentes números de clusters. Além disso, os resultados permitem: identificar a presença de uma sazonalidade pluviométrica na área de estudo; destacar o GPM como uma fonte de dados consistente; e concluir que o algoritmo K-Means é um método de agrupamento adequado no contexto desta investigação.

Resumo (inglês)

Southeastern Brazil comprises an important geoeconomic and populous region in South America. Consequently, it is essential to analyze and understand the precipitation profiles in this region. Among different data sources and techniques available to perform such study, the use of clustering algorithms and information from the Global Precipitation Measurement (GPM) project rises as a convenient yet few exploited alternative. Precisely, this study employs the K-Means, the Hierarchical Ward, and the Self-Organizing Maps methods to cluster the annual and seasonal precipitation data from GPM project recorded from 2001 to 2019. The adopted methods are compared in terms of quantitative measures and the number of clusters defined through a well-established rule. The results demonstrate that the annual and seasonal periods are organized according to different number of clusters. Moreover, the results allow: identify the presence of a rainfall seasonality in the study area; highlight the GPM as a consistent data source; and conclude that the K-Means algorithm is a suitable clustering method in the context of this investigation.

Descrição

Idioma

Inglês

Como citar

Itens relacionados